2026 年 6 月 30 日，游戏引擎Godot的基金会在博客文章中宣布将收紧贡献政策：禁止AI Agent自主贡献、大段AI生成代码，以及AI生成的人际沟通文本。基金会称，AI降低了提交代码的成本，却没有同步减少审查工作，现有维护者已难以处理持续增加的请求。
限制 AI 代写，新贡献者提交功能须先获许可
公告重点涉及AI使用和新贡献者提交两类规则。自主Agent的封禁已经执行，其余相关要求将写入更新后的贡献政策。
自主 AI Agent 和 vibe coding：直接封禁。 使用 AI Agent 自主提交 PR 或进行 vibe coding——让 AI 全权编写代码而不理解其逻辑——的用户，将面临 GitHub 仓库的自动封禁。Godot 团队在公告中明确表示，这一规则"已经生效并且将继续执行"。
大段 AI 生成代码：禁止提交。 所有代码必须由人类撰写。AI 辅助仅限于"琐碎事务"——代码补全、正则表达式、查找替换等。即使在这些限定场景下使用了 AI，也必须在 PR 讨论中主动披露。
AI 生成的人际沟通文本：视为不尊重。 维护者自愿花时间审查 issue、PR 和提案，"他们不想和机器对话"。Godot 基金会将这一点定义为"基本的尊重原则"。机器翻译可以接受，但前提是原始内容由人类撰写。
新贡献者的功能提交：需提前获得维护者许可。 合入不超过 3 个 PR 的贡献者被视为"新贡献者"，禁止在未经维护者明确许可的情况下提交新功能或大规模重构。这一规则旨在引导新贡献者先通过修复bug和编写文档熟悉代码库、建立信任，无论是否使用AI都适用。所有PR合入前仍须经人类审查和批准。
The Register 在7月1日的后续报道中披露，Godot 维护者 Rémi Verschelde 早在 2026 年 2 月就公开抱怨 AI PR 变得"越来越消耗精力且令人士气低落"。一家使用 Godot 的游戏工作室更是直言，AI PR"基本上是垃圾，来自不理解自己在提交什么的用户"，整体上就是"一场彻底的灾难"。
提交变容易，审查人数与工作量没有同步改善
Godot公告将问题归结为提交量与审查能力之间的差距。
开源项目的 PR 审查一直存在供需失衡：合格的审查者数量有限，审查 PR 本身又是高认知负荷的工作。在 AI 工具普及之前，这种失衡尚可容忍——因为提交 PR 同样需要较高的时间投入，形成了自然筛选。但 Copilot、Cursor、Claude Code 等工具大幅降低了提交成本后，原有积压进一步加重。
Godot 团队这样描述结构性变化："PR 的制作难度下降了，PR 数量因此增加，而审查 PR 的工作量和可用的审查人数却保持不变。"这意味着，AI 工具降低了贡献的边际成本，却没有同步降低审查的边际成本——实际上，审查 AI 生成代码的成本可能更高，因为审查者不仅要判断代码是否正确，还要判断提交者是否真正理解自己提交的内容。
公告还谈到，维护者难以从机器代写的往返沟通中获得培养新贡献者的回报。"审查 PR 本身已经是枯燥的工作，但它的回报在于审查者通常觉得自己的努力在帮助教育一个新贡献者——一个可能成长为未来维护者的人。如果你的 PR 反馈只是被机器吸收，而不是在指导一个潜在的未来维护者，那么继续花空闲时间审查 PR 就变得很难合理化。"
从维护者的角度看，修正新手代码还可能帮助对方成长为未来的审查者。如果提交者只是把反馈交给AI改写，自己没有理解问题，这种长期回报就会减弱。
多个开源项目调整贡献、许可与漏洞报告规则
其他开源项目也在调整AI相关规则，不过限制范围与理由各不相同。
