Godot引擎是Unity等商业游戏引擎的开源替代方案,其背后的非营利机构Godot基金会正在修订贡献政策,拟禁止将大多数AI生成的代码提交至项目代码库。
此次政策调整源于Godot基金会数月来的内部讨论。基金会表示,维护人员已无法跟上日益积压的拉取请求(Pull Request),其中许多都由AI生成。
然而,基金会指出,压力不仅仅来自大量涌入的AI生成代码,更在于审查拉取请求这件事本身的意义正在被动摇。在基金会看来,审查代码向来是一项费力的工作,但它同时也是培养未来维护者的重要途径——而一旦提交代码的对象从人变成了机器,这一意义便荡然无存。
基金会明确表示:"AI提交的贡献还会带来额外的负面影响——令人感到沮丧。"原因在于,审查者对拉取请求给出的反馈并不会影响模型下一次的行为,而基金会也无法相信大量依赖AI的用户真正理解自己提交的代码,并据此改进。
基金会写道:"审查拉取请求已经是一项枯燥的工作,但它也有令人欣慰之处——审查者通常觉得自己的付出是在培育一位新贡献者,而这位贡献者未来或许会成为维护者或审查者。如果你对拉取请求给出的反馈只是被机器吸收,而非用于指导一位潜在的未来维护者成长,那么很难再说服自己用业余时间去做代码审查。"
目前,自主运行的AI智能体以及"氛围编程"(Vibe Coding)方式生成的拉取请求已会触发Godot GitHub代码库的自动封禁机制,但这一规定尚未被纳入Godot的正式贡献指南。此次仍在修订中的新政策将更进一步:无论请求来自机器人,还是来自粘贴AI输出内容的人工用户,只要其中包含AI生成的实质性代码,均在禁止之列——即便该用户事先对代码进行了审查并予以披露,也不例外。
贡献者仍可将AI用于范围有限、风险较低的辅助性任务,例如代码补全、正则表达式处理或查找替换操作,但须在拉取请求中予以说明。在与维护者的讨论中使用AI生成文本同样被明令禁止,仅允许将AI用于对人工撰写文本的机器翻译。值得注意的是,新规还要求"新贡献者"(定义为已合并拉取请求不超过三条的用户)在提交新功能或大规模重构之前,必须获得明确授权。
Godot基金会关于导师培养的论点在开源领域并非首创。今年4月,系统编程语言Zig同样出台了类似的零容忍政策,拒绝接受AI辅助生成的贡献。Zig软件基金会社区副总裁洛里斯·克罗(Loris Cro)认为,审查拉取请求的真正意义在于对提交者本人的投入,而非仅仅针对代码本身。他将这一逻辑称为"贡献者扑克",并写道:"在贡献者扑克中,你押注的是贡献者,而不是他们第一个拉取请求的内容"——这一比喻借鉴自扑克格言"打人,不打牌"。克罗认为,AI生成的拉取请求从根本上打破了这一逻辑,因为如果对面没有真正在学习的人,维护者花在审查上的时间对培养未来贡献者毫无助益。
终端模拟器Ghostty和C语言函数库curl等其他项目也以类似原因限制或关闭了部分贡献渠道,不过这些项目的理由更多集中于审查负担加重和虚假漏洞报告的问题,而非导师培养机制的损失。
Godot与Zig的政策折射出业界对AI冲击软件初级人才培养渠道的普遍担忧,两者的隐忧本质相同,只是发生在不同的层面。在企业侧,担忧的核心是:由于AI已能胜任原本分配给初级开发者的工作,入门级岗位正在消失。
正如The New Stack今年4月的报道所指出的,微软的马克·鲁西诺维奇(Mark Russinovich)和斯科特·汉塞尔曼(Scott Hanselman)曾警告:一旦企业转向让资深工程师搭配AI工具替代招聘初级开发者,"整个行业的人才培养链条将面临崩溃,企业也将陷入后继无人的困境"。
开源领域同样存在这一问题,且无需有人真正失去工作机会。初级贡献者依然活跃,也依然乐于提交代码——但如果这些代码出自AI之手而非他们本人,维护者的反馈就无处着力,那条将首次贡献者培养为未来维护者的非正式通道,便如同贡献者从未出现过一样,就此中断。
Godot基金会表示,随着AI工具持续演进,将持续审视并修订相关政策,并将当前做法定性为"保守型"策略。基金会强调:"我们需要采取措施减轻维护者的负担,同时确保仍有渠道能够培养新贡献者,使其成长为未来的维护者。"
Q&A
Q1:Godot引擎为什么要禁止AI生成的代码贡献?
A:Godot基金会禁止AI生成代码,核心原因有两点:一是AI生成的拉取请求数量激增,维护者已难以应对积压的审查工作;二是审查AI代码对维护者而言毫无培养价值,因为反馈无法帮助任何真实的人成长为未来的维护者。基金会认为,审查代码的意义不仅在于改进代码本身,更在于培育下一代贡献者,而AI的介入使这一机制彻底失效。
Q2:Godot新政策具体禁止哪些AI使用行为?
A:新政策禁止在提交代码时使用AI生成任何实质性内容,无论是由机器人直接提交,还是由人工用户粘贴AI输出内容后提交,均不被允许。与维护者讨论时使用AI生成文本也被明令禁止。但代码补全、正则表达式处理、查找替换等低风险辅助性用途仍被允许,前提是须在拉取请求中披露,机器翻译人工撰写的文本同样获得豁免。
Q3:开源社区禁止AI代码贡献的做法是否有先例?
A:有先例。系统编程语言Zig早在2025年4月便率先推出零容忍政策,拒绝接受任何AI辅助生成的贡献。此外,终端模拟器Ghostty和C语言函数库curl也已限制或关闭了部分相关贡献渠道。这些项目的共同担忧在于:AI代码正在侵蚀开源社区长期依赖的非正式人才培养机制。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。