一个维护者的 100 小时
先讲一个人的账。
git-annex 的作者 Joey Hess,过去一个月花了大约 100 个小时。不是在写代码,是在翻自己项目的依赖树——逐个确认哪些依赖里混进了大语言模型生成的代码。他在博客里翻出来的东西,比想象中具体得多:
- 1489 行的提交信息。一个 Haskell Web 框架(yesod)里,一次改动超过一万行代码,提交信息本身就有 1489 行——那是模型吐出来的”文档”,没人读得完,也没人打算读。
- 下一版无解释回滚。另一个依赖(ram)在 0.21.0 引入了”大规模 LLM 代码搅动”,0.21.1 又把它回滚掉,前后没有一个字解释。改动进来的理由不知道,出去的理由也不知道。
- 一次纯属运气才没构成侵权的复制。有人在提示词里直接让模型”从另一个项目抄代码”,抄完了,事后看只是恰好没抄到能构成版权问题的程度。
审计结束后他在博客结尾问了一句,语气平静但内容惊人:「需要持续审计一个程序的整棵依赖树,这大概就是编程现在变成的样子了?」
这句话值得停一下。开源三十年来,维护者审过贡献者、审过补丁、审过许可证,但”审计整棵依赖树里哪些代码不是人写的”——这是一项全新的、且看起来没有尽头的工作。100 个小时,只是”至少到目前为止”能建起 git-annex 的程度。
这不是一个人的怪癖。最近一周,整个开源世界围绕这件事吵出了两个方向相反的答案,而我认为两边都没打中要害。先看第一边。
一、一张 23 个条目的清单,和一道算术题
11 月 11 日,一个叫 Open Source Says No(osssaysno.com)的社区目录站登上 Hacker News 首页。它只做一件事:把那些在书面政策里明确拒收 AI 生成贡献的开源项目列出来,逐条附上政策原文、覆盖范围和核查日期。上榜门槛是至少 5000 个 GitHub 星标,或属于被广泛使用的基础设施。截至 11 月 11 日,名单上是 23 个项目。
名单里的政策原文,读起来比”AI 焦虑”这种词硬得多:
- yt-dlp(20.7 万星):”严格禁止在任何形式的贡献中使用 LLM、agent 或其他任何 AI 工具”——覆盖代码、文档、issue、翻译、美术,全都不收。
- QEMU:”当前项目政策是拒绝任何被认为包含或派生自 AI 生成内容的贡献。”
- fast-check:”拒收你无法逐行解释并为之负责的代码。”
- pdfcpu:”贡献者必须能在审核中解释每一处改动。”
RedMonk 分析师 Kate Holterhoff 做过一张更系统的光谱:把 86 个组织分成三档——禁收(Gentoo、QEMU、Zig、Godot)、要求披露(Linux 内核、LLVM、Ghostty)、允许但责任自负(curl、CPython、Node.js)。而 RedMonk 三月调查的 112 个项目里,明确禁收的只有 4 个。也就是说,一年之内,”禁收”从极少数派变成了需要专门建目录来追踪的规模。
为什么是现在?Linux 基金会 10 月 20 日发布的调查(《Navigating Open Source Software Development in the Generative AI Era》,LF Research 出品)给了一组反差极大的数字:受访者估计生成式 AI 把写代码的平均耗时砍掉了 52%;与此同时,维护者估计收到的 PR 里约 25% 是低质量”AI slop”,大型项目里这个比例升到 31%。59% 的维护者说贡献量在涨(大型项目里 69%),71% 承认 AI 降低了参与门槛——但 53% 的维护者不认为 AI 改善了社区信任。贡献者那边,61% 自称会在提交前做详细审查和完整功能测试——倒过来读,近四成的人没有。
System76 的 Jeremy Soller 给 COSMIC 桌面加贡献勾选框时,把这个决定讲成了一道纯算术:提交成本趋近于零,审查容量纹丝不动。这不是审美问题。当”写一个 PR”从一下午变成一次回车,而每个 PR 的消化成本不变,队列里排在真人贡献前面的东西就会指数级变多。禁令不是守旧,是容量守恒定律的直接推论。
但我要说的重点不在前门。
二、审查真正买的是什么
把上面那些政策原文并排读一遍,会发现它们极少谈”代码质量”。yt-dlp 没说 AI 代码跑不起来,QEMU 没说 AI 代码有 bug。它们反复出现的,是另一个词:解释。
fast-check 要你”逐行解释并为之负责”,pdfcpu 要你”在审核中解释每一处改动”,Godot 的理由更直白——AI 无法承担责任,而重度依赖 AI 的开发者,也没法指望他真正理解自己的代码、修得了自己的代码。Linux 内核的指引写着”审核者和维护者的带宽是稀缺资源”,并要求贡献者理解自己的全部提交;PyTorch 的政策精确到一个措辞:”不接受由完全自主智能体创建的贡献“——注意,它限制的不是人用 AI,是”自主”。
