मैं एक रिवर्स सेंटौर नहीं हूँ

LLMs का ओपन सोर्स और PR गुणवत्ता पर प्रभाव

• कई मेंटेनर कम-प्रयास, AI-जनित पुल रिक्वेस्ट्स की बाढ़ की रिपोर्ट करते हैं, जो समीक्षा समय बर्बाद करती हैं।
• AI “संभाव्य” लेकिन सतही कोड बनाना और लंबे, सामान्य PR विवरण लिखना आसान बना देता है, जिससे पुराना मानक टूट जाता है कि लेखकों को समीक्षकों से अधिक प्रयास करना चाहिए।
• कुछ लोगों को लगता है कि LLM-जनित लाइब्रेरीज़ और पैच शोर बढ़ाते हैं, जिससे उच्च-गुणवत्ता वाले प्रोजेक्ट्स को खोजना और उन पर भरोसा करना कठिन हो जाता है।
• अन्य लोग नोट करते हैं कि AI फिर भी उपयोगी फिक्स दे सकता है, खासकर अच्छे टेस्ट्स के साथ, लेकिन ज़ोर देते हैं कि बिना समीक्षा किया गया AI कोड अच्छी तरह-से-रक्षित लाइब्रेरीज़ का सीधा विकल्प नहीं है।

मेंटेनर प्रतिक्रियाएँ और प्रक्रिया में बदलाव

• घर्षण जोड़ने के लिए मजबूत समर्थन: PRs से पहले issues (या यहाँ तक कि discussions) की आवश्यकता, linked issues के बिना PRs को auto-reject करना, और समस्याओं के स्पष्ट मानवीय स्पष्टीकरणों को प्राथमिकता देना।
• कुछ लोगों का तर्क है कि यह घर्षण “drive-by” contributions और bikeshedding को छाँट देता है; दूसरों को यह निरुत्साहजनक या नौकरशाही-भरा लगता है।
• एक छोटे, सम्मानजनक contributor समूह को curating करने और open source के “खुले” एहसास को बनाए रखने के बीच तनाव है।

गैर-प्रोग्रामरों को सशक्त बनाना बनाम “रिवर्स सेंटौर” चिंताएँ

• कई टिप्पणीकार इस बात का उत्सव मनाते हैं कि गैर-कोडर अब कस्टम टूल्स और “home-cooked apps” बना सकते हैं, खासकर niche या accessibility ज़रूरतों के लिए।
• आलोचक बड़े पैमाने पर LLM उपयोग की तुलना औज़ारों के साथ बिना कौशल वाले लोगों द्वारा घर बनाने से करते हैं: सशक्त करने वाला, लेकिन साझा, लंबे समय तक चलने वाले सॉफ़्टवेयर के लिए जोखिमभरा।
• “रिवर्स सेंटौर” को ऐसा रूप दिया गया है जहाँ मनुष्य AI की योजनाओं को यांत्रिक रूप से निष्पादित करते हैं; कुछ इसे ticket-चालित कॉर्पोरेट काम का पूर्ववर्ती मानते हैं।

गर्व, शिल्प, और औज़ारों का उपयोग

• एक पक्ष ज़ोर देता है कि गर्व प्रयास, कौशल, और समझ से जुड़ा होना चाहिए; केवल prompting या किसी काम का commissioning करना कोई अर्थपूर्ण “उपलब्धि” नहीं है।
• दूसरा पक्ष तर्क देता है कि किसी उपयोगी चीज़ को अस्तित्व में लाने का कारण बनना वैध रूप से गर्व का विषय हो सकता है, भले ही औज़ार (compilers, libraries, LLMs) अधिकांश यांत्रिक काम करें।

क्या ओपन सोर्स अब भी मायने रखता है?

• कुछ लोगों को डर है कि OSS को मॉडलों को प्रशिक्षित करने के लिए strip-mined किया जा रहा है और open licensing मुख्यतः AI labs को लाभ देती है।
• अन्य लोग जवाब देते हैं कि आधुनिक सॉफ़्टवेयर (AI stacks सहित) अभी भी critically open source पर निर्भर है, इसलिए यह आवश्यक बना हुआ है, भले ही दबाव में हो।
• कुछ लोग सुझाव देते हैं कि “free software” के आदर्श (copyleft, anti-relicensing, user freedoms) अब branding या business model के रूप में open source से अधिक महत्वपूर्ण हो सकते हैं।

वर्कफ़्लो में AI का पता लगाना और उपयोग

• AI-जनित कोड का पता लगाना अधिकतर “vibe” से होता है (style, boilerplate, tone) और इसे automate करना अविश्वसनीय माना जाता है।
• कुछ लोग PRs को triage या summarize करने के लिए स्वयं LLMs का उपयोग करने का प्रस्ताव रखते हैं, लेकिन उसी तकनीक पर और अधिक निर्भर होने को लेकर असहजता है जो समस्या पैदा कर रही है।