由于您提供的文本是一段HTML代码，它用于定义一个具有特定样式和尺寸的图像按钮。因此，我无法直接用文字回答关于这个图像按钮的问题。如果您有其他非HTML相关的问题，请随时提问，我会尽力帮助您。
（来源：GitHub博客）
Griffiths在一篇最近的博客文章中对此进行了详细分析：
当某项任务或流程进行得顺利时，人脑会记住这种体验。便利性会吸引人们的注意，而减少摩擦自然会成为人们的首选；而当这种偏好在大规模范围内出现时，它就有可能改变整个生态系统。在GitHub上，有80%的新开发者在第一周内就会使用Copilot。这些早期的使用经历重新定义了“简单”这一概念的含义。
这种技术优势是非常明显的。强类型语言为人工智能提供了明确的约束机制。当你在TypeScript中声明“x: string”时，人工智能会立刻知道应该忽略所有那些不能作用于字符串的操作。而JavaScript那种“什么都可以”的设计方式，就让人工智能难以理解和使用。实际上也有研究支持这一观点。例如，《Visual Studio Magazine》在2025年引用的一项学术研究发现，94%的由大语言模型引发的编译错误都是类型检查失败造成的。静态类型机制能够在这些问题成为实际生产问题之前就将其发现并解决。
TypeScript并不是唯一一个呈现出这种发展趋势的语言。GitHub对强类型语言的分析显示，Roblox开发的逐渐强制类型化语言Luau的 사용率同比增长了194%；而作为LaTeX的强类型替代品，Typst的使用率也增长了108%。与此同时，目前已经有超过110万个公共仓库在使用大语言模型开发工具包。这种趋势已经不再是实验性的，而是成为了主流，并且正在被越来越多地应用于那些能够与人工智能良好配合的技术栈中。
Idan Gazit是负责Copilot开发的GitHub Next团队的负责人。在另一篇采访中，他解释了人工智能是如何从根本上改变开发者在选择技术时的决策方式的：
在人工智能出现之前，选择某种语言通常意味着需要在运行效率、库生态系统以及个人使用熟练程度之间进行权衡。而有了人工智能之后，又出现了一个新的考量因素：如果我选择这种语言，这个模型能为我带来多大的帮助？
目前，Python仍然在AI项目的开发中占据主导地位。2025年，在GitHub上创建的新AI仓库中，接近一半都是从使用Python开始的，因为Python被广泛用于模型训练和原型开发，而不是因为它才是辅助应用程序开发的最佳选择。然而，如果从整体开发活动的规模来看，JavaScript/TypeScript生态系统的影响力远远超过了其他语言。
Medium网站的博主Cenk Çetin在的文章中分析了这一趋势对整个行业意味着什么：
随着人工智能辅助编码的普及，具有静态类型检查功能的语言变得越来越重要。TypeScript严格的类型系统能够帮助在代码投入生产之前发现由人工智能生成的代码中的错误，从而使代码更加可靠。
Griffiths建议团队们更自觉地思考这个问题。她在自己的博客文章中提出了一个简单的练习：点击查看：
回想一下你最近做出的三项技术决策：新项目选择哪种编程语言、某个功能该使用哪个开发框架，以及工作流程中应该使用哪些工具。在这些决策过程中，人工智能工具起到了多大的作用呢？如果答案是“作用不大”，那我敢打赌，实际上它们的影响比你想象的要大。
对于语言设计者来说，这种发展趋势带来了一种挑战。TypeScript的首席架构师Anders Hejlsberg在GitHub上的一次采访中直截了当地指出了这一点：点击查看：
人工智能编写某种编程语言代码的能力，取决于它接触过这种语言的代码量。人工智能本质上就是一个“复述者”，只不过会在一定程度上进行推理和补充。由于人工智能接触过大量的JavaScript、Python和TypeScript代码，因此它在编写这些语言的代码时表现得非常出色；而新的编程语言则处于劣势。
新的编程语言陷入了这样一个恶性循环。Hejlsberg指出，人工智能模型基本上只是复述它们之前见过的代码，偶尔会加上一些推理结果。因此，如果某种编程语言没有大量的现有代码示例，Copilot就不会提供太多帮助；而当Copilot无法提供帮助时，开发者就会选择其他工具，这样一来，这种编程语言就永远无法积累到足够的代码示例。这就是一个会“锁定赢家”的残酷反馈循环。
GitHub的发展规模极其庞大。根据Octoverse 2025的数据，仅在2025年这一年，GitHub就拥有了1.8亿开发者、6.3亿个代码仓库，以及近10亿次代码提交。同比增长幅度达到了25%——这意味着平均每秒钟就有一个人加入GitHub！
对于那些试图理解这一切的领导者来说，Griffiths给出了切实可行的建议：不要仅仅关注有多少人在使用人工智能工具，而应该看看这些工具实际产生了什么效果。GitHub新推出的Copilot使用情况统计仪表盘（企业版仍处于公开测试阶段）能够详细显示哪些人在使用哪些工具、他们正在使用哪种编程语言，以及这些人工智能助手在实际开发中被如何运用。其真正的价值在于：能够及时发现某种编程语言或人工智能模型何时开始与存在错误的代码产生关联——这样就能帮助你判断团队在哪方面需要更好的提示或更严格的审核机制。
<根据Griffiths的分析，归根结底：人工智能的兼容性正在悄然改变你所做的每一个技术决策。在选择开发框架或编程语言时，你可能并不会有意识地考虑这一因素，但它确实存在。那些无法与人工智能辅助工具顺利配合使用的工具，已经逐渐失去了竞争优势。这种“便利性机制”根本不会考虑你的个人偏好；它只会不断加速那些能让编程过程变得更轻松的做法。