मैं अब किसी भी Ruby gems पर काम करने की परवाह नहीं करता, इसलिए मैंने अपनी सभी repositories archive कर दी हैं
एक लंबे समय से Ruby developer ने अपने सभी open-source gems archive कर दिए हैं, यह तर्क देते हुए कि large language models मानव-लिखित code का strip-mining कर रहे हैं और programming को निम्न-गुणवत्ता, AI-generated “slop” में बदल रहे हैं। टिप्पणीकार तेज़ी से विभाजित हैं: कुछ handcrafted coding और open-source community work के अवमूल्यन पर grief और निरुत्साह महसूस करते हैं, जबकि अन्य LLMs को powerful tools मानते हैं जो software creation को democratize करते हैं और engineers को repetitive tasks से मुक्त करते हैं। भाषा और Ruby-विशिष्ट drama के पीछे job security, code quality, regulatory capture, और क्या भविष्य का software अब भी समझने योग्य और अर्थपूर्ण रूप से human-made रहेगा, जैसी व्यापक चिंताएँ हैं.
भावनात्मक प्रतिक्रिया और आनंद की हानि
- कई लंबे समय से प्रोग्रामिंग करने वाले, खासकर वे जो code को एक craft की तरह महत्व देते थे, शोक, निरुत्साह, और यह एहसास व्यक्त करते हैं कि “मज़ा चला गया।”
- Ruby को “joyful coding” का प्रतीक माना जाता है, इसलिए Ruby/Rails के आसपास LLM-first messaging उस संस्कृति के साथ विश्वासघात जैसा महसूस होता है।
- कई लोग इस बदलाव की तुलना artisan woodworking या tailoring से factory robots की निगरानी करने तक करते हैं; आप अभी भी craft कर सकते हैं, लेकिन ज़्यादातर एक गैर-आर्थिक hobby के रूप में।
उपकरण के रूप में AI बनाम प्रतिस्थापन
- कुछ लोग खुद को मुक्त महसूस करते हैं: LLMs drudgery (CRUD, boilerplate, debugging glue) हटाते हैं, व्यक्तियों को महत्वाकांक्षी प्रोजेक्ट बनाने देते हैं, और गैर-विशेषज्ञों को software बनाने में सक्षम करते हैं।
- अन्य लोग इसे नौकरी के दिलचस्प हिस्सों को खोखला करना मानते हैं, जिससे engineers “agent managers” या product managers बन जाते हैं, जो वे कभी नहीं बनना चाहते थे।
- इस पर असहमति है कि agents का उपयोग स्वयं एक वैध, आनंददायक craft है या programming का स्वाभाविक रूप से ह्रास।
Open source, licensing, और “strip-mining”
- यह प्रबल भावना है कि LLM training के लिए open source को “strip-mined” किया गया है: बिना भुगतान की गई labor को scrape किया गया, proprietary code के साथ मिलाया गया, और फिर API access के रूप में बेचा गया।
- कुछ लोगों का तर्क है कि corporations द्वारा OSS का उपयोग हमेशा से ऐसा ही था; अन्य लोगों के अनुसार LLM training गुणात्मक रूप से बदतर है।
- सुझाए गए विचार: मजबूत copyleft, नए GPL versions जो “AI-proof” हों, और सरकार द्वारा वित्तपोषित public software; इस पर संदेह कि इनमें से कोई भी बड़े vendors को रोक पाएगा।
गुणवत्ता, रखरखाव, और “vibe coding”
- व्यापक चिंता है कि AI सतही, non-deterministic “vibe coded” systems को बढ़ावा देता है: ऐसा code जो आज तो काम करता है, लेकिन fragile, incoherent, और समझना कठिन होता है।
- चिंता है कि maintainers कम मेहनत वाले AI PRs और bug reports में डूब जाएंगे, जिससे और अधिक लोग projects को archive या abandon करने लगेंगे।
- प्रतिवाद: अच्छी discipline के साथ, LLMs refactoring, testing, और integration को बेहतर बना सकते हैं; कुछ लोग अपने व्यक्तिगत projects में work की तुलना में बेहतर coverage और tooling का दावा करते हैं।
अर्थशास्त्र और श्रम बाजार
- उपमाएँ: master carpenters के मुकाबले सस्ते robots; software का factoryization; factory workers और miners का machines से प्रतिस्थापन।
- कुछ लोग कई tasks के लिए order-of-magnitude cost reductions का दावा करते हैं; अन्य कहते हैं कि true costs (R&D, infra, externalities) अज्ञात हैं और संभवतः अधिक हैं।
- यह भय कि agent workflows के परिपक्व होने के साथ SWE salaries और headcount घटेंगे; unionization की मांग, लेकिन संदेह कि इससे बहुत फर्क पड़ेगा।
नियमन, शक्ति, और open models
- regulatory capture परिदृश्यों की चर्चा: विशिष्ट models पर राष्ट्रीय प्रतिबंध, hardware supply पर दबाव, और centralization को उचित ठहराने के लिए security fears का उपयोग।
- उम्मीद है कि open-weight, self-hosted models “rug pulls” को सीमित करेंगे; इसके विपरीत regulation और compute chokepoints की चिंताएँ।
software और ecosystems पर प्रभाव (अब तक)
- कुछ लोगों को कोई वास्तविक renaissance नहीं दिखता: core tools (OSes, major apps, CAD, creative suites) स्पष्ट रूप से बदले हुए नहीं हैं, और कई नए AI-built apps निम्न-गुणवत्ता के लगते हैं।
- अन्य लोग शांत बदलावों की ओर इशारा करते हैं: तेज़ reverse-engineering, bespoke internal tools, ports, personal automation, और छोटे niche projects जो पहले मौजूद नहीं होते।
- अपेक्षा है कि जैसे-जैसे human maintainers बाहर निकलेंगे, ecosystems stability और innovation में नुकसान झेल सकते हैं, भले ही AI पहले से कहीं अधिक code उत्पन्न कर सके।