AI时代开源：责任重于代码

当人工智能能批量产出补丁，开源领域真正匮乏的已不再是代码，而是背后的责任担当。

Ladybird 浏览器团队宣告：将不再接收公开的 Pull Request。

这很容易被误读为“开源的倒退”。然而，置于 AI 编程助手普及的大环境下，其核心指向的是一种深层变革：随着代码提交成本因 AI 而大幅下降，维护责任却并未随之减少。

往昔，一份复杂的补丁通常象征着贡献者投入了大量的心血。这种投入固然不是质量的绝对保障，但至少传递了善意以及对问题理解的深度信号。

如今情况已截然不同。

任何人都能借助 AI 在极短时间内生成大量看似完美的补丁。维护者面临的挑战不仅是代码量的堆积，更是信号系统的崩溃：这些补丁看似是努力的结晶，实则可能只是低成本生成的产物。

Andreas Kling 的核心观点十分明确：代码是否为人工手写并不关键，关键在于由谁来合并，由谁来维护，以及谁对最终后果负责。

这比“禁止使用 AI”的论调更为精准。

AI 生成代码本身并无过错。问题在于，一旦补丁进入实际产品，它便转化为用户必须承受的系统行为。

浏览器领域尤为如此。安全、兼容性、性能、隐私及无障碍访问，任何细微的改动都可能引发长期的连锁反应。

倘若提交者只是将 AI 生成的结果随手抛给维护者审核，那么真正承担风险的主体便转移到了项目核心团队身上。

这已非协作，实为风险转移。

开源协作依赖于“信号”。

当贡献者愿意研读文档、复现问题、阐述设计、回应审查并持续维护时，这些行为共同构筑了可信度。

AI 改变的正是这一关键环节：代码产出的门槛大幅降低。

因此，维护者更难通过“补丁规模”和“实现完整性”来评估贡献质量。一个庞大的 PR 既可能代表深刻的理解，也可能仅仅是模型对上下文的简单猜测。

这导致代码审查的成本急剧攀升。

维护者不仅要核实代码能否运行，还需进行判断：

一旦审查成本超过了贡献的价值，项目自然会收紧准入门槛。

这不仅仅局限于 Ladybird 项目。

未来，更多开源项目将把贡献流程从“任何人皆可提交 PR”转变为更严格的责任制度。

可能出现以下几种转变：

换言之，开源项目将更趋近于产品化组织：从入口、权限、责任到质量门槛，皆需精心设计。

若你利用 AI 参与开源，最重要的并非频繁提交，而是证明你理解了问题所在。

一种更健康的模式应当是：

AI 可以协助你更高效地完成这些工作，却无法替你承担相应的责任。

开源项目最终需要的不是“看似能运行的代码”，而是“有人愿意为其担责的代码”。

若 AI 编程助手想要真正进入严肃的工程场景，就不能仅局限于优化生成速度。

它们需要协助开发者构建责任链条：

未来的顶尖 AI 编程工具，将不再仅仅是“写得更快”，而是“让人更易审查、敢于合并、能够追责”。

AI 使得代码变得廉价，却让信任变得昂贵。

开源项目的下一轮治理，不在于争论是否使用 AI，而在于重新界定：究竟何为负责任的贡献。