文章标题:维护 SwiftTerm 教会我的关于 AI 贡献的事
正文: 如果你现在正在维护一个开源项目,你的拉取请求队列大概和三年前大不一样了。
我维护着 SwiftTerm,一个开源终端模拟器库,如今已经有七年历史了。今天,我估计收到的拉取请求中大约有 80% 在某种程度上涉及 AI。不过回头来看,这并不是一下子发生的——它是一波一波来的。
披露:作为一个经常写冗长且满是拼写错误的英语博客文章的墨西哥人,我让 Antigravity 修正了我的写作,并重复了那些冗长又重复的观点(正如我妻子经常指出的那样)。
第一波:Vibe-Coded 的创可贴和分叉实验
在人们甚至还没开始向我的仓库提交 AI 辅助的拉取请求之前,我会浏览 GitHub 的网络图,只是为了看看冒出了哪些分叉,以及用户在哪些问题上挣扎。早期,我发现的是大量的“vibe coding”——人们用根本上错误的方式给问题打补丁,在更深层的终端状态 bug 上贴表面级的创可贴。尽管用户并没有提交修复,我还是会修复或实现该功能——为了帮助我所有的用户。
在我偶然发现的一个分叉里,有人显然放出了一个自主 agent,试图以连发的方式修复我所有未解决的问题。幸运的是,他们实际上从未提交那些 PR——他们很可能只是在实验——只有我这个爱管闲事的家伙在浏览网络图时才发现了它。尽管如此,浏览那些提交证实了早期的现实:那些修复不值得合并。它们解决了表面症状,却没有理解系统。
Promptsplainer 的崛起
伴随那些早期浪潮而来的是一种新的开源原型——许多社区都不得不应对的那种:Promptsplainer。
有些人非常渴望参与改进一个项目,而 LLM 打开了新的大门,但他们缺乏一些基本礼仪。
Promptsplainer 是那种向 LLM 提问、得到一个听起来很自信的解释或一大片补丁,然后突然相信自己可以推翻数十年来之不易的领域专业知识的人。他们实际上并不理解自己所触碰的代码库的底层怪癖、竞态条件或协议边界情况。当一位资深维护者指出缺陷时,Promptsplainer 不会去调查代码;他们只是把维护者的审查评论原样复制粘贴回自己的聊天会话里,然后再把机器人吐出来的任何东西粘贴回去。
你不需要每天大量涌入的 Promptsplainer 就能感受到损害。哪怕只是偶尔遇到一次,也能让维护者怒火中烧——而且理由充分。
第二波:“提交补丁”终于成真了
以下是过去一年里发生了巨大变化的地方。我们从 AI 修复完全错误或懒惰的创可贴,变成了基本落在正确范围内。
要理解为什么这对我如此重要,你必须记得几年前维护一个开源库是什么样子。那时候,我会收到源源不断的 bug 报告——如果我有空闲时间、有耐心、孩子们早睡了、我的 Netflix 队列也空了,我可能真的会坐下来修那个 bug。
几十年来,每当用户问“为什么它不能……?”时,开源社区都有一个半开玩笑、半恼火的固定回应。我们告诉他们:“欢迎补丁”,或者“提交一个 PR”。大多数时候,我们知道他们不会,因为从头深入一个复杂的代码库太陡峭了。无偿志愿工作、没受过教育的观点和恼火之间的完美风暴。
像许多人一样,我见证了从收到 bug 报告到收到详细拉取请求的变化。而我个人对此心存感激。
文章标题:维护 SwiftTerm 让我对 AI 贡献有了哪些认识
正文: 我对收到的贡献的看法,归根结底基于一个简单的现实:每一个 PR 都代表一个在真实环境中被发现的实际痛点。这意味着一位真实用户在日常工作中遇到了问题,报告或追踪了该问题,找到了可行的解决方案,并且痛感足够强烈,以至于愿意花时间把它整理好并上游提交。
作为维护者,这比我自己的愿望清单上躺在 issue tracker 里的那些条目要好得多的信号。即使实现还需要额外的工作,有人刚刚递给了我一个真实世界问题的证据,以及一个具体的修复起点。
我这边的多智能体代码审查
问题在于,许多编码模型和智能体仍然有一个坏习惯:只做修复——走最短路径让测试通过,而不退后一步审视整个库。而且并非每个贡献者都学会了如何调整他们的智能体以进行深度工程审查,或者能使用最好的模型来做这件事。