因为代码审查的工作方式,建立在一个很少被说破的前提上:作者比审查者更懂这段代码。作者知道意图,审查者对照意图检查实现——审查之所以可以是”抽查”而不是”重写”,就是因为存在这个信息梯度。yt-dlp 们写政策的那些人,被 AI slop 灌了几个月之后想明白了一件事:模型生成的 PR 把这个梯度抹成了零,甚至倒过来。作者自己都不知道这段代码在干什么,审查者只能从 diff 里反推一个可能根本不存在的意图。这时候审查从”对照检查”退化成”全文精读”,容量守恒立刻显形。
所以在维护者的账本上,AI 代码真正的问题不是”写得差”——写得差的代码三十年来一直有,LKM 时代就有”first patch”文化,SFC 甚至专门建议把糟糕的 AI 贡献当作”技术上不成熟的首个补丁”来温和对待。真正的问题是没人认领。一段代码进仓库,出了问题,世界上没有任何一个具体的人对它负有解释义务——禁令挡的不是能力,是这个空洞。
而这件事在”前门”之外,还有第二个入口。
三、后门:依赖树没有审核入口
回到 Joey Hess。他的 100 个小时买来的清单,现在挂在 git-annex 官网上:12 个已知包含 LLM 生成代码的依赖。不是小包——ghc(Haskell 编译器本体)、git、Cabal、tls、crypton、warp,一整条工具链。
两个细节值得单独讲。
第一个是 git 本身。git 的官方提交文档里明确写着”拒绝任何看起来像 AI 生成的东西”,法律顾虑和 joeyh 网页开头写的一模一样。但 joeyh 的审计发现,gitk 的一个 Co-Authored-By: LLM 提交是从上游合并进来的——绕过了 git 自己的政策。git 从哪个版本开始算”含 LLM 代码”,状态至今”不确定,可能是 2.53 或 2.55”。于是 git-annex 的选择是:支持回溯到 git 2.22。一个 2026 年的软件,主动锁死在自己的版本控制系统七年前的版本上。
第二个是 crypton,一个加密库。维护者 kazu-yamamoto 在九月底的博文里写:”我不是密码学专家,所以写不出既正确又高效的代码。”于是让模型来写。joeyh 对这句诚实的话只回了一个问题:那这段代码谁理解过?谁审过?cryptonite 这个包的初衷是把业界标准的 C 加密实现打包进 Haskell,而现在的 C 代码大到连归属和许可证都存疑——审计里已经确认了至少一次许可证违规。joeyh 的结论是:这不再是一个可信的包。
顺着审计往下走,joeyh 把这件事重新命名为供应链攻击面:依赖里的 LLM 代码不只是质量问题,是”需要被当作潜在供应链攻击看待”的东西。为了对冲它,git-annex 加了一个 NoLLMDependencies 构建开关——然后他自己写下了这个开关的悖论:如果某个安全漏洞只在较新版本的依赖里被修复,这个开关会继续用旧的、带漏洞的版本。为了规避一个法律上尚无定论的风险,接受一个已经确定的安全风险。
这是整件事最讽刺的地方,也是我认为”禁令”这条路的天花板:你可以在自己的前门挂上 23 条政策,但你的依赖树的依赖树,没有门。你在 CONTRIBUTING.md 里写”NO AI”,ghc 不会为你写,git 不会为你写,Haskell 生态不会为你写。SFC 给了全生态的最佳实践建议,但明说”不下法律结论”——joeyh 读了,评价是”punted”(把球踢开了)。没有哪个机构有能力给整棵树做担保。
那换一边呢?有人真的提出了另一条路。
四、另一边的答案:把它送进公共域
11 月 15 日,一篇檄文登上 Hacker News 首页,数百个赞、两百多条讨论。标题就叫”所有 AI 生成的代码都应该是开源的“(作者 Jakub Jankiewicz)。论证链条相当漂亮:
- 前沿模型吃了几十年的 GPL、MIT、Apache 代码长大,输出却闭源卖钱——作者称之为”许可证洗钱“;
- 纯机器生成、无人类作者的代码,按美国版权局的立场本就不受版权保护(2025 年 1 月版权局报告第二部分:提示词本身不构成”足够的人类作者身份”;Thaler v. Perlmutter 判例;猴子自拍照案同理;Wikimedia Commons 已经在实践:纯 AI 生成图片一律标公共域);
- 英国这类法域给计算机生成作品留了 50 年保护,全球规则打架——不如默认 CC0 抹平;
- 一个人对代码的全部贡献是敲了一行提示词,那这点”人类性”配不上独占权——vibe coding 出来的东西,就该进公地。
HN 评论区把它拆得很碎。viraptor 援引 Doe v. GitHub(Copilot 诉讼):法院的讨论并不支持 LLM 输出自动继承训练语料的许可证义务——这打断了论证里最强的法律强制链。delichon 的反问更朴素:”人也是学着开源代码长大的,是不是每个人类开发者也该被强制开源所有东西?”
