Studiu citări AI: este GitHub citat de AI?

GitHub este o sursă primară în sens strict: paginile sale sunt scrise de oamenii care construiesc software-ul. Un README explică ce face un proiect, o pagină de lansare spune ce s-a schimbat în fiecare versiune, iar sistemul de tichete arată ce erori sunt cunoscute și dacă sunt rezolvate. Modelele AI tratează aceste pagini ca dovezi atunci când descriu un instrument.

Patru tipuri de pagini GitHub apar de obicei în răspunsuri:

• Paginile principale ale depozitelor, al căror README servește drept descriere oficială a unui proiect open-source.
• Lansările și jurnalele de modificări, folosite pentru întrebări precum „care este ultima versiune” sau „când a fost adăugată această funcție”.
• Tichete și discuții, citate atunci când cineva întreabă despre o eroare, o limitare sau o soluție provizorie.
• Avertismentele de securitate din GitHub Advisory Database, care documentează vulnerabilitățile cunoscute ale pachetelor open-source.

Contează și profilurile organizațiilor. O companie care își ține SDK-urile, plugin-urile sau integrările într-o organizație publică pe GitHub oferă modelelor AI o urmă verificabilă că produsul său există și este întreținut.

Citările se concentrează în jurul intențiilor tehnice. Întrebările tipice includ „alternativă open-source la Jira”, „cum instalezi Stripe CLI”, „mai este întreținut acest pachet npm”, „cel mai bun manager de parole self-hosted” sau „cum aplici patch-ul pentru vulnerabilitatea Log4j”. În fiecare caz, depozitul este cea mai directă dovadă pe care o poate oferi un asistent.

Întrebările despre afacerile de zi cu zi ajung rar la GitHub. Nimeni nu are nevoie de un depozit ca să găsească „un instalator sanitar de încredere în Lyon” sau „cea mai bună firmă de contabilitate pentru un startup”. Ca urmare, citările GitHub se concentrează pe întrebările despre editorii de software, furnizorii de securitate cibernetică și companiile de servicii IT, rămânând marginale în celelalte sectoare.

Limba joacă și ea un rol. Documentația de pe GitHub este scrisă în proporție covârșitoare în engleză, așa că răspunsurile în engleză ajung la ea mult mai natural decât cele în franceză, germană sau spaniolă, care tind să citeze în schimb tutoriale traduse sau media locală.

Cea mai mare parte a diferenței vine din modul în care fiecare model recuperează informația. Gemini își bazează multe răspunsuri pe Google Search, unde depozitele se clasează bine după numele proiectelor, așa că un link GitHub poate veni odată cu răspunsul. ChatGPT combină ceea ce a învățat în timpul antrenării cu rezultate live din ChatGPT search și atașează un link către depozit mai ales atunci când întrebarea numește un proiect specific.

Perplexity caută pe web pentru fiecare întrebare și enumeră sursele, dar la întrebările de comparație se bazează adesea pe articole de recenzie și pe site-urile furnizorilor, nu pe depozite brute. Grok adaugă postările de pe X, unde dezvoltatorii anunță lansările și discută erorile. Claude citează sursele mai rar implicit și tinde să descrie un proiect cu propriile cuvinte, cu excepția cazului în care căutarea pe web este activată.

O parte din influența GitHub nu se vede în numărul de citări. Codul public și documentația găzduite pe GitHub alimentează datele de antrenare ale multor modele mari, așa că un asistent poate explica cum funcționează o bibliotecă fără să numească pagina de unde a învățat.

O citare aici înseamnă că răspunsul a dat ca sursă o pagină de pe github.com: un depozit, un tichet, un avertisment sau documentația GitHub. Un sfat precum „găzduiește-ți codul pe GitHub”, fără link, este o recomandare a serviciului, un semnal diferit pe care această rată nu îl captează.

Site-urile construite cu GitHub Pages trăiesc pe github.io sau pe domenii proprii, așa că e mai bine să fie citite ca site-uri de sine stătătoare. Pentru o marcă, cazul valoros este ca unul dintre depozitele sale să apară într-un răspuns despre categoria sa: o referință tehnică pe care un asistent o poate verifica, ceva ce paginile de marketing reușesc rar.