QGIS全面禁止AI贡献：一位亲历者的自白

全球最受欢迎的开源GIS应用之一QGIS，正式决定不再接受任何形式的AI辅助贡献。名为QEP428的提案于2026年10月7日合并，用一份比多数PR模板还短的政策文件，将此前"人在回路中"的温和立场替换为一条明确的规则：AI贡献，一律禁止。

这条消息登上Hacker News后迅速积累数百点数和数百条评论，争议焦点大多集中在同一个问题：一个志愿者社区，真的有能力执行这样的规定吗？

关于执行力的质疑是合理的。但真正值得细读的，是整个事件中另外两份文件——一位贡献者的自白，以及一项要求新贡献者证明自己是活人的后续提案。

政策到底说了什么

合并后的QEP措辞干脆利落。旧政策要求贡献者对AI生成内容保持"人在回路中"的监督，新政策连这个要求都取消了。推动这一转变的核心贡献者在讨论中给出三点理由：

审查负担已不可承受。 来自外部贡献者的AI使用，给维护者带来了"巨大且难以承受的压力"，而这份工作在LLM时代之前就已经足够艰难。

提交量超出人类审查能力。 AI辅助提交的洪流超过了人类审查者能认真处理的上限，项目被迫在"堆积如山的未审查PR"和"名不副实的审查"之间做选择，两条路都在损害质量。

自由软件依赖人的网络。 组织信任并资助QGIS，是因为他们知道可以回馈社区、雇佣贡献者提供支持与培训、影响功能方向。这个经济与社会循环只有在真实的人参与其中时才能运转。

评论区会告诉你这项政策无法执行，项目本身也承认这一点。在QEP之前的邮件列表讨论中，QGIS项目指导委员会成员Tim Sutton亲自起草了执行条款：仓库中"不允许LLM辅助的代码贡献"，并且，用他自己的话说，"我们知道这很难执行，但如果我们后续发现你使用了LLM，你面临代码回退和贡献者权利制裁的风险。"同一讨论还提议将该政策接入贡献者许可协议流程，让每个PR都携带一份明确声明。

这正是OpenJDK今年早些时候选择的执行模式：既然无法可靠检测AI文本，就让贡献者自己确认合规并承担相应责任。政策建立在荣誉制度上，而荣誉制度背后有后果支撑。

那份自白

合并讨论中最值得关注的，不是任何政策辩论，而是一位名叫Amalvir的贡献者的留言。这条评论来自政策直接影响到的人，却是一个+1支持禁令的表态：

"我直接受到这项新政策的影响，但我也投+1。当我创建那两个AI辅助的回归修复PR，去调查bug原因、建议修复并审查代码时，我并没有意识到这会给QGIS本就脆弱的审查者社区带来什么伤害。我显然还不具备在QGIS这样复杂的项目中修复bug的能力，但LLM给了你一种错觉，让你以为这有可能。"

这段话值得反复读，因为它用四句话压缩了整场AI贡献辩论。一个有动力的开发者发现了bug，想要帮忙，使用了手头的工具，产出两个看起来合理的修复PR，然后意识到：这种像贡献的行为，更接近于把负担甩给志愿者。模型让一个难题显得已被解决，而审查者仍然要完成验证它是否真的被解决的真正工作。

这正是温和政策从未考虑到的失败模式。"人在回路中"的规则假设人类在监督AI，却对另一种情况毫无办法：人类无法独立判断AI输出是否正确。在QGIS这样复杂的代码库中，这涵盖了大多数人，包括那些出于善意的贡献者。能力的错觉不是纪律问题，无法用指南来规避。这就是一刀切禁令的由来。

对以这些工具为职业的人来说，这里有一面令人不适的镜子。我的AI辅助工作与那份自白中的PR之间的区别，不在于模型对QGIS变得更聪明，而在于我通常能判断输出何时出错，因为我已经了解它正在改动的系统。而在陌生的代码库中，这张安全网不存在，那份自白展示了剩下的是什么。

Peter Naur 的“程序理论”：计算机科学家 Peter Naur 在 1985 年的论文《Programming as Theory Building》中提出，程序的价值主要不在于源代码本身，而在于开发者头脑中对“程序如何运作、为何如此设计”所构建的一套心智理论。当团队失去持有这一理论的人时，程序便名存实亡——即使代码仍在运行。AI 辅助贡献能快速生成看似合理的代码制品，却无法参与这套理论的构建，反而可能加速理论的稀释。对志愿者项目而言，理论往往只存在于少数长期维护者的头脑中，这也是 QGIS 对 AI 贡献高度警惕的深层原因：它不仅消耗审查资源，还可能让项目丧失真正的理解者。

"活人证明"提案

禁令只是QEP作者Nyall Dawson最初提案的一半。另一半更奇特，且尚未被采纳。

在9月底的邮件列表讨论中，他提议要求所有新贡献者在首次贡献被接受前提供"活人证明"。一个建议是向项目做一笔小额的财务贡献——刻意设置得极小，仅足以阻止他所说的"不关心项目的karma农民"。他认为任何金额都足以挡住机器人。另一个更激进的替代方案是：新人在提交变更前，需与现有贡献者进行一次面对面会面。

反对意见立即出现，且理由充分。一位回应者指出，为QGIS做贡献已经需要数千美元的硬件投入，通常还需要多年教育，项目本身已存在不平等门槛，再增加付费门槛只会制造另一道障碍。他分享了自己起步时的记忆：在旧笔记本上完整构建一次QGIS，曾花掉整整一夜。

