top of page

Linux 内核 AI 补丁促使审查者缩减职责

8分钟前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Godfrey Atima / Pexels.

Linux 内核审查者 Lorenzo Stoakes 于 11 月 10 日决定缩减审查职责,理由是 AI 生成投稿带来的压力。围绕 Linux 内核 AI 补丁的争议如今已产生具体后果:一名经验丰富的贡献者正缩小自己投入注意力的范围。他仍保留维护者职责,即负责特定代码领域的岗位。

眼下的紧张关系存在于生成拟议变更与提供评估这些变更所需专业知识之间。更多投稿可能扩大项目的机会,同时也会增加无偿或由雇主资助的审查工作。Stoakes 的决定让这种权衡变得可见,但并未说明有多少 AI 生成代码进入了更广泛的项目。

Phoronix 于 11 月 10 日报道了审查职责缩减,随后其他报道将对该公告的关注进一步扩大。其报道描述了一名 Arm 工程师为自己维护的领域留出时间。此事关乎专业劳动的分配,对贡献者、雇主和 AI 编程供应商都具有影响。

Linux 内核 AI 补丁促使审查职责收窄

Stoakes 正在减少一般性审查承诺,同时继续负责自己维护的代码领域。

他的审查者身份补丁系列提议移除涵盖内存管理核心、杂项工作、回收以及 Rust 相关领域的审查者条目。内存管理控制操作系统如何分配、映射和回收内存。回收是指在其他用途需要内存时回收内存的工作。

该系列还为他早期的 THP 维护工作增列了署名。THP 即 Transparent Huge Pages,会将内存组织成更大的单元,以减少管理开销。这项署名记录的是此前的角色,而非确认又一次同时发生的辞任。

Stoakes 在开篇信息中表示,由于 AI 生成投稿,他没有足够带宽在自己维护的领域之外进行一般性审查。他称此举旨在让收件箱保持可管理状态。拟议编辑在项目责任清单中明确了这条界限。

理解标题时,这一区别很重要。审查者检查拟议变更;维护者则对某个领域承担持续责任。这些职责存在重叠,但移除审查者条目并不意味着放弃所有相关贡献。

这一行动也不同于全项目政策变更。个人决定如何分配时间,并不会为整个 Linux 制定新的接收规则。读者应区分人员配置决定与对特定开发工具的禁止。

理解该公告的一种有效方式,是将其视为可自由支配能力的缩减。超出某人直接职责范围的工作,往往取决于兴趣、可用时间以及提供帮助的意愿。当每一份新增投稿都要求作出一次判断时,这种能力就更难维持。

即使拒绝一项提议也会消耗注意力。有人必须判断它是否解决了真实问题、解释是否合理,以及是否值得进一步调查。一份低价值投稿即使从未进入代码库,也可能带来成本。

因此,即便保留的职责继续正常履行,这一实际变化仍具有意义。项目可以保留正式的归属关系,却失去围绕这些归属的部分灵活性。其他贡献者随后将面对不同的可用专业知识分布。

这一事件没有证实 Linux 发布版本已变得不那么可靠。能够得到支持的结论更为有限:与 AI 相关的投稿压力促使一名经验丰富的审查者限制其一般性承诺。对周转时间和审查覆盖范围的影响仍需证据。

这一界限应当塑造后续讨论。问题在于,项目如何在继续向有价值的工作开放的同时保护专家判断。仅统计进入的补丁数量无法回答这个问题。

压力落在能够解释代码的人身上

稀缺资源是能够评估一项变更,并解释其为何安全、必要且值得维护的审查者。

代码生成与代码审查解决的是不同问题。生成器产生候选答案;审查者必须判断该答案是否适用于更大系统中的真实问题。

设想一项示例性的内存管理变更:它将某个检查提前到函数中更早的位置。修改后的代码行或许更简洁,且仍能编译。尚未解决的问题是,周围操作是否依赖原有的执行顺序。

编译器接受这一变更,只能回答其中一部分问题。审查者仍需要理由相信新行为保留了相关假设。这个例子描述的是审查问题,而非 Stoakes 公告中指出的某份具体缺陷投稿。

这一区别有助于解释,为何补丁长度并不是衡量审查工作量的完整指标。一项简短变更可能依赖分散在多个函数和既往设计决策中的知识。可见的编辑并不会揭示它产生的每一项责任。

