Godot 将不再接受 AI 撰写的代码贡献

原文 ↗ Hacker News 讨论 ↗

拒绝 AI 政策的理由

  • 许多人认为这项政策是对“AI 垃圾”的回应：大量、低投入的 PR 会淹没维护者。
  • 所列目标包括：节省审阅者时间、让代码保持人类可理解、避免成为未经审核的 AI 工作的下游，以及确保贡献者能够维护自己添加的内容。
  • 还存在法律/来源方面的担忧：模型很可能训练自 GPL 或专有代码；维护者不希望在复杂代码库中承担“AI 洗白”后的责任。

关于代码质量与审阅负担的担忧

  • 审阅者表示，AI PR 往往冗长、偏题，而且常常看起来合理却暗中有错，使审阅成本高得多。
  • 这里提到了 Brandolini 定律：生成内容远比反驳它便宜得多；AI 放大了这种不对称。
  • 一些人把 AI PR 的洪流比作对维护者有限空闲时间的拒绝服务攻击。

作者身份、指导与社区目标

  • PR 被描述为一种社会性产物：用于教导贡献者、识别未来的维护者，并建立共同理解。
  • 如果反馈被某个 LLM 吸收，而不是被成长中的人类贡献者吸收，审阅者会觉得自己的指导工作被浪费了。
  • 因此，有些人认为即使代码“能工作”，作者身份仍然很重要。

执行与可操作性

  • 预计检测将是启发式和社会性的，而不是技术性的：大规模、无重点的改动、AI 风格的文字、未知贡献者等。
  • 该政策主要是给维护者明确理由，以便快速关闭疑似 AI PR，并回避关于公平性的争论。
  • 批评者指出，这可能会误判真正的人类工作，而且也无法阻止谨慎使用 AI、会审查并“人类化”输出的用户。

替代方案与流程调整

  • 建议包括：
    • 严格限制 PR 大小、打开中的 PR 数量以及描述长度。
    • 对大型 PR 要求先有 issue/讨论。
    • 更好的测试、静态分析和工具；也许还可以使用 AI 辅助分流与审阅。
    • 将“对 AI 友好”的 fork/沙盒与主仓库分开，维护者可从中挑选优质改动。

关于 AI 编码的更广泛观点

  • AI 支持者认为，对于范围明确的任务（重构、移植、文档），它确实能显著提升效率，尤其是在每一行都经过审查时。
  • 其他人则报告了“vibecoding”后的后遗症：进展很快，随后才发现代码混乱、不一致、难以维护。
  • 对于当前模型是否即将在人类之上胜任复杂系统，还是被过度吹捧且在结构上不可靠，存在分歧。

对开源与 Godot 的影响

  • 有人预测，拥抱 AI 的竞争对手会超过保守项目；也有人认为，高度依赖 AI 的项目会劣化，而 Godot 对质量的坚持反而会成为优势。
  • 几位评论者指出，开源贡献越来越多是由润色简历、赏金和大学作业驱动的，而 AI 又放大了低投入参与，因此更需要更严格的把关。