一年实验，五十个被拒的PR
2026年9月24日，QGIS核心开发者Nyall Dawson在项目提案仓库提交QEP428，提议将AI贡献政策从“人工监督”全面升级为“严格禁止”。提案于10月初完成投票并正式合并。新规措辞明确：禁止任何借助大语言模型、AI代理或自动化工作流完成的代码提交；事后发现违规的贡献者将面临代码强制回滚和贡献权限制裁。
这不是一次突然转向。QEP428的直接前身是QEP408——一套推行约一年的“人工监督”政策，要求贡献者标注AI辅助内容并保证“人在循环中”。结果有据可查：约50个PR被贴上了AI辅助标签，其中约40个在审核后被直接关闭，未能合并。大量未标注的AI生成内容同期混入审核队列。累积效应是：项目因审核压力失去了至少一名高价值贡献者。
不对称困境：生成成本趋零，审核成本不变
QGIS项目管理委员会成员、GitHub用户haubourg在讨论中给出的诊断：“AI提交对我们的维护者造成了巨大的、难以承受的压力——而他们在大语言模型时代到来之前就已经工作量饱和。AI流量远超人工审核能力，要么导致未审PR越堆越多，要么逼迫审核流于形式，两种结果都是项目无法接受的。”他指出：“PR的生成成本极低，审核成本却极高，而这个不对称只会越来越大。”
一名熟练的AI用户可以在一天内批量产出数十个代码提交；而评审一个非平凡的PR，需要资深维护者追踪代码上下文、测试边界情况、考量与项目长期架构意图的兼容性、确认社区规范——这些工作无法压缩，更无法外包。AI工具将供给曲线垂直拉升，审核带宽却是一条缓慢爬行的水平线。
执行的软肋：一张写在荣誉制度上的禁令
QEP428的执行几乎完全依赖贡献者的自我申报。目前没有成熟的技术手段能可靠地检测AI生成代码，误报率和漏报率都难以达到工程化门控的要求。开发者Kannes在讨论中指出，提案的宽泛措辞可能误伤合法用途，例如用AI辅助代码审查或安全审计。Nyall Dawson的回应是，QEP428是一个“严格的起点”，预留了后续针对特定场景放宽的空间。
这份禁令对于有意规避的贡献者形同虚设。但在AI内容检测技术成熟之前，依赖荣誉制度的全面禁止，比漏洞百出的选择性披露制度在执行成本上更低、在社区信号上更清晰。
行业共识正在聚拢
QGIS并非孤例。据公开报道，2026年7月29日，GCC指导委员会宣布禁止任何含AI生成内容的代码提交，覆盖范围甚至包括“经人工修改的AI衍生内容”；同月，代码托管平台Codeberg宣布禁止以LLM为主体生成的项目；8月，Oracle对OpenJDK实施AI贡献临时禁令，其核心关切是许可证与知识产权的归属模糊。Godot、Zig、NetBSD、GIMP、Gentoo、qemu亦相继发布类似政策。
并非所有项目都走向全面封禁。Linux内核和LLVM选择了另一条路：允许AI辅助贡献，但要求披露并由人工承担最终责任。两种路径的分野折射出一个现实差异——拥有更多全职工程师介入审核的超大型项目，有更大的带宽消化额外负荷；而依赖志愿者维护的社区项目，审核能力更接近硬上限，没有冗余可供消耗。
这是应急声明，不是终局判决
开源界这一轮AI贡献禁令浪潮，本质上是在填补一个此前被默默回避的管理真空。当AI工具将“发出贡献请求”的边际成本压至接近零，原有的开源协作基础设施——基于信任的提交流程、人工驱动的审核机制、依靠社区黏性维系的贡献文化——没有准备好应对随之而来的规模冲击。
AI工具确实可以快速生成形式正确、结构清晰的代码，但“能运行”与“可以合并进主线代码库”之间存在真实鸿沟：后者要求贡献符合项目的长期架构意图、数十年积累的维护约定、以及对历史决策背景的理解。这些判断无法被批量生产的自动化工具替代，也无法靠“人工最终确认”轻松绕过。
QEP428是QGIS对当下困境的务实回应，但它给出的答案有明确的有效期。一旦可靠的AI内容检测工具出现，或社区摸索出真正有效的自动化验证流程，现行禁令的必要性必然重新接受审视。这份禁令的真正价值在于迫使整个开源行业正视一个绕不开的议题：下一代协作治理规则，必须在贡献速率与审核能力之间重新找到平衡。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接