在详细审查开始前,投稿量同样会造成分配问题。专家必须决定哪些信息值得调查,哪些可以等待。花在作出这些决定上的时间,会与解决已知问题的时间相竞争。

这种即时压力会波及提出正当提议的贡献者。如果获取专家注意力变得更困难,一份准备充分的投稿可能会与准备不足的投稿共同面对拥挤的收件箱。这是拥堵可能带来的后果,而非从此案例中测得的结果。

依赖上游开发的雇主也应认识到同样的限制。上游指的是变更被提出并整合的原始项目。为该项目生成更多工作,并不保证项目获得更多评估能力。

因此,对公司而言,相关贡献除了代码外,也可能包括审查时间。理解某个子系统的开发者可以协助评估其他投稿、回答技术问题并保留上下文。即使这些活动不会产生新功能,也能支持交付。

新贡献者面临类似挑战。他们需要学习、提问和获得纠正的空间。被低质量投稿压垮的审查系统,可能在接触到准备好参与交流的人之前,就耗尽了教学能力。

这一风险并不意味着应将不熟悉的贡献者天然视为可疑。经验和就业经历并不能证明某项特定变更是否正确。有用的区别在于,投稿是否提供了足够证据,以开展富有成效的技术讨论。

因此,Linux 内核 AI 审查负担既是归属问题,也是自动化问题。提议在初稿形成后,必须仍有人能够对其作出解释。如果这项责任完全转移给接收者,投稿者表面上的效率就会带来外部成本。

这正是个人边界具有制度意义的原因。它们揭示了哪些活动依赖于超出个人核心承诺之外的投入。可持续的贡献流程必须先考虑这种投入,不能假定它会随着进入的需求而扩展。

更快的生成可能将工作推向下游

当 AI 辅助贡献减少达成可辩护变更所需的总工作量时,它才会创造价值。

核心权衡很直接。辅助工具可以降低贡献者起草的成本,却可能让验证对审查者而言依旧昂贵。整体流程是否改善,取决于这两个阶段之间发生了什么。

有说服力的解释尤为重要,因为流畅的文字可能掩盖缺失的推理。一份投稿可以信心十足地描述问题,却没有证明问题确实存在。审查者随后便继承了将主张与证据区分开的任务。

Linux 的补丁投稿指南要求贡献者解释问题、其对用户可见的影响,以及拟议的技术变更。它还要求提供支持所称优化的证据,并讨论其成本。这些要求使提议能够在被接受前得到评估。

更广泛的含义是,产出一次编辑只是贡献的一个组成部分。证明该编辑为何应被纳入,可能需要调查、实验和修订。仅加速编辑的自动化,并不会消除其他义务。

这为 AI 编程供应商提出了更严格的生产力问题:它们的系统能否帮助用户完成调查和验证工作?让提议更容易生成的产品,仍可能让接收团队承担更多工作。

对于采购方而言,衡量边界至关重要。单个开发者或许能更快完成草稿,而组织可能需要更长时间来解决审查问题。两种观察都可能成立,因为它们衡量的是流程的不同部分。

有意义的评估应当追踪一项变更,直到其被接受及后续维护。它应区分有用的已完成工作与仅仅进入队列的提议。这是一项分析标准,而非声称任何特定供应商已经报告了这些指标。

在辅助与缺乏理解的委托之间,也存在区别。贡献者可以使用工具,同时仍清楚说明问题和解决方案。当生成的答案取代了这种说明时,麻烦便会出现。

例如,设想一项拟议修复附带了令人信服的描述,却没有解释原始故障。接收方审查者必须先确定是否确有问题需要修复。额外生成的文字无法弥补这一缺失的基础。

相反,能够证明故障并解释行为变化的贡献者,会让审查者获得可具体评估的内容。初稿的来源随后只是证据的一部分,无需决定整个结论。

这就是不同开发方式之间有用的比较:投稿优先的自动化,与由贡献者承担验证责任。后一种方式承认,生成候选方案会带来进一步责任。其成功取决于在将不确定性转嫁给他人之前完成这些责任。

