LLVM社区拟制定AI工具使用政策，要求贡献者必须理解并审核AI生成内容，能够回答相关问题，禁止将验证工作推给维护者。政策强调"人在循环"原则，确保贡献者能解释其贡献内容，避免出现"AI生成我不懂"的情况。多数开发者支持使用AI提升效率，但需平衡生产力与代码质量保障。

以下是经过编辑整理后的中文内容，重点保留了政策核心内容与关键细节：

LLVM项目AI工具使用政策草案：坚持"人工参与"原则

政策核心
LLVM项目允许贡献者使用任何工具辅助创作，但必须确保人工全程参与。贡献者需自行审查所有AI生成内容，并能够在代码审查期间回答相关问题。禁止将验证工作转嫁给维护者，杜绝出现"我不知道，这是AI生成的"的情况。

关键要求
1. 人工审查义务
- 提交前必须逐行检查AI生成的代码/文本 - 需确保贡献质量值得消耗维护者有限的审查时间 - 必须能解释贡献内容的实现细节

2. 透明度规范

   • 包含大量工具生成内容时需明确标注（如在PR描述或提交信息中添加"Assisted-by: <工具名>"）
   • 禁止完全自动化代理（如GitHub的@claude机器人）

3. 新人引导机制

   • 建议新人从小型贡献开始，逐步建立理解能力
   • 项目将自动向新贡献者的PR发送欢迎说明，鼓励维护者投入时间指导

政策背景
该政策针对"提取式贡献"（Extractive Contributions）问题——即审查成本超过项目收益的贡献。引用Nadia Eghbal《Working in Public》的观点，项目需区分： - 提取式贡献：审查成本 > 项目收益（如复杂难审的PR） - 非提取式贡献：项目收益 ≥ 审查成本

违规处理
维护者可采取以下措施： 1. 回复标准化提示："此PR疑似提取式贡献，请说明其项目价值..." 2. 添加extractive标签 3. 对未改善的案例移交平台管理员锁定讨论

版权声明
使用AI工具生成的代码仍需遵守版权政策，贡献者需确保： - 拥有代码版权（个人/雇主/合作者持有） - 未包含受版权保护的再生内容

参考案例
- 含Alive2验证的PR：示例链接
- 经人工核验的生成文档：讨论帖

制定依据
参考了Fedora/Rust等社区政策，以及2025年METR关于AI对开源开发者效率影响的研究报告。

（注：删减了原讨论帖中的互动性内容及部分重复的政策解释，保留了可操作条款和核心理论框架）

以下是评论内容的总结：

支持政策的主要观点

1. 减少低质量贡献：多位评论者认为该政策能有效减少由AI生成的、未经理解的"slop"代码贡献，减轻维护者负担。

   • "It's more work for the maintainer to review all this mess." (vjay15)
   • "I am so exhausted by reviewing the AI slop from other 'developers'." (mberning)

2. 开发者应承担责任：强调开发者需要理解并验证自己的代码，无论是否使用AI工具。

   • "You have to stand behind your work...I won’t take 'The AI did it' as an excuse." (Negitivefrags)
   • "As a developer, you're not only responsible for contributing code. But verifying that it works." (jdlyga)

对政策的改进建议

1. 标题修改建议：部分评论认为原标题具有误导性，建议更中立地反映政策内容。

   • "The title should be changed to 'LLVM AI tool policy: human in the loop'." (jonas21)
   • "The current title...is an entirely different discussion." (bryanhogan)

2. 沟通方式优化：建议对违规回复使用更友好、清晰的表述。

   • "the first level stock text should be easier for the outside contributor to understand" (looneysquash)

关于AI工具的讨论

1. AI工具的潜在价值：有评论指出自动审查工具可能提供有价值的建议，但需要谨慎使用。

   • "At my company we have...review agents available. Both frequently raise legitimate points." (jfreds)

2. AI放大认知偏差：批评AI助长开发者的过度自信，导致代码质量下降。

   • "AI usage is like a turbo-charger for the Dunning–Kruger effect" (mmsc)
   • "developers were once forced to pause, investigate, and understand" (mmsc)

其他相关观点

1. 版权问题担忧：提到AI生成代码可能带来的版权风险。

   • "proving the negative, i.e. the code is not copyrighted is almost impossible" (willtemperley)

2. 执行效果质疑：担心政策可能无法阻止不良行为者。

   • "I'd be surprised if the bad apples will read the policy before spamming their 'help'." (yxhuvud)