我不是逆向半人马

LLM 对开源和 PR 质量的影响

• 许多维护者表示，大量低投入、由 AI 生成的拉取请求淹没而来，浪费了审查时间。
• AI 让生成“看似合理”但浅薄的代码，以及撰写冗长、泛泛的 PR 描述变得很容易，打破了过去作者应比审查者投入更多精力的旧规范。
• 有人认为，LLM 生成的库和补丁在增加噪音，使得更难找到并信任高质量项目。
• 也有人指出，AI 仍然可以产出有用的修复，尤其是在配合良好测试时，但强调未经过审查的 AI 代码不能直接替代维护良好的库。

维护者的回应和流程变化

• 对增加摩擦有强烈支持：要求在 PR 之前先提交 issue（甚至先进行讨论），对未关联 issue 的 PR 自动拒绝，并优先考虑对问题的清晰人工解释。
• 一些人认为这种摩擦会筛掉“顺手一投”的贡献和无谓争论；另一些人则觉得这令人泄气或过于官僚。
• 在维护一个小而尊重人的贡献者群体，与保持开源“开放”感之间，存在张力。

赋能非程序员 vs “逆向半人马”担忧

• 一些评论者庆祝非编码者如今也能创建定制工具和“家常式应用”，尤其适用于小众或无障碍需求。
• 批评者把大规模使用 LLM 比作不熟练的人用电动工具盖房子：有赋能作用，但对共享、长生命周期的软件来说也有风险。
• “逆向半人马”被描述为人类机械地执行 AI 的计划；有人把基于工单的企业工作看作这种模式的前奏。

自豪、技艺与工具的使用

• 一派坚持，自豪应当与投入、技能和理解相对应；单纯提示词驱动或委托他人工作，并不构成有意义的“成就”。
• 另一派认为，因促成有用之物诞生而感到自豪是合理的，即便工具（编译器、库、LLM）完成了大部分机械工作。

开源还重要吗？

• 有人担心 OSS 正被拿去“榨取”以训练模型，而开源许可证主要是在让 AI 实验室受益。
• 也有人反驳称，现代软件（包括 AI 技术栈）仍然严重依赖开源，因此它依然至关重要，只是正在承受压力。
• 少数人认为，“自由软件”理念（copyleft、反重新授权、用户自由）如今可能比开源作为品牌或商业模式更重要。

工作流中的 AI 检测与使用

• 检测 AI 生成的代码大多靠“感觉”（风格、模板化内容、语气），并被认为不可靠，难以自动化。
• 有人提议用 LLM 自身来预先分流或总结 PR，但也有人不安于继续依赖同一种正在制造问题的技术。