通过这一视角,Linux 内核 AI 补丁争论会变得更清晰。相关承诺是提升开发能力。检验标准则是:在纳入审查和纠正成本后,完整的贡献流程是否获得了更多能力。

Linux 的规则将责任留给投稿者

该文档框架允许 AI 辅助,但要求人类仍对自己提交的内容负责。

Linux 的AI 编程指南要求人类负责审查生成的代码并满足许可要求。它将 Developer Certificate of Origin 签署保留给人类。这一签署记录了贡献者对其有权提交该工作的认证。

该指南还涉及验证问题。对于非简单的疑似 bug,它要求尝试复现,并提供能够证明故障的测试用例。它还要求完成修复、验证、归因,并披露未能完成的工作。

这些要求描述了一种与实用自动化相兼容的方法。它们将辅助工作置于仍有负责参与者的贡献流程之中。工具的输出仍然需要被调查。

该项目更广泛的生成内容指南同样强调透明度与理解。指南承认维护者有权自行决定如何处理生成的投稿。当贡献者无法为其变更进行辩护时,维护者也可以不经详细审查便予以拒绝。

这些文件支持对这场争议作出更精确的解读,而非简单地将人们划分为 AI 的支持者和反对者。是否接收可取决于证据、准备程度与责任归属。这些标准既为有价值的辅助工具留出了空间,也允许作出坚定的拒绝。

然而,规则本身并不能创造落实它们所需的时间。指南可以说明谁对一项投稿负责,却无法确保每位贡献者都会遵守。仍然需要有人面对由此产生的信息,并决定如何回应。

这带来了一种执行层面的权衡。详细解释可以帮助善意的贡献者改进。但对于缺乏基本准备的投稿,反复作出这些解释,可能会消耗规则本想保护的同一部分能力。

因此,对项目而言,公共政策层面的问题很实际:贡献者在联系维护者之前,哪些期望应当能够满足?缺少哪些要素足以让维护者及早拒绝投入更多审查时间?明确的答案可以减少双方的不确定性。

这类边界也需要为诚实的限制留出空间。贡献者可能无法接触特定硬件,或无法完成相关测试。披露这种限制,能让审查者据此决定是否值得投入进一步精力。

隐瞒限制则恰恰相反。它迫使接收者自行发现哪些内容尚未验证。这会扩大投稿表面完整度与实际完整度之间的差距。

对于在内部处理技术材料的团队而言,保留证据也有同样的作用。可搜索的工程知识库有助于留存决策及其支撑背景。它能够补充批准变更所需的技术判断。

在这里,文档的最大价值在于帮助人们找回某项决策背后的理由。没有底层证据支撑的精致说明,提供的保障较少。无论初稿来自人还是模型,这一原则同样适用。

政策挑战在于,在不承诺无限调查的前提下保持开放。贡献者需要一条获得公平评估的清晰路径。审查者则需要一个正当的停止点,以应对那些未经完成必要评估工作便送达的提案。

“一半”这一估算并不衡量所有 Linux 投稿

Stoakes 的陈述证明了他所承受的审查压力;但并不能证明 AI 生成内容在整个内核补丁中的占比。

在随后就其保留的维护者职责所作的澄清中,Stoakes 告诉 The Register,他将继续保留维护者职责。他表示,与 AI 相关的工作已从偶尔出现发展到约占其审查工作所见内容的一半。该刊还报道了 Greg Kroah-Hartman 对审查者短缺的担忧。

分母很重要。一名专业人员收到的工作,反映的是他们所关注的领域以及传达到他们那里的讨论。它并不必然代表每个子系统或每项提交的变更。

识别方式同样重要。经验丰富的审查者的判断可以在实际工作中非常重要,但并不等同于正式的作者身份统计。现有陈述并未提供可复现的分类方法或覆盖整个项目的样本。

因此,读者不应将这一估算转换为普及率统计。“一名审查者所见内容的一半”与“Linux 补丁的一半”是不同的说法。其报道中的描述只支持前者。

对质量也应保持同样谨慎。AI 辅助与缺陷代码是两种独立属性,即使它们可能在审查者的经历中重叠。生成的变更可能有价值,人工编写的变更也可能出错。

这一区分对于理解“AI 垃圾内容”这一说法至关重要。它描述的是被认为价值较低的输出,而非标准化的技术类别。将其视为经过测量的类别,会暗示现有证据并不具备的精确性。

因果关系也有其限度。Stoakes 将自己的工作量决定与 AI 生成的投稿联系起来,这足以支持报道这种关联。但仅凭他的决定,无法量化内存管理审查者所承受压力的每一种来源。

