一句话看懂：知名开源开发者 Miguel Grinberg 公开宣布，不再接收未经讨论的直接 Pull Request（PR），因为如今大量 PR 是用户用 LLM 生成的代码，质量低且需要开发者投入大量时间审查，本质上把资深工程师变成了“逆半人马”——被机器操控的脆弱人类。
事件核心：发生了什么
Miguel Grinberg 在个人博客上表达了对开源项目现状的沮丧。他指出，近一年来，自己开源项目收到的外部贡献数量增加，但几乎所有贡献都由 LLM 生成。这些贡献者并不真正理解代码变更的影响，只是简单向 LLM 提出需求后提交 PR，将审查和合并工作的负担转嫁给项目维护者。为此，他修改了项目的贡献指南，要求有意贡献者先通过 Issue 与维护者沟通并获得许可，再由本人编写代码提交 PR。
为什么重要
这一现象挑战了开源生态“人人皆可贡献”的核心精神，也暴露了 LLM 在代码生成与协作中的深层问题。Cory Doctorow 提出的“逆半人马”概念——即脆弱的人类被冷漠的机器操控——恰恰描述了当前场景：LLM 生成代码的门槛极低，但审查责任却落在维护者身上，导致他们的时间被大量“AI 垃圾代码”占用。这不是个别现象，而是 LLM 普及后开发者社区面临的普遍矛盾：工具提高了产出数量，却牺牲了质量与信任基础。
对用户/开发者/创作者的影响
对于依赖 LLM 开发、想为开源项目做贡献的普通开发者，直接提交 AI 生成的 PR 很可能被无视甚至直接关闭。正确的做法是先在项目的 Issue 区描述问题，等待维护者确认，再由本人亲手编写代码。对于项目维护者，Grinberg 的做法提供了一种可复用的应对策略：通过流程管理来筛选真正有人类参与的贡献，而非无差别拒绝。对于整个开源生态，这意味着维护者需要在“开放”与“自我保护”之间找到新的平衡点。
值得关注的后续
1. 其他知名项目是否会效仿 Grinberg 的“先讨论后 PR”机制？如果主流项目纷纷调整贡献流程，将加速形成新的社区规范。2. GitHub 等平台是否会在 PR 审查工具中引入 AI 辅助，帮助维护者识别“人类编写”和“AI 生成”的代码差异？3. 长期来看，如果 AI 生成的代码质量持续提升，维护者是否会重新评估“接受 AI 直接提交 PR”的成本收益？
