一句话看懂：Linux 基金会研究部门调查显示，生成式 AI 正在拉低开源贡献门槛，但维护者估计约 25% 的新进 Pull Request 属于低质量“AI slop”，审核负担随之上升。
事件核心：发生了什么
Linux Foundation Research 于 2026 年 10 月发布报告《Navigating Open Source Software Development in the Generative AI Era》，调查了 234 名开源贡献者与维护者。报告称，59% 的维护者自生成式 AI 兴起后看到贡献量增长；在大型项目中这一比例为 69%，并估计其中 31% 为低质量内容。整体来看，新进 PR 中约有 25% 被估计为“AI slop”。64% 的受访者表示代码评审耗时变长，63% 把维护者倦怠列为首要担忧，贡献质量以 60% 紧随其后。政策层面，在回答该问题的 119 人中，仅 35% 表示项目有允许使用 AI 的正式政策，32% 既无政策也无计划，23% 计划制定，10% 直接禁止 AI 贡献。该研究由华为旗下 Futurewei、OpenSSF 和 LF AI & Data 等支持。
为什么重要
生成式 AI 让写代码和提 PR 的成本大幅下降，开源生态的“入口”因此变宽，但维护者的审核能力并没有同步扩容。报告显示，代码编写环节平均节省约 52% 时间，提案讨论约 19%，可在高复杂度任务上仍有 21% 的受访者表示耗时反而增加。71% 的维护者认为 AI 降低了新人参与门槛，但 53% 不同意 AI 改善了社区信任。这意味着开源项目的治理重点正从“是否允许 AI”转向“如何识别、分流和约束 AI 生成贡献”，否则低质 PR 会挤占评审资源，抬高维护成本。
对用户/开发者/创作者的影响
对开发者而言，提交 AI 辅助代码时，测试与披露责任将更多落在贡献者一侧，清晰的提交说明和自测记录会直接影响 PR 是否被处理。对维护者而言，需要更明确的 AI 使用规范、自动化初筛工具和贡献者分级机制。报告也提示，AI 节省的时间正被重新投入开源：66% 用于处理技术债务，63% 用于开发新功能，58% 用于学习提升；同时 46% 的维护者认为 AI 增加了对新贡献者导师指导的需求。对依赖开源软件的企业和普通用户，短期内更值得关注的是项目评审节奏与版本质量，而非单纯贡献数量。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是各大型开源项目是否推出可执行的 AI 贡献披露与测试要求；二是自动化 PR 初筛工具能否真正降低维护者负担；三是“低质 PR 占比”这一估计是否会随政策落地而变化。目前公开信息显示，该报告基于问卷调查与受访者估计，并非对全部 PR 的自动检测统计，结论应放在这一范围内理解。
来源：Slashdot
