Jellyfin项目针对LLM/AI工具在开发中的使用制定了政策。虽然认可这类工具对开发效率的提升，但项目更重视代码质量，强调可读性、简洁性。政策明确了在贡献代码和社区互动中使用LLM的规范，适用于所有官方项目和社区空间，旨在平衡技术创新与代码质量。

Jellyfin关于LLM/"AI"的开发政策

随着LLM（大语言模型）作为开发工具的兴起，Jellyfin项目制定了明确的使用政策。虽然这些工具为开发者提供了便利，但Jellyfin始终将代码质量（包括可读性、简洁性和简单性）作为首要考量。

基本准则： 1. 禁止在直接沟通中使用LLM生成内容，包括问题报告、功能请求、代码提交讨论等。所有交流内容必须由贡献者亲自撰写。 2. 代码贡献需遵循更详细的规定，核心原则是"开发者需对所提交代码负责"。

官方项目的LLM代码贡献规范： 1. 提交内容必须简洁专注，无关修改将被拒绝 2. 必须符合格式和质量标准，清理不必要的注释和杂乱代码 3. 贡献者需能解释每个变更的目的和原因 4. 所有修改必须经过充分测试 5. 贡献者需能独立处理审查反馈 6. 大型功能修改或重构需要深入理解相关代码 7. 审查者保留最终决定权

特别强调：禁止直接提交未经审阅的LLM生成代码。开发者可以使用LLM作为辅助工具，但不能完全依赖它。

社区分享规范： 1. 主要使用LLM开发的项目必须明确标注 2. 必须严格遵守开源许可协议 3. 社区成员不应仅因使用LLM就举报项目 4. 管理员不会对第三方项目进行"LLM审查"

Jellyfin强调，无论是否使用LLM，所有贡献都必须保持高质量标准，并符合项目的核心价值理念。

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

支持禁止LLM生成内容

1. 反对低质量沟通

   • "Do not send me something an LLM wrote, if I wanted to read LLM outputs, I would ask an LLM."（hamdingers）
   • "Nothing is worse than getting huge body of text the sender clearly hasn't even read."（patchorang）

2. 维护贡献质量

   • "Violating this rule will result in closure/deletion... Should just be an instant perma-ban."（lifetimerubyist）
   • "LLM generated PRs are a mishmash of 2-8 different issues... distracting and taking time."（JaggedJax）

支持合理使用LLM辅助

1. 作为学习工具

   • "GenAI can be incredibly helpful for speeding up the learning process."（soundworlds）
   • "If people can tell you are using an LLM you are using it wrong."（Wikimedia讨论引用，Amorymeltzer）

2. 需人工审核

   • "You have to validate your changes... ensure you understand the output."（giancarlostoro）
   • "Your job is to deliver code you have proven to work."（Cyphase引用）

质疑政策必要性

1. 通用贡献准则已足够

   • "Good AI policies should be replaced by 'Contribution policies' that says 'Don’t submit shitty code'."（antirez）
   • "Most of these seem applicable to any development."（doug_durham）

2. 政策执行局限

   • "Only catches egregious cases — people using tools appropriately will slip through."（micromacrofoot）
   • "People can write horrible PRs manually just as well."（FanaHOVA）

其他观点

• 非英语使用者困境：
  "I would much rather read your non-native English... than reading an AI's (poor) interpretation."（ChristianJacobs）
• 自动化滥用问题：
  "Developing countries spamming LLM commits... a numbers game."（transcriptase）

总结：评论围绕LLM生成内容的利弊展开，核心争议在于是否需单独限制LLM（支持者强调质量维护，反对者认为通用准则即可），同时普遍认同人工审核与理解代码的必要性。