但我认为两边其实卡在同一块石头上,而这才是全文真正的落点。
版权局的框架是:人类修改的部分受保护,纯生成的部分不受——同一个仓库,两种成分。要执行 Jankiewicz 的”AI 代码必须开源”,你得先能标出哪些行是 AI 写的;要执行 yt-dlp 的”AI 代码必须拒收”,你得先能标出哪些行是 AI 写的。禁令派要这个信息来关门,公共域派要这个信息来放权,两边要的是同一样东西。而今天的仓库没有这个粒度的任何记录——commit history 几乎从不说明哪个 hunk 是模型写的。Jankiewicz 的文章通篇没有给出任何标记机制;禁令的执行则依赖检测器,而 HN 社区对 AI 检测器的共识是:不可靠,像测谎仪,误伤的恰恰是老老实实用自动补全的人。
一边拒收,一边要求送出去,中间缺的那块东西,两边的文章都没有写。
五、缺的那一层:代码的成分表
那块东西有个现成的名字,叫出处。
注意一个事实:过去两个月里所有真正在往前走的动作,其实全是在补这一层,只是各自都只补了一小块。SFC 的最佳实践建议里最具体的一条,不是”禁”也不是”放”,而是——完整披露你何时、如何使用了 LLM,以机器可读的格式写进 commit 日志,这是一项道德义务。Linux 基金会的报告把”标准化署名与验证”列为治理建议的第一梯队。System76 的勾选框、Godot 对”机械用途可以但必须主动披露”的分级,全都是同一件东西的粗糙原型。
换句话说,生态真正缺的不是对 AI 代码的态度,是一条机器可读的出处声明链:这行代码是人写的还是模型生成的、人审到什么程度、人愿不愿意为它署名。安全领域已经为”你到底装了什么”建过一次这种设施——SBOM,软件物料清单。出处之于 AI 代码,就是 SBOM 之于第三方组件:当”谁写的”不再默认等于”谁提交的”,它就必须变成一条显式记录的数据。
在这个设施成熟之前,我能给的建议比所有立场都短:
- 提交前披露:用了什么工具、用在哪几步,写进 commit message。这条 SFC 称之为道德义务,我同意——它就是唯一可执行的版本。
- PR 保持小:不是规矩,是物理。一万行的”1489 行提交信息”式改动,在任何审查容量的算术下都不成立。
- 交出去之前,自己逐行讲一遍:讲不出来的部分,要么删掉,要么标明。这恰好也是 fast-check、pdfcpu、Godot 们政策原文里共同的那句话——绕了两周,最后落回同一句。
结语:写了 ≠ 认领了
开源三十年能跑起来,靠的从来不是代码免费,而是每一行代码背后站着一个愿意认领它、解释它、修它的人。Joey Hess 的 100 个小时、23 条禁令、12 个被污染的依赖、25% 的 slop 估算,说的都是同一件事:AI 第一次让”代码被写出来了”和”有人认领它”可以分离。
差的代码从来都有。差并且无人认领的代码,是新的物种。禁令挡不住它从依赖树进来,公共域也接不住一个没人知道自己放弃了什么的权利。真正缺的锁,是一张能回答”这行是谁写的”的成分表——在那之前,诚实披露是唯一还站得住的礼仪。
Joey Hess 说他在重新考虑要不要继续参与这个生态。我希望他留下:审计日志还躺在 git-annex 的网站上,一页一页,那大概是这张成分表最早的雏形。
参考与延伸
- Open Source Says No 目录:https://osssaysno.com/
- Joey Hess 博客原文:https://joeyh.name/blog/entry/no_LLM_code_in_dependencies/
- git-annex 无 LLM 代码政策与依赖清单:https://git-annex.branchable.com/no_llm_code/
- Linux Foundation 新闻稿(2026-10-20,LF Research 报告):https://www.linuxfoundation.org/press/new-lf-research-survey-shows-generative-ai-cuts-open-source-coding-time-in-half-but-25-of-incoming-pull-requests-are-considered-ai-slop
- SFC 关于 LLM 生成代码贡献的最佳实践:https://sfconservancy.org/llm-gen-ai/llm-backed-generative-ai-recommendations.html
- Jakub Jankiewicz “All AI-generated code should be Open Source” 及其 Hacker News 讨论(2026-11-15)
- kazu-yamamoto 博文(2026-09-25),经由 crypton 条目转引
说明:①”25% / 31% / 52%”均为 Linux 基金会调查中受访者与维护者的估算值,非逐 PR 统计;②Open Source Says No 名单持续更新,本文”23 个”为 2026-11-11 核查口径;③Godot(2026-06)与 System76(2026-10)的政策细节经多家独立转述交叉一致,未直接核对官方原文;④Joey Hess 博客未标注发表日期,其中”过去一个月 100 小时”为其原文自述;⑤HN 帖子分数各家抓取不一致,文中一律用”数百个赞”等模糊表述。