合并后的QEP并未包含"活人证明"。它仍是一个在流传中的想法，这本身就值得注意。一个成熟的开源项目、FOSS GIS世界的支柱之一，正在严肃讨论匿名首次提交是否还能持续。无论你如何看待具体方案，方向已经清晰：大型志愿者项目的"随意匿名进入"时代正在终结，而AI洪水是原因。

模式与QGIS的打破

将各项目的AI政策并列，会发现一些有趣的东西：

• OpenJDK（Oracle）： 部分或全面禁止AI生成内容，覆盖代码、bug报告、wiki页面和邮件。但明确允许用AI阅读、调试和审查。理由包括审查负担、安全，以及决定性的知识产权——贡献者协议要求你授予可能并不合法持有的AI输出权利。
• GraalVM（同属Oracle）： 同一贡献者协议下，规则相反。AI助手可以起草、转换和审查代码、测试与文档，以问责为门槛：如果你无法在审查中解释和辩护这项变更，它就会被拒绝。
• QGIS（志愿者社区）： 三者中最彻底、理由最窄的禁令。讨论中完全没有出现知识产权论点，全部理由是审查者注意力和社区健康。

第三行才是信号。Oracle的禁令背后有企业法律逻辑。QGIS没有任何法律动机，贡献者没有签署会被AI输出污染的权利转让协议。社区只是看了看自己的审查队列和倦怠程度，得出结论：AI辅助带来的提交量，即使是善意的，其成本也超过了收益。这是一项纯粹的劳动经济学决策，由正在从事这项劳动的人做出。

一位Hacker News评论者很好地描述了底层转变：瓶颈不再是写代码，而是与代码保持对齐——知道它做什么，以及它是否做了你想做的事。对审查陌生人大型PR的维护者来说，这个问题更严重。另一位引用了Peter Naur的旧文《Programming as Theory Building》，其论点是：程序的价值主要在于理解它的人头脑中的"理论"。AI辅助贡献加速了制品，却对理论毫无贡献。志愿者项目大部分是理论，由少数疲惫的人持有。QGIS在保护理论。

如果要给一个预测：关注未来六个月内是否有其他志愿者运营的项目采纳类似禁令，以及是哪些项目。有薪酬维护者的企业支持项目会继续容忍甚至拥抱AI贡献，而靠捐赠的业余时间运转的项目会继续关门。分歧不在于对AI的信念，而在于谁为审查买单。

贡献者许可协议（CLA）与 AI 版权困境：OpenJDK 等企业项目要求贡献者签署法律协议，将贡献的版权授予项目方。但许多 AI 生成代码的版权归属尚不明确——模型训练数据可能包含受版权保护的代码，生成结果是否可被贡献者合法授权存在争议。因此，Oracle 系项目常以知识产权为由限制 AI 贡献，以避免下游法律风险。而 QGIS 没有 CLA，贡献者直接以开源许可证授权代码，社区更关注审查者的劳动负担和社区健康，而非法律合规。这一差异解释了为何类似的技术现象在不同治理结构的项目中导向截然不同的政策。

如果给开源做贡献，实际该怎么做

无论你接触的项目是否已有正式政策，QGIS的故事都给出了一套可行的规则：

在写第一行代码前读贡献指南。 政策今年变化很快，OpenJDK的临时政策4月落地，QGIS QEP428在10月合并，两者都推翻了此前的规范。你记忆中2024年的规则，可能和今天页面上的完全相反。

在陌生代码库中默认只读使用AI。 用LLM理解、导航和调试大型项目，即使最严格的政策也明确允许。这也恰好是这些工具表现最好的场景。

永远不要提交你无法逐行解释的修复。 这是GraalVM的问责门槛，也是所有地方都应采用的标准。如果你无法在审查中不借助模型来辩护这项变更，那它就没准备好，测试再绿也没用。

不要提交AI起草的issue。 OpenJDK和QGIS都将非代码内容纳入范围。从维护者视角看：写得好的issue是注意力的礼物，听起来合理的AI issue是从同一个账户里的提款。

即使合法也要披露。 有些项目仍允许AI辅助代码。说"这项变更由AI助手起草、我本人审查，以下是我的推理"不花任何成本，却能换来信任。Amalvir的自白是事后诚实的样子，披露是事前诚实的样子。

如果你坐在桌子的另一边——看着队列填满的维护者：QGIS的序列是一个可用的模板。先温和政策，再测量，然后是有牙齿的硬规则，写得足够短，没人能声称自己没看懂。

结语

QGIS禁止AI不是因为AI代码很差——有些其实不错。它禁止AI，是因为志愿者项目最稀缺的资源不是代码，而是那少数愿意且有能力审查代码的人的注意力。AI把涓涓细流变成了任何审查流程都无法诚实吸收的洪流。合并讨论中的自白就是整个故事的缩影：工具制造了贡献的感觉，背后却没有承担责任的能力。

每个开源项目在未来一年都将以某种方式回答的问题，不是"AI代码好不好"，而是"谁来审查它，他们同意了吗"。QGIS刚刚大声给出了答案。

背景补充

开源项目中的“人在回路中”（Human-in-the-Loop）：该术语在 AI 贡献政策中特指一种温和治理策略：允许使用 AI 工具生成内容，但要求人类贡献者对输出进行监督、验证并承担责任。QGIS 的旧政策即基于此，但它隐含一个关键假设——人类有能力判断 AI 输出是否正确。在 QGIS 这样复杂的地理信息系统代码库中，多数外部贡献者并不具备这种能力，于是“监督”沦为形式，审查负担被悄然转嫁给核心维护者。这一失败模式促使 QGIS 转向全面禁令，也提醒我们：人在回路中的有效性，取决于人类是否真正理解所监督的领域。