JetBrains Go 生态 2026 年度报告：AI Agent 正在重塑 Go 开发者的工作方式
内容提要
JetBrains《The State of Go in 2026》调查显示：Go开发者中66%有六年以上经验；net/http使用率升至46%，接近Gin；Go与TypeScript组合使用率达43%。AI Agent深度融入工作流，86%每周使用终端Agent，84%用AI开发，但79%仍会审查AI代码。Rust成为最想学的语言，25%在过去一年用过。Go的简洁、稳定与工程化在AI时代正显现新价值。
延伸解读
标准库回归背后的双重推力
net/http 使用率一年内从 32% 升至 46%，逼近 Gin 的 48%。文章给出两个解释：一是 Go 1.22 起标准库路由支持 Method 匹配和路径通配符，覆盖了部分第三方路由需求；二是 AI Agent 普及后，框架减少样板代码的价值被削弱，而标准库依赖少、行为可预测，更易被 AI 理解和操作。需注意，后者是 JetBrains 的解释而非调查证明的因果关系。
高使用率不等于高信任
86% 的 Go 开发者每周使用终端 AI Agent，84% 用 AI 开发功能，但 79% 经常或总是审查 AI 代码。审查重点依次是功能正确性（79%）、代码质量（75%）、架构（69%）和安全（64%）。另有 29% 认为 AI 方案不如手写，高于全体开发者的 25%。这说明 Go 开发者把 AI 当作执行工具，同时保留工程判断权，而非无条件信任。
终端与 IDE 形成混合工作流
终端 Agent 使用率高，并不代表 IDE 被取代。44% 的 Go 开发者过去一年使用 IDE 的时间增加，超过减少的 33%；61% 每天在 IDE 中运行 Coding Agent。文章认为，终端适合自动化任务和复杂操作，IDE 适合代码浏览、调试、审查和精细修改。真正变化的是 IDE、终端和 AI Agent 在开发流程中的分工，而非某一工具的存废。
Rust 是能力扩展而非迁移信号
25% 的 Go 开发者过去一年用过 Rust，Rust 也是他们最想学的新语言（16%）。但文章明确指出，这并不意味着大规模把 Go 服务改写为 Rust；Rust 更多用于新技能、个人项目或性能敏感组件。结合 Go 与 TypeScript 组合使用率达 43%，更合理的理解是多语言分工：Go 负责后端与基础设施，TypeScript 负责前端，Rust 补足系统级场景。
Q&A
JetBrains 2026年Go生态调查覆盖了多少开发者？其中有多少人以Go为主要语言？
调查覆盖28,945名开发者，其中1,836人将Go列为主要编程语言。
Go开发者使用net/http的比例为什么在2026年大幅上升？
net/http使用率从2025年的32%升至46%，接近Gin的48%。原因有二：一是Go标准库持续进化，从Go 1.22起http.ServeMux支持HTTP Method匹配和路径通配符，覆盖了许多常见路由需求；二是AI Agent普及后，框架减少样板代码的优势减弱，而标准库依赖少、行为可预测，更容易被AI理解和操作。
Go开发者最常搭配使用的第二语言是什么？使用率增长如何？
是TypeScript。同一项目中配合Go使用的语言里，TypeScript占比从2024年的24%增长到2026年的43%，增幅显著。同时只使用Go的开发者比例从35%降至27%，表明多语言技术栈日益普遍。
Go开发者使用AI Agent的频率和主要场景是什么？
86%的Go开发者每周至少使用一次CLI/Terminal AI Agent，84%每周使用AI Agent开发功能或程序。主要场景包括跨文件修改代码（89%）、生成测试（83%）、生成注释或文档（83%）、头脑风暴（82%）和执行代码审查（80%）。
Go开发者对AI生成的代码信任程度如何？他们审查时最关注什么？
79%的Go开发者经常或总是审查AI生成的代码后才接受。审查时最关注功能正确性（79%）、代码质量（75%）、解决方案架构（69%）、代码安全性（64%）等。29%的Go开发者认为AI生成的解决方案不如自己手写的代码，表明他们保留工程判断权。
Go开发者对Rust的态度如何？Rust会替代Go吗？
Rust是Go开发者最想学习的新语言（16%），25%的Go开发者在过去一年使用过Rust。但这并非替代关系，而是互补：Go擅长网络服务、分布式系统和云原生基础设施，Rust擅长需要精细控制内存和性能的场景。学习Rust是扩展工程能力边界，而非放弃Go。
为什么说Go的设计特点使其在AI Agent时代具有优势？
Go的统一格式（gofmt）、静态类型、快速编译、丰富的标准库、统一的工具链（go test、go vet等）和兼容性承诺，不仅提高团队协作效率，也让AI Agent更容易理解项目、可靠修改代码并通过工具链获得明确反馈，形成清晰的反馈闭环。