2024 年 5 月，NetBSD 率先禁止 AI 生成代码提交，将 LLM 生成代码视为"污染代码"（tainted code），理由是版权不清晰和不符合项目许可目标。Mesa 项目则要求贡献者证明对代码的理解，以阻止 AI slop 的渗透。Linux 内核在 2026 年 4 月更新规则，要求人类提交者为所有 AI 工具使用承担责任并强制声明，但未完全禁止。
curl项目则调整了漏洞奖励计划。创始人 Daniel Stenberg 从 2024 年初开始抱怨 AI 生成的 bug 报告，发现"直到 2025 年初，大约只有六分之一的 curl 安全报告是真实的"。在尝试即时封禁政策无效后，curl 于 2026 年 1 月干脆关闭了整个 bug bounty 项目。这一决定与Godot面对的问题相近：报告提交变容易后，维护者需要花更多时间辨别有效问题，奖励计划的收益与审查成本也随之改变。
GitHub也在讨论如何帮助维护者限制低质量提交。2026 年 2 月，GitHub 产品经理 Camilla Moraes 在社区讨论中承认"低质量贡献的数量不断增加，给维护者带来了重大运营挑战"，并探讨了包括允许维护者完全关闭 PR 功能、删除 PR 界面、限制 PR 权限等一系列选项。Genkit 核心团队成员 Xavier Portilla Edo 在讨论中表示，"每 10 个 AI 创建的 PR 中，只有 1 个是合规且达到开 PR 标准的"。GitHub 产品经理 Matthew Isabel 对 The Register 回应称："一个糟糕或离题的 PR 就是糟糕的 PR，无论它来自哪里。"这些讨论反映了维护者对低质量提交数量增长的担忧。
除了检查代码，维护者还要确认提交者能承担责任
Godot的经历说明，代码生成提速并不会自动减少审查成本。企业可以将专门的审查人员和流程计入开发预算；依赖志愿者的开源项目，则更难随提交量增加审查人手。
Jiaxiao Zhou，微软 Azure Container Upstream 团队的软件工程师兼 Containerd Runwasi 项目维护者，在 GitHub 的社区讨论中总结了六个维度的审查信任危机：审查者无法再假设提交者理解或撰写了自己提交的代码；AI 生成的 PR 可能在结构上看起来"没问题"，但逻辑错误、不安全、或与审查者不完全了解的系统产生交互；逐行审查对 AI 大块 PR 无法规模化；维护者对批准自己不理解的 PR 感到不安；认知负荷增加——审查者现在必须同时评估代码和提交者对代码的理解；总体而言，审查负担比 AI 出现前更高，而非更低。
来自学术界的证据也在积累。MSR 2026 挖掘挑战赛的数据集包含了 932,791 个 Agentic PR 和仅 6,618 个人类 PR，横跨 116,211 个仓库，为研究Agent贡献提供了大规模样本，但这一采样比例不代表GitHub整体贡献比例。相关研究发现，在被维护者拒绝的 Agentic PR 中，只有约 36% 是因为代码本身存在明显失败；另外 31% 被拒绝的原因与工作流不匹配——"正确的贡献、错误的时间、或者提交时缺少预期的准备工作"。这意味着即便 AI 生成的代码在技术上可接受，缺乏上下文理解和社区规范的遵循也会导致大量审查时间的浪费。
规则将继续调整，目标是让贡献者能够解释和维护代码
Godot表示，政策还会随工具发展重新评估："AI 工具的格局每天都在变化。我们将继续对它们采取保守的政策，但会随着形势发展重新评估。"
有限AI辅助已经被保留，后续仍需看这些规则能否在降低积压的同时帮助新贡献者成长。允许哪些辅助用途，需要同时考虑产出质量和审查投入。若提交者不能理解代码或回应反馈，维护者仍要为此付出额外时间，也更难从交流中获得培养新人的回报。
Godot要求贡献者理解并负责自己的代码，同时保留人与人之间的讨论。政策是否有效，可以从审查积压、修复质量和新维护者的成长情况判断；其他项目也需要根据自身人手和贡献方式决定适用规则。
