Пятый ежегодный опрос разработчиков Django, подготовленный Django Software Foundation совместно с PyCharm, даёт представление о тенденциях в сообществе фреймворка в 2026 году. Отчёт основан на ответах примерно 3500 разработчиков из более чем 40 стран — от студентов, делающих первые шаги, до специалистов с многолетним опытом. Главный вывод заключается в том, что разработчики меняют инструменты и методы работы намного быстрее, чем сам фреймворк.
PostgreSQL сохранял статус предпочтительной базы данных у 76–79% участников на протяжении пяти лет подряд, а шаблонизатор Django по-прежнему использовали около 80% из них. Спустя несколько месяцев после выпуска Django 6.0 43% заявили, что уже используют его, тогда как примерно половина разработчиков переходит на каждый стабильный выпуск. Эти цифры не означают, что Django не меняется; скорее, они указывают на то, что его базовая архитектура предоставляет стабильную основу для экспериментов с новыми инструментами вокруг неё.
Искусственный интеллект уже используется, но модель его применения ещё не определилась
Искусственный интеллект стал привычной частью разработки приложений на Django. Лишь 10% участников заявили, что не используют инструменты ИИ для программирования регулярно, тогда как 58% пользователей применяют их ежедневно, а 27% — несколько раз в неделю. Однако опрос не выявляет доминирующего инструмента или интерфейса: способы использования примерно поровну распределяются между браузером, средой разработки и командной строкой.
Первое место занял Claude Code с 35%, за ним следуют ChatGPT с 33% и GitHub Copilot с 23%. При этом наиболее распространённым сценарием остаются диалог и запрос совета: 56% пользователей ИИ заявили, что используют его только таким образом. Кроме того, 59% просят инструмент сгенерировать код, а затем применяют изменения самостоятельно; 44% разрешают ему изменять файлы или выполнять команды по запросу, тогда как лишь 27% используют его для независимого выполнения многоэтапных задач.
На практике это означает перемещение агента внутрь среды разработки, а не её замену. Среда разработки по-прежнему остаётся местом, где разработчик понимает кодовую базу, проверяет изменения и решает, что попадёт в проект. Такая осторожность проявляется и в обучении: официальная документация Django лидирует среди источников обучения с показателем 67%, однако инструменты искусственного интеллекта заняли второе место с 51%, опередив YouTube, чтение исходного кода и Stack Overflow.
Инструменты Python движутся к большей консолидации
В управлении окружениями и качеством кода заметны относительно новые инструменты. uv, выпущенный в феврале 2024 года, используют 43% участников; он уступает venv с показателем 63%, но опережает Docker с 31%. В области линтинга и форматирования Ruff стал наиболее используемым инструментом с показателем 43%, опередив проверки среды разработки с 27%, Black с 25%, pre-commit с 20% и Flake8 с 17%.
Это не указывает на исчезновение более старых инструментов, а скорее на то, что новые инструменты начали объединять функции, для которых раньше требовался отдельный набор решений. Для команд это может означать менее фрагментированные процессы настройки, однако сам по себе опрос не доказывает, что переход на эти инструменты привёл к снижению сложности или стоимости сопровождения.
Типы и тесты: быстрое внедрение и меньшая согласованность
Аннотации типов стали распространённой практикой: их используют 57% разработчиков, а ещё 26% планируют внедрить их. Инструмент проверки типов не получил столь же широкого консенсуса. Среди пользователей аннотаций типов 40% полагаются на встроенный в среду разработки проверяющий инструмент, за ним следуют mypy с 32%, Ruff с 29% и Pyright/Pylance с 22%. ty от Astral набрал 12%, а Pyrefly от Meta — 4%.
Этот вопрос становится всё более важным по мере расширения роли агентов в написании кода. pytest используют 45% участников, unittest — 43%, а pytest-django — 34%. Кроме того, 51% используют GitHub Actions, а 26% — GitLab CI/CD. Эти инструменты создают основу для цикла, в котором агент может изменять код, запускать тесты и реагировать на ошибки до представления результата разработчику. Однако 19% участников вообще не пишут автоматизированные тесты, а это означает, что передача большего объёма работы автоматизированным системам не у всех сопровождается сопоставимым механизмом проверки.
Два пути создания приложений
72% участников используют шаблоны, обрабатываемые на сервере, тогда как 53% применяют Django для приложений, работающих только через API, а 46% используют его за одностраничным приложением или отдельным JavaScript-интерфейсом. При указании основного подхода половина разработчиков создаёт приложения с серверной обработкой, тогда как 44% в основном используют Django для API или отдельных интерфейсов.
Цифры по JavaScript демонстрируют это разделение: доля React оставалась почти стабильной — с 37% в 2021 году до 38% в текущем опросе. В то же время jQuery снизилась с 37% до 23%, а Vue — с 28% до 17%, тогда как htmx выросла всего с 5% до 34%. Согласно интерпретации отчёта, htmx не отнимает долю у React, а обновляет направление серверно-обрабатываемых приложений, в котором ранее широко использовалась jQuery.
Почему эта тенденция важна?
Результаты опроса показывают, что текущая ценность Django связана не с тем, что он является самым новым фреймворком, а с его способностью вмещать значительные изменения в инструментах и рабочих процессах без необходимости полностью перестраивать приложение. Команда может попробовать нового агента, внедрить uv и Ruff, добавить htmx или выбрать другой проверяющий типы инструмент, сохранив модели, административную панель и аутентификацию в качестве знакомой основы.
Консервативная тенденция проявляется и в развёртывании: 54% участников поставляют свои приложения в виде монолитов, а 44% самостоятельно размещают свою инфраструктуру. Кроме того, 33% используют асинхронные возможности Django, а 40% планируют их внедрить, что указывает на постепенное добровольное развитие, а не на масштабную переписываемость.
Редакционный вывод здесь заключается не в том, что искусственный интеллект заменит среду разработки или что один инструмент определит победителя в гонке инструментов Python. Данные подтверждают распространение использования и экспериментов, но не доказывают производственного превосходства или повышения качества. Для команд важнее всего практически оценить готовность тестов и конвейеров CI/CD проверять изменения, создаваемые агентами, особенно с учётом доли разработчиков, которые не используют автоматизированные тесты.