AI 生成代码的第一版往往需要加工,这没关系。正如我们花了多年时间培养驾驭编程语言、调试器,有时还要写 m4 宏的纪律一样,我们现在需要培养有效使用 AI 工具的能力——学会如何引导它们、验证它们的假设、审计它们的输出。
对我来说,培养这种能力意味着把 AI 放到我这一边来弥合差距。在我费心逐行阅读贡献者的补丁之前,我会雷打不动地在 Claude 中运行 /code-review,在 ChatGPT 中运行 /review [1]。
这些审查流程通常能发现的远不止狭窄的语法小毛病——它们会暴露真正的架构缺陷、微妙的 API 破坏、罕见的副作用,以及需要我花数小时手动追踪的终端一致性题目 [2]。
有了这些反馈,我可以引导贡献者进行具体的架构修复——或者,如果某人在为一个关键 bug 提交 PR 后就消失了,我可以清理他们的分支并自己合入。
一些维护者抱怨说,审查这些 PR 感觉就像在和一个只会把反馈复制粘贴到远程 LLM 的人说话。但电话另一头仍然是一个活生生的人。这给了我们一个真正的机会,不仅能指导贡献者如何负责任地使用这些工具,还能在整个行业中示范和采纳更好的工程实践。考虑到顶级推理模型的经济成本对每个做休闲开源工作的人来说并不理想,为了保持我的库健康,我很乐意在我这边承担这笔费用。
一刀切规则的摩擦
这就引出了我为什么一直怀着很多同情——以及一点担忧——关注着 Gnome 和 Godot 等大型项目中围绕 AI 政策的更广泛辩论。
在 Godot 这样庞大的规模下,保护志愿审查者免受未经审查的提交和偶尔出现的 Promptsplainer 的困扰,是一种完全可以理解的直觉。没人希望自己的 Netflix 时间被作者自己都懒得理解的随手代码吃掉。
挑战在于,围绕代码是如何写出来的划下硬线,不可避免地会给那些已经在承担架构重活的资深贡献者制造摩擦。最近,我尝试作为一个试探,向 Godot 上游提交了一个小的、经过生产测试的 bug 修复——这是我和团队在我们自己的代码树中构建并测试的大约 60 到 80 项改进之一。因为我诚实地披露了我的 AI 工作流程,它触犯了他们的严格准则并被拒绝了。
当一项政策审查的是来源而非质量时,会发生两件意想不到的事:
- 它惩罚透明度:诚实披露自己工具的贡献者被拦下,而其他人则被悄悄引导去保持沉默,假装每个字符都是自己手打的。
文章标题:维护 SwiftTerm 教会我的关于 AI 贡献的事
正文:
- 好的修复被锁在私有分支里:与其纠缠于政策摩擦,像我们这样的团队干脆把有用的补丁留在自己的内部代码树中。由于 AI 让维护分支变得轻而易举,这并不会拖慢我们——只是意味着更广泛的社区错过了本可惠及所有人的修复。
责任重于来源
“提示词解释器”(Promptsplainer)确实令人头疼,开源项目对不理解项目、随手提交的贡献予以抵制是对的。
但解药不是禁用这些工具——而是要求人类承担责任,并配合维护者一侧更好的审查工具。归根结底,作为库的维护者,决定什么能进入代码库是我的职责——依赖我这个库的人信任我做出这些决定。一个补丁是始于 LLM 提示词还是手工敲出来的,并不改变这一责任。如果贡献者理解问题、测试过修复,并且能作为一个人深思熟虑地参与审查,那么他们在编辑器里用了什么模型,不应成为否定其工作的理由。
当然,在少数核心维护者已经捉襟见肘的情况下,推广这种审查文化本身就是一个结构性的挑战。
[1] 在 Claude 中,我使用 Opus 5.5,同时搭配 GPT 6.2 中 Sol-xhigh 的 /review。在 Claude 中,/code-review 实际上会并行启动多个不同的 agent,每个专注于不同的目标和常见的工程错误。期待 Antigravity 能实现这一点。
[2] 事实上,这些审查如此彻底,以至于我在交付前会对自己的改动运行 /code-review。在一个有七年历史的代码库中,不可能同时把所有历史不变量都记在脑子里,而这些 agent 经常能捕捉到我已经完全忘记的边界情况。