该文章分析了2025年以来近5万条GitHub PR中的词汇趋势，发现2026年出现的一个词汇集群占人工提交PR的45%，其代表性词汇与编码代理常用术语高度吻合。

根据对2025年以来GitHub Pull Request的词汇分析，我们每天抓取100个PR，累计分析了595天、47,464个PR和5,024,747个单词。通过KL散度k-means聚类方法，我们将这些PR的词汇分为8个集群。其中一个集群自2026年出现，上月已占所有人工提交PR的45%。该集群最具代表性的词汇对使用编码代理的人来说应该很熟悉，其中"load-bearing"一词的出现频率是其他组件的123.04倍，在语料库中每百万词出现20次。

根据评论内容，总结如下：

主要观点与论据：

1. 对Claude语言风格的批评（多数评论认可）：

   • 评论1指出“vacuous”等词汇选择破坏了使用体验（"The word selection...has taken the joy out of using Claude"）
   • 评论2认为风格令人反感，且解释晦涩难懂（"You need a PhD to understand its explanation"）
   • 评论8表示处理Claude语言很费力，甚至不自觉模仿（"I've recently caught myself using them in conversations"）

2. 对分析本身的肯定（部分评论）：

   • 评论3赞赏页面简洁直观（"everything the author wanted to present fit on-screen"）
   • 评论7称其为“spectacular analysis”，建议扩展分析维度
   • 评论11认为数据呈现让结论“自我证明”（"the argument effectively 'makes itself'"）

3. 对人类语言影响的反思（少数评论）：

   • 评论3观察到自身写作开始模仿LLM模式（"I now present lists of examples in a consistent way"）
   • 评论8担心人类会不自觉地采用AI语言习惯

4. 对改进方向的建议（部分评论）：

   • 评论5希望增加术语搜索功能
   • 评论7建议分析句子长度、对比框架等特征
   • 评论12提出实验：用AI偏好的词汇替换文本后重新评估

平衡性说明：多数评论聚焦于Claude语言风格的负面体验，但作者（评论10）感谢社区反馈，并已着手改进（增加搜索栏、扩大数据量）。评论14则提出更中立的视角，探讨这是否源于RLHF优化不足或模型本身的高效表达。