QGIS 对 AI 贡献实施暂停令

QGIS AI 暂停令的范围与理由

• 该政策禁止向 QGIS 核心提交“LLM/AI/agent 辅助”的贡献（并非整个地理空间生态系统）。
• 维护者表示，动机是实际层面的，而非意识形态：被低质量、AI 生成的 PR 和 issue 淹没了。
• 先前的政策允许“human in the loop”；维护者如今认为这还不够。
• 有人指出，这在内部被描述为一种临时暂停令，直到有更好的流程为止。

工作负担、“slop” 与维护者瓶颈

• 维护者报告称，贡献者提交了大量冗长的 PR，但对内容理解薄弱，而且往往明显是 LLM 驱动的。
• 审查这类 PR 的成本，甚至高于他们用自己的 AI 工具直接修复问题。
• 其他 OSS 项目也报告了类似经历：大量琐碎或边缘案例的 bug 报告、AI 写成的长篇描述，以及重复或幻觉出来的 issue。

定义、执行与信任

• 一些评论者批评该政策过于模糊：什么算“AI-assisted”？
• 另一些人则认为不需要严苛的法律式定义；这是一条基于信任的规则，用来为拒绝可疑 PR 提供依据。
• 有人担心会出现“猎巫”和执行不一致；也有人反驳说，即使无法完美检测，这项政策依然有用。

对开源、分支与贡献的影响

• 一些人预测，这会加速“开放贡献”的衰退；维护者将越来越多地自己完成所有编码（可能借助 AI），并接受更少的外部 PR。
• 也有人说，贡献者完全可以随时 fork，并按自己的方式使用 AI；市场和社区会决定哪些 fork 有意义。
• 还有人担心，如果通过 PR 进入项目的路径缩减，新维护者将如何出现。

代码质量、安全性与 GIS 领域

• GIS 和 QGIS 被描述为对安全与准确性要求很高，常用于基础设施、城市规划和科学研究。
• 评论者认为，细微的领域特定 bug 可能造成严重后果；LLM 在地理空间数学和坐标系统方面尤其脆弱。
• 也有人指出，QGIS 本来就有复杂且不完美的人类编写代码；禁止 AI 并不会神奇地保证质量。

AI 的实用性、风险与 HN 上的观感

• 许多人表示，LLM 让他们的个人生产力大幅提升（找 bug、打字、测试、繁琐重构）。
• 另一些人引用研究和经验指出，AI 编程会拖慢工作，或者生成难以维护的“纸牌屋”系统。
• 一个反复出现的主题是：瓶颈不再是“写代码”，而是理解、审查并保持与代码一致；AI 通过放大数量，让这件事更难。
• 元讨论提到 HN 上的立场极化、对 astroturfing 的指控，以及对失业的担忧与“AI 只是另一种工具”的说法之间的冲突。

替代政策构想

• 提出的替代方案包括：
  • 只允许受信任的贡献者使用 AI，
  • 通过小额支付或更高的准入门槛进行人类身份验证，
  • 为 AI 辅助的 PR 制定明确的 AGENTS.md 标准，
  • 使用 AI 来分流或审查 PR，而不是生成 PR。
• 有人引用 Linux kernel 的立场（允许 AI，但提交者承担全部责任）作为更细致的模式，不过该社区也会积极拒绝低努力的 AI 修复。