AI-citeringsstudie: citeras GitHub av AI?

GitHub är en primär källa i strikt mening: dess sidor skrivs av de personer som bygger programvaran. En README förklarar vad ett projekt gör, en releasesida beskriver vad som ändrats i varje version, och ärendelistan visar vilka buggar som är kända och om de är åtgärdade. AI-modeller behandlar dessa sidor som belägg när de beskriver ett verktyg.

Fyra typer av GitHub-sidor brukar dyka upp i svar:

• Startsidor för förvar, där README fungerar som projektets officiella beskrivning.
• Releaser och ändringslogg, som används för frågor som "vilken är den senaste versionen" eller "när lades den här funktionen till".
• Ärenden och diskussioner, som citeras när någon frågar om en bugg, en begränsning eller en lösning.
• Säkerhetsrapporter från GitHub Advisory Database, som dokumenterar kända sårbarheter i paket med öppen källkod.

Organisationsprofiler spelar också roll. Ett företag som har sina SDK:er, plugins och integrationer i en offentlig GitHub-organisation ger AI-modeller ett verifierbart spår av att produkten finns och underhålls.

Citeringarna samlas kring tekniska syften. Typiska frågor är "öppen källkod-alternativ till Jira", "hur installerar man Stripe CLI", "underhålls det fortfarande det här npm-paketet", "bästa självhostade lösenordshanterare" eller "hur patchar man Log4j-sårbarheten". I varje fall är förvaret det mest direkta beviset en assistent kan erbjuda.

Frågor om vardagliga företag når sällan GitHub. Ingen behöver ett förvar för att hitta "en pålitlig rörmokare i Lyon" eller "den bästa redovisningsbyrån för ett nystartat företag". Därför koncentreras GitHub-citeringarna till frågor om programvaruutgivare, leverantörer av cybersäkerhet och IT-tjänsteföretag, och förblir marginella i andra branscher.

Språket spelar också in. Dokumentationen på GitHub är övervägande skriven på engelska, så engelska svar når den mycket lättare än svar på franska, tyska eller spanska, som i stället tenderar att citera översatta handledningar eller lokala medier.

Det mesta av skillnaden beror på hur varje modell hämtar information. Gemini grundar många svar i Google-sök, där förvar rankas väl för projektnamn, så en GitHub-länk kan följa med svaret. ChatGPT kombinerar det den lärt sig under träningen med liveresultat från ChatGPT-sök, och bifogar en länk till ett förvar främst när frågan nämner ett specifikt projekt.

Perplexity söker på webben för varje fråga och listar sina källor, men vid jämförelsefrågor förlitar den sig ofta på recensionsartiklar och leverantörers webbplatser snarare än råa förvar. Grok lägger till inlägg från X, där utvecklare meddelar nya releaser och diskuterar buggar. Claude citerar källor mer sällan som standard och tenderar att beskriva ett projekt med egna ord om inte webbsökning är påslagen.

En del av GitHubs inflytande syns inte i citeringsstatistiken. Publik kod och dokumentation som finns på GitHub ingår i träningsdatan för många stora modeller, så en assistent kan förklara hur ett bibliotek fungerar utan att nämna sidan den lärde sig av.

En citering här betyder att svaret angav en sida på github.com som källa: ett förvar, ett ärende, en säkerhetsrapport eller GitHubs dokumentation. Råd som "lagra din kod på GitHub" utan länk är en rekommendation av tjänsten, en annan signal som den här andelen inte fångar.

Webbplatser byggda med GitHub Pages ligger på github.io eller på egna domäner, så de bör läsas som egna webbplatser. För ett varumärke är det värdefulla fallet att ett av dess egna förvar dyker upp i ett svar om dess kategori, en teknisk referens som en assistent kan kontrollera, något som marknadssidor sällan lyckas med.