Studie citací AI: je GitHub citováno?

GitHub je primární zdroj v přísném smyslu: jeho stránky píší lidé, kteří software vytvářejí. README vysvětluje, co projekt dělá, stránka vydání popisuje změny v jednotlivých verzích a správa problémů ukazuje, které chyby jsou známé a zda jsou opravené. Modely AI tyto stránky berou jako důkaz, když popisují nástroj.

V odpovědích se obvykle objevují čtyři typy stránek GitHubu:

• Domovské stránky repozitářů, jejichž README slouží jako oficiální popis open-source projektu.
• Vydání a changelogy, používané u otázek typu „jaká je nejnovější verze“ nebo „kdy byla tato funkce přidána“.
• Problémy a diskuze, citované, když se někdo ptá na chybu, omezení nebo obejití.
• Bezpečnostní upozornění z databáze GitHub Advisory Database, která dokumentuje známé zranitelnosti open-source balíčků.

Záleží také na profilech organizací. Firma, která své SDK, pluginy nebo integrace drží ve veřejné organizaci na GitHubu, dává modelům AI ověřitelnou stopu, že její produkt existuje a je udržovaný.

Citace se soustřeďují na technické záměry. Typické dotazy jsou „open-source alternativa k Jiře“, „jak nainstalovat Stripe CLI“, „je tento npm balíček stále udržovaný“, „nejlepší self-hosted správce hesel“ nebo „jak opravit zranitelnost Log4j“. V každém z nich je repozitář pro asistenta nejpřímějším důkazem.

Dotazy na běžné podniky se na GitHub téměř nedostanou. Nikdo nepotřebuje repozitář, aby našel „spolehlivého instalatéra v Lyonu“ nebo „nejlepší účetní firmu pro startup“. Citace GitHubu se proto koncentrují na dotazy o vydavatelích softwaru, firmách pro kyberbezpečnost a poskytovatelích IT služeb a v ostatních odvětvích zůstávají okrajové.

Roli hraje i jazyk. Dokumentace na GitHubu je převážně psána anglicky, takže anglické odpovědi se k ní dostávají mnohem přirozeněji než francouzské, německé nebo španělské, které spíš citují překlady návodů nebo místní média.

Většina rozdílu vzniká tím, jak každý model získává informace. Gemini opírá mnoho odpovědí o Vyhledávání Google, kde repozitáře dobře figurují u názvů projektů, takže odkaz na GitHub může přijít spolu s odpovědí. ChatGPT kombinuje to, co se naučil při tréninku, s živými výsledky z vyhledávání ChatGPT, a odkaz na repozitář připojuje hlavně tehdy, když dotaz jmenuje konkrétní projekt.

Perplexity prohledává web u každého dotazu a uvádí své zdroje, u srovnávacích dotazů se ale často opírá o recenzní články a weby dodavatelů spíš než o surové repozitáře. Grok přidává příspěvky z X, kde vývojáři oznamují vydání a diskutují o chybách. Claude zdroje ve výchozím nastavení uvádí méně často a projekt obvykle popisuje vlastními slovy, pokud není zapnuté webové vyhledávání.

Část vlivu GitHubu se v počtech citací neprojeví. Veřejný kód a dokumentace hostované na GitHubu vstupují do trénovacích dat mnoha velkých modelů, takže asistent může vysvětlit, jak knihovna funguje, aniž by uvedl stránku, ze které se to naučil.

Citace zde znamená, že odpověď uvedla jako zdroj stránku na github.com: repozitář, problém, bezpečnostní upozornění nebo dokumentaci GitHubu. Doporučení typu „hostujte svůj kód na GitHubu“ bez odkazu je doporučením služby, jiným signálem, který tato míra nezachycuje.

Weby postavené na GitHub Pages běží na github.io nebo na vlastních doménách, takže je nejlépe číst jako samostatné webové stránky. Pro značku je cenný případ, kdy se v odpovědi na téma jejího oboru objeví některý její vlastní repozitář: technická reference, kterou může asistent ověřit, což se marketingovým stránkám jen zřídka podaří.