、

现如今，大模型正在快速改变软件开发方式，但开源社区却开始陷入新的困惑：如果代码是 AI 写的，还算不算开发者贡献？

最近，全球最重要的 Linux 发行版之一 Debian，就因为这个问题展开了一场持续数周的激烈讨论：

● 有人认为，AI 只是新的开发工具，没必要过度限制；

● 有人担心，AI 会破坏开源社区培养新人的机制；

● 也有人从伦理角度反对生成式 AI，认为这些工具本身就在“掠夺互联网”。

但争论到最后，Debian 社区得出的结论却有点出人意料——先观望，暂时不做决定。

一份“AI 贡献政策”草案，引爆社区讨论

事情的起点，是 Debian 开发者 Lucas Nussbaum 在今年 2 月中旬提出的一份草案。

他建议 Debian 社区讨论一个问题：是否允许 AI 生成或 AI 辅助生成的代码进入 Debian 项目。为此，他提出了一份草案，希望明确 Debian 在这一问题上的政策，并表示会先收集几天社区反馈，再决定是否正式提交决议。

根据草案内容，AI 辅助生成的贡献（部分或全部由大语言模型生成）是可以接受的，但需要满足一系列条件，例如：

（1）如果贡献的重要部分来自 AI 工具且没有人工修改，必须明确披露

（2）贡献中需要加入清晰声明或机器可读标签，例如 [AI-Generated]

（3）提交者必须完全理解自己的提交内容

（4）提交者需要对代码负责，包括技术质量、安全性、许可证合规和实际用途

此外，该草案还规定：为了避免发生严重的数据泄露风险，不得将非公开或敏感的项目数据输入生成式 AI 工具，包括：私有邮件列表内容，以及未公开的安全漏洞报告。

换句话说，AI 可以帮你写代码，但责任必须仍由人类开发者来承担。

争论的第一步：大家连“AI 是什么”都没统一

但很快，这场讨论很快暴露出一个更基础的问题——大家甚至没有就“AI”这个词达成共识。

Debian 开发者 Russ Allbery 直言，如今“AI”这个词已经变得过于模糊：现在的“AI”几乎可以指宇宙中的任何东西。有人指 ChatGPT，有人指代码生成工具，有人甚至把普通自动化工具也算进去。他认为，如果 Debian 要制定政策，就必须明确具体对象，例如是大语言模型（LLM）、强化学习，还是其他具体技术，否则政策很难具有可执行性。

“LLM 至少还有一个比较明确的含义，而 ‘AI’ 往往只是发言者想表达什么就代表什么，甚至同一场讨论里含义都在变化。”他说。

另一位开发者 Sean Whitton 也建议：如果要制定政策，至少应该使用 LLM 而不是 AI 这个模糊词；并区分不同的 AI 使用场景，比如代码审查、原型生成还是直接生成生产代码。他指出最好在投票选项中分别处理这些情况，而不是“一刀切”。

然而，不同于这些开发者的看法，Lucas Nussbaum 则认为，技术细节并不是重点，真正的问题是：是否允许自动化工具参与代码生成或分析。

他举了一个例子：在 Linux 内核早期，社区曾因为 BitKeeper 版本控制系统是否应该被使用而产生激烈争论；类似的情况也出现在安全工具领域——如果漏洞扫描工具是闭源的，那社区是否应该忽略它发现的漏洞？

Nussbaum 表示：如果我们采取完全“反工具”的立场，那将很难划出清晰边界。

AI 可能破坏开源社区的“新人培养机制”？

随后，这场讨论转向了一个更深层的问题：AI 会不会破坏开源社区培养新人的机制？

开发者 Simon Richter 提出了一个很有意思的观点：AI 代理在某种程度上，可能取代初级开发者。在很多情况下，初级开发者能在导师指导下完成任务，同样的任务，现在也可以由 AI 完成了——可问题是：AI 不会学习。

也就是说，社区投入的指导成本，无法转化为新的长期贡献者。

Simon Richter 说：“最好的情况是：一个小 Bug 被解决了，但没有培养出新的贡献者；最糟糕的情况是：所谓的贡献者只是 AI 和维护者之间的‘中间人’。”

此外，他还担心 AI 工具的使用成本：如果未来开发越来越依赖付费 AI 工具，可能会降低普通用户参与开源的门槛。

对此，Lucas Nussbaum 也并不完全认同。他认为 Debian 不会缺少适合新人的任务，AI 甚至可能帮助新手处理更复杂的问题他还引用了一项研究（由 Anthropic 员工参与撰写），其中指出：人与 AI 的交互方式差异很大，不同使用方式对学习效果影响也完全不同。

另一位知名 Linux 开发者 Ted Ts’o 也直接反驳了反 AI 的观点：一些人担心 AI 会减少未来的资深贡献者，但如果因此拒绝 AI 用户参与贡献，那才是真正的自我伤害。

伦理问题：AI 公司正在“吸干互联网”

还有一部分反对声音来自伦理层面和版权问题。

Debian 开发者 Matthew Vernon 指出，生成式 AI 公司在训练模型时存在明显问题。例如：大规模抓取互联网内容、无视版权与开源许可证、直接使用他人的知识产权训练模型等。

他说：这些公司疯狂抓取内容，对版权几乎毫不在意。Matthew Vernon 还提到了其他争议，包括 AI 的能源消耗、深度伪造问题和 AI 生成的虚假安全漏洞报告——在他看来，Debian 这样的自由软件项目应该明确反对这些 AI 工具。

除了伦理问题，版权问题也同样悬而未决，主要涉及模型训练数据的版权和 AI  生成内容的版权归属。对此，开发者 Jonathan Dowland 建议：在法律环境更清晰之前，也许暂时禁止这类贡献会更安全。

AI 代码质量差？其实人类也一样

在这场讨论中，还出现了一个有趣的观点。

很多人反对 AI 代码，理由是质量太差。但 Debian 开发者 Russ Allbery 认为，这个理由并不成立：人类确实可以写出比 AI 更好的代码，但也同样可以写出更糟糕的代码。他甚至调侃道：写毫无意义的垃圾代码不需要创造力，但要写出真正糟糕的代码，反而还需要人类的天赋呢。

还有开发者指出，AI 可能只是软件开发的又一次技术演进，但它也带来了新的问题，例如：如果代码是通过 Prompt 生成的，那么代码的“首选修改方式”是什么？

对此，Nussbaum 给出的答案是：应该修改 Prompt，而不是修改生成的代码。不过，这个答案无法令人信服——毕竟 LLM 的输出通常不是确定性的，且模型版本也会不断更新，即使使用同样的 Prompt，未来生成的代码也可能完全不同。

最终结果：Debian 决定先观望

从整个讨论来看，Debian 开发者在这个问题上远未达成共识，甚至连一个最基础的问题都没有统一：什么才算是 AI 生成贡献？

Nussbaum 表示，他最初提出决议，是因为社区中出现了一些针对 AI 用户的攻击。但经过一段时间交流后，目前讨论总体仍然理性，因此没有必要急于制定政策。

不过他也推测，如果未来真的进行投票，最终方案很可能会是：

允许使用 AI，但将附带一系列严格限制。