禁还是不禁？开源项目如何治理 GenAI 贡献

生成式AI如今能编写代码、提交issue、发起拉取请求、评审变更，甚至在开源项目中报告漏洞。然而，生成成本变低了，并不代表审查成本也跟着降低。在日益沉重的维护负担下，许多项目已开始制定面向生成式AI的专门规则——写在 CONTRIBUTING 文件、安全策略、PR 模板和 AGENTS.md 中——从强制披露，一直到完全禁止。

为了弄清真正在发生什么，我们研读了 67 个最受关注的开源项目的 AI 规则，以及这些规则背后的事件与争论。整体图景远不止“禁还是不禁”那么简单。维护者们的忧虑集中在贡献流程中的七个压力点：从根本无法审查的 PR，到凭空捏造的安全报告。项目方则以三种截然不同的思路来应对——彻底拒之门外、有条件地放行，或只评判贡献本身而不问工具——并落实为十二种具体策略：披露复选框、证据要求、PR 提交限制、面向智能体的指令文件等等。每种选择都伴随着真实的权衡，照搬你所能找到的最严苛策略，通常是个错误。

无论你是维护者、PMC 成员、社区建设者还是 OSPO 从业者，你都将带着一张清晰的地图离开：了解其他社区在做什么、每种选择背后的权衡，以及在自己项目中启动相关讨论的实用起点。而在结束之前，还有一件事：首次揭示当编程智能体真的遭遇你写下的规则时，会发生什么。

讲师:

杨文昊：北京大学博士研究生

杨文昊是北京大学计算机学院的博士研究生，也是周明辉教授开源软件数据分析实验室的成员。他的研究方向涵盖开源软件社区、软件治理，以及生成式 AI 对协作开发的影响。他研究开源项目如何针对新兴的 AI 辅助工作流，调整其贡献流程、政策与评审实践。

何润之：北京大学计算机学院博士研究生

何润之现为北京大学计算机学院博士研究生，也是周明辉教授开源软件数据分析实验室的成员。他本科毕业于北京大学信息科学技术学院（EECS），研究方向主要聚焦于 AI4SE 与软件供应链。联系邮箱：rzhe@pku.edu.cn。