AI时代开源开发的隐忧

LF Research是Linux基金会的官方研究部门，自2021年成立以来，持续发布关于开源软件构建与使用方式的深度调研报告。其最新成果《生成式AI时代的开源软件开发探索》通过问卷调查与项目数据分析，首次量化了生成式AI对开源生态的实际冲击。

该报告由Red Hat赞助，OpenSSF、LF AI & Data及Futurewei共同参与支持。调研覆盖了234位开源贡献者和项目维护者，揭示了AI辅助编程在提升效率的同时带来的严峻挑战。

核心发现：AI灌水量惊人

近四分之一PR质量堪忧

调查数据显示，约25%的incoming pull requests属于低质量的AI产出物。这一比例在项目规模越大时尤为突出——超过50名贡献者的成熟项目，AI灌水比例攀升至31%。

值得注意的是，这一25%的数据并非精确统计结果，而是基于111位受访者的估算，反映的是社区的主观感知趋势。

大型项目维护者压力倍增

大型开源项目承受着最直接的冲击：

• 69%的维护者报告收到了更多提交请求（整体平均水平为59%）
• 64%表示代码审查耗时显著增加
• 63%将”倦怠感”列为首要忧虑，仅次于贡献质量下滑（60%）

政策滞后于技术现实

面对AI辅助编程的普及，多数项目尚未建立相应的治理框架。

在119位回答”是否有正式AI使用政策”的受访者中：

• 仅35%的项目制定了明确的AI使用规范
• 32%既无政策也无制定计划
• 23%计划着手编写相关政策
• 10%直接禁止AI生成的贡献

LLVM等项目已率先尝试有条件允许AI生成代码的做法，但现实是：26%的项目完全不具备验证AI辅助贡献的能力，导致透明度依赖贡献者自律。

效率提升与信任危机并存

报告同样记录了AI带来的积极变化。贡献者平均反馈代码编写时间减少了52%，尽管在复杂任务场景中，21%的人表示AI反而延长了工作时长。

更关键的是开发者生态的影响：

• 71%的维护者认为AI降低了新人的贡献门槛
• 但仅13%认为AI提升了社区信任度
• 53%明确表示信任度未有改善

报告建议

LF Research呼吁开源社区重点关注以下方向：

1. 制定明确的AI使用书面政策
2. 建立AI辅助贡献的披露机制
3. 完善测试与文档标准

然而，目前的现实是披露机制主要依赖个人选择，而四分之一的项目连基本的验证手段都缺失。正如过往多次出现的现象——那些大量提交低质量代码的渠道鲜少主动配合规范。

方法论说明

本次调研的受访者主要通过Linux基金会通讯、社交媒体及Red Hat等合作伙伴渠道招募。上述25%的比例数据来源于111位受访者的主观估算，而非对项目仓库的实际代码分析。

关注微信号：智享开源 ，及时了解更新信息。

阅读原文