# 为什么开源项目开始集体封杀 AI 生成的代码贡献

> 原标题：The growing divide between AI hype and software engineering reality

- 来源：Hacker News 首页
- 发布时间：2026-08-29T16:16:32.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/53586
- 原文：https://optimizedbyotto.com/post/why-open-source-projects-ban-ai/

## 摘要

120 个开源项目里已经有 37 个完全禁止 AI 生成的贡献，Debian 社区甚至正在投票搞全面封禁。问题不出在模型能力上——LLM 产出的代码看起来像模像样，但提交的人往往自己都判断不了对不对。核心矛盾是信息差：你越不懂，就越容易被忽悠。资深维护者现在被 AI 生成的“代码垃圾”淹没了，审阅这些低质量 PR 纯粹是浪费时间。作者打了个比方，这就像...

## 推荐理由

这篇博客给了个很具体的数字：120 个项目里 37 个已经禁了 AI 贡献，Debian 还在投票全面封禁。作者没在聊模型行不行，而是把矛头对准了信息差——你越不懂代码，越容易被 AI 生成的代码忽悠，而资深维护者就得花时间当免费审稿人。这个角度比单纯说“AI 代码质量差”要狠，因为它把责任从模型挪到了人身上。我会先打个折，毕竟这是个人博客观点，不是一手研究，但数据、社区动态和叙事框架都踩在点上，从业者看了很难不转发。

## 锐评

这篇文章点出了一个很现实的矛盾：AI写的代码看起来像模像样，但提交的人自己往往判断不了对错。核心问题是信息差——你越不懂，就越容易被忽悠。资深维护者现在要花大量时间审阅这些低质量PR，纯粹是浪费时间。作者引用了Rakshit Yadav的调查，120个开源项目里37个直接禁止AI贡献，GCC、QEMU、Gentoo等知名项目也明确拒收。Debian社区甚至正在投票搞全面封禁，连文档、翻译、bug报告都不让用AI生成。

文章没给具体的数据来量化“AI代码垃圾”到底增加了多少维护负担，也没说这些禁令执行起来效果如何。但逻辑是通的：LLM产出的代码在表面上很专业，实际上可能暗藏错误，而提交者缺乏能力把关。这跟模型能力提升关系不大，更像是一个社区治理问题。如果未来AI生成的贡献继续增加，而提交者的技术判断力没跟上，这种禁令可能会在更多项目里出现。