IT资源栈知名软件开发者 Miguel Grinberg 发表文章，公开抵制利用大模型（LLM）向开源项目提交未经审核的代码。他指出，随着 AI 编程工具的普及，其开源项目收到的 Pull Requests（PR）数量激增，但绝大多数质量低下，缺乏对项目整体架构的考量，且附带冗长空洞的机器生成描述。Grinberg 引用了 Cory Doctorow 提出的“反向人马”概念，形容这种人类被迫沦为机器傀儡、无偿审查低质量代码的现象。为应对这一挑战，他更新了贡献指南，明确规定：所有潜在贡献者必须先通过 Issue 与维护者讨论更改意向，在获得批准前禁止提交代码。任何无法证明有人类深度参与、仅由 LLM 生成的 PR 将被直接关闭。Grinberg 强调，他欣赏人类编程的挑战精神，拒绝将自己的时间耗费在处理机器生成的“代码垃圾”上，以此捍卫开源社区的人本价值。
事件分析
随着 Cursor、Copilot 等开发工具的普及，开源社区正面临“垃圾进，垃圾出”的规模化挑战。技术上看，LLM 生成的代码虽然语法正确，但往往缺乏对业务逻辑和项目历史的理解，导致维护成本剧增。这一现象揭示了 AI 编程的负外部性：个体效率的提升是以社区整体维护负担的增加为代价的。未来，开源项目可能需要引入更严格的技术门槛或新的协议机制（如针对 AI Agent 的访问控制列表），以区分人类协作与机器刷屏。这不仅关乎代码质量，更关乎人类在软件工程中的主导权。
💡 核心观点：AI编程制造的海量低质代码正在冲击开源生态，迫使维护者筑墙自保，拒绝沦为机器流水线上的“代码审核员”。
原文链接：Hacker News
评论前必须登录！
立即登录 注册