较窄的审查者角色也不能证明有害补丁已经进入发布版本。审查过载与被接收代码的质量是相关问题,但它们需要不同的证据。前者不能作为后者的证明。

一种公平而审慎的解读可以在认真对待警告的同时承认这些限制。项目不需要先完成完整普查,贡献者就可以设定界限。个人工作量决策基于可支配时间,而非统计确定性。

相反,另一种过度表述则是因为缺少受控研究而否定这起事件。所提议的责任变更是具体的。它们显示,一名贡献者正根据自己所描述的工作量调整承诺。

负责任的结论介于这两个极端之间。Linux 内核 AI 补丁已成为一场有据可查的审查能力争议的一部分。其规模、分布及长期影响仍是开放问题。

对观察者而言,精确性能保护这则事件的价值。夸大估算会让论点更容易遭到挑战,却无法回应其根本担忧。将主张保持在适当范围内,能让注意力集中于解决该担忧所需的工作。

这些工作包括区分准备不足与作者身份、追踪实际审查结果,以及了解能力受限发生在哪里。更好的证据将使诊断更加准确,也有助于识别哪些应对措施能够改善开发,而非只是减少可见活动。

关注审查覆盖、投稿质量与人员留存

接下来真正重要的证据,是贡献流程是否在继续接收有价值变更的同时变得更容易维持。

未来几个月,第一个值得关注的信号是受影响领域周边的审查覆盖情况。职责列表和公开讨论可以显示,贡献者是否拥有通往相关专业知识的清晰途径。更多活跃的审查参与者将缓解人们对可自由支配审查能力下降的担忧。

文件中的一个名字只能算是初步指标。有意义的覆盖需要有人能够参与讨论提案并解决技术问题。观察者应区分已有文档记录的职责分配,与工作确实获得关注的证据。

第二个信号是 AI 辅助投稿的完整性。公开补丁讨论可以揭示,贡献者是否带着已经证实的问题、可信的验证以及清晰的说明而来。更充分的准备将加强这样一种论点:辅助工具是在增加能力,而不是重新分配未完成的工作。

在这里,个别案例需要谨慎解读。一次成功的贡献可以证明某个流程在特定案例中有效。但若没有更广泛的证据,它无法证明整体工作量已经改善。

同样,较少的可见投稿也具有歧义。这种变化可能反映更好的筛选、兴趣下降,或活动转移到其他地方。一项有价值的评估应当同时考察,合法提案发生了什么变化,以及投稿数量如何变化。

第三个信号是审查者留存与工作量边界。若进一步减少参与被归因于难以管理的投稿,将加强人们对能力问题的担忧。稳定的参与将是令人鼓舞的,尤其是审查者同时表示流程变得更易于管理时。

留存不应意味着期待人们撤销自己的边界。可持续的结果可以包括更窄的职责范围、更清晰的优先级,以及更多贡献者分担审查工作。恢复无限可用性会是对成功的一种糟糕定义。

这些信号也为雇主和编程工具购买者提供了具体问题。拟议的工作流是否帮助人们提供证据?它是否通过修订过程保留责任归属?它是否既支持接收者的工作,也支持发送者的工作?

最有力的应对措施将涵盖从最初想法到可维护变更的完整路径。这包括判断哪些想法值得提交,哪些还需要进一步调查。生成一个答案不应自动意味着他人有义务审查它。

就目前而言,Stoakes 的决定是对专家能力如何被消耗的一项具体警告。它既未裁定 AI 编程的价值,也不要求人们声称每个子系统都面临相同条件。它为原本依赖一位贡献者额外关注的工作划出了一道明显边界。

在将 Linux 内核 AI 补丁视为不可避免进步或不可避免衰退的证据之前,应先关注审查结果。将拟议变更与审查者提出的问题以及贡献者给出的回答一并阅读。寻找证据,证明辅助工具帮助人们消除不确定性,而非将其包装得更具说服力。

如果你的团队为共享软件作出贡献,也应以同样的审视标准检查自身工作流。问清谁验证问题、谁解释变更、谁会在提交后继续可用。在评估编程工具或设定交付目标时,为这些责任预留时间。真正有价值的问题是:更快地起草,是否让整个项目更有能力交付并维护正确的软件。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page