AI编程热潮下,Godot收紧代码贡献政策,严控AI使用范围!

1. Godot率先回应AI编程问题

开源游戏引擎Godot官方最近公开表示:“AI不会为代码负责,我们也无法相信那些高度依赖AI的开发者,能真正理解自己提交的代码。”在AI编程日益流行的当下,不少开源社区都在思考AI究竟是助力开发,还是增加维护成本,而Godot率先给出了答案。近日,Godot官方宣布全面修改项目的贡献政策,大幅收紧AI在代码贡献中的使用范围,不仅“Vibe Coding(氛围编程)”继续被封禁,未来使用AI生成“大段代码”也将被禁止,新贡献者提交大型功能前还需先获维护者批准。

2. AI编程让开源项目审核陷入困境

对于很多开源项目而言,收到越来越多Pull Request(PR)本是好事。Godot也承认,过去几年代码贡献的增长说明越来越多开发者愿意参与社区,团队坚持控制功能膨胀,且项目保持着较高的代码质量标准。然而,在AI热潮下,情况急转直下。如今Godot仓库中积压的PR多到成为社区“梗”,大家常调侃“还有多少PR没审”。代码审查本就是开源项目中耗时耗力的工作,维护者需逐行阅读、测试和讨论PR,以判断其是否符合规范、有无隐藏Bug、是否影响已有架构。而维护者大多是志愿者,时间有限。过去Reviewer不足的问题尚可维持,如今AI编程普及让情况恶化。Godot认为,近一年AI大幅降低了提交代码的成本,无论是AI Agent自动生成代码,还是开发者借助ChatGPT、Claude、GitHub Copilot等工具完成代码再提交PR,都使PR数量快速增加。以前开发者完成一个PR可能需几天甚至几周,如今借助AI几分钟就能生成一份看似“像模像样”的代码。于是,提交PR成本降低,数量不断增加,但维护者数量和审核能力几乎不变,真正的瓶颈变成“没人审代码”,AI不仅没减少维护者工作量,反而让他们需筛掉更多低质量、缺乏理解的代码。

3. 大量AI PR作者不了解提交内容

如果只是PR数量增加,Godot或许还能接受,但大量AI PR的作者根本不了解自己提交的内容,这让维护团队崩溃。Review原本有帮助新人学习的重要价值,维护者提出修改意见,新贡献者理解问题、修正代码,久而久之新人可能成长为未来的Reviewer甚至项目维护者。很多核心开发者就是这样培养出来的,但AI改变了这一过程。Godot在公告中指出,维护者写下的大量修改意见常被复制、粘贴进AI对话框生成下一版代码,无法真正帮助开发者成长。不少开发者无法回答维护者的问题,也无法根据Review意见自行修复Bug。Godot鲜明表态:“AI无法承担责任,我们也无法相信那些高度依赖AI的开发者,能真正理解自己的代码并在需要时修复它。”其实,这并非Godot首次表达类似观点,今年年初核心维护者Rémi Verschelde就曾抱怨,越来越多AI生成的PR消耗维护团队大量时间且过程“令人沮丧”,当时一家使用Godot的游戏工作室也吐槽大多数AI PR是“垃圾”,提交者不知自己在提交什么,Review流程是“一场彻底的灾难”。经过几个月观察,Godot认为这是长期问题,必须从制度上限制。

4. 新政策:提高门槛,培养真正开发者

Godot基金会董事会及核心维护者表示,已围绕新政策讨论数月,目标不是拒绝新人,而是减少低质量贡献,同时培养真正理解项目的开发者。新版贡献政策围绕以下原则展开:(1)培养真正的新贡献者,而非培养AI。Godot希望新人成长为未来的维护者,新贡献者需理解项目代码、接受Review并从反馈中学习,而大模型无法从维护者的具体反馈中成长,维护者的精力无法形成长期价值。(2)所有代码都必须由真正的人负责。Godot强调代码最终要有责任人,开发者要理解自己的代码,能且愿意在出现问题时维护和修复,AI做不到这一点,不能成为真正的代码作者。(3)提高低质量贡献的门槛。Godot承认提高门槛可能引来非议,但放任大量“低成本、低质量”的PR涌入会压垮维护团队。(4)让维护者愿意继续Review PR。目前代码审核是Godot开发流程的最大瓶颈,官方希望减少无意义的AI PR,让维护者觉得时间花在值得投入的人和代码上,提升Review积极性。根据新规,Godot将重新定义“新贡献者”,累计只有3个及以下已合并PR的开发者属于新贡献者,这类开发者提交新功能或进行大规模代码重构需事先获维护者明确批准。Godot解释这一规定是希望新人先从修复Bug、完善文档、小规模改进等工作开始,熟悉代码库,与维护团队建立信任后再参与大型开发任务,即Godot希望培养长期贡献者,而非“一次性提交AI代码然后消失”的用户。

5. 明确AI使用边界,持续评估规则

除提高贡献门槛外,Godot还明确了AI的使用边界:(1)禁止AI Agent和“氛围编程(Vibe Coding)”。任何使用自主AI Agent自动生成并提交代码或依赖“氛围编程”的行为,将继续触发GitHub仓库的自动封禁,此规定早已实施,新政策进一步明确。(2)禁止使用AI生成大段代码。Godot要求所有代码由开发者本人编写,AI可作为辅助工具用于机械、重复性工作,如代码自动补全、编写正则表达式、查找与替换等,若开发者使用AI参与代码编写,需在PR讨论中主动说明。(3)禁止AI生成与维护者沟通的内容。维护者审核Issue、PR或设计提案时,希望交流对象是真正的人,这是最基本的尊重。不过,AI仅用于不同语言之间的翻译,且原始内容由人类撰写是允许的。(4)所有PR必须经过人工审核才能合并。这一规定一直存在,新版政策进一步明确。最后,Godot表示AI技术发展快,会继续采取相对保守的态度制定政策,并根据未来AI技术发展情况持续评估是否调整规则。对于Godot而言,AI可成为提升开发效率的辅助工具,但至少在当前阶段,它还无法替代开发者对代码的理解、责任意识以及人与人之间的协作。那么,对于Godot提出的AI新规你有什么看法呢?

打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 QT框架是由Qt公司设计的一种跨平台C++图形用户界面应用程序开发工具包,该框架被广泛地应用于桌面电脑、移动设备以及嵌入式系统等领域。QTableView作为QT框架中的一个核心组件,其主要功能是用于展示表格形式的数据,并且常常与QAbstractItemModel或QSqlTableModel等模型类协同工作。在QTableView中嵌入自定义组件,例如按钮,能够实现更加多样化的用户交互功能。 在QT框架环境下,若想在QTableView的一列中嵌入两个按钮,我们需要掌握以下几个关键的技术要点: 1. **QTableView**:QTableView是QTableView类的一个实例,它提供了一个二维的表格视图界面,可以用来展示和编辑模型中的数据。QTableView能够显示由QAbstractItemModel子类所提供的数据,例如QStandardItemModel或QAbstractTableModel等。 2. **QTableWidgetItem**:在QTableView中,QTableWidgetItem是构成表格单元格的基本对象,它用于表示表格中每一行每一列的数据。在默认情况下,QTableView仅能展示文本信息,但通过继承QTableWidgetItem并重新绘制,我们可以实现自定义的内容,比如嵌入按钮。 3. **自定义视图项**:若要在单元格内部嵌入两个按钮,我们需要开发一个自定义的QTableWidgetItem子类,该子类中包含两个QPushButton。这个子类需要重写paintEvent()方法以绘制按钮,并且实现必要的信号和槽机制来处理按...
内容概要:本文系统研究了LLC谐振变换器的变频移相混合控制模型,并基于Simulink平台进行了完整的仿真实现。文章首先阐述了LLC谐振变换器在高频高效电源转换中的工作原理与技术优势,重点提出了一种融合变频控制与移相控制的混合调控策略,旨在拓宽输出调节范围并提升系统的动态响应能力与运行效率。通过建立精确的系统数学模型,设计了复合控制框图,并在Simulink中搭建仿真系统,全面验证了该控制策略在不同负载条件和输入电压波动下的稳定性、效率表现及软开关实现能力。仿真结果表明,所提出的混合控制方法能有效降低开关损耗,提高能量转换效率,具备良好的工程应用前景。; 适合人群:具备电力电子技术、自动控制理论基础,熟悉Simulink仿真环境,从事高频电源变换器、谐振变换器设计与优化的研究生、科研人员及电力电子领域工程技术人员。; 使用场景及目标:①用于高性能LLC谐振变换器控制系统的设计与动态性能优化;②为软开关技术在电力电子变换器中的应用提供仿真验证平台;③支撑相关课题的科研论文撰写、项目开发与创新方案验证。; 阅读建议:建议读者结合Simulink仿真模型文件进行同步操作,深入理解变频与移相控制的协调机制、控制环路设计及关键参数整定方法,重点关注软开关实现条件与系统效率优化路径,以促进理论研究向实际工程应用的转化。
内容概要:本文系统阐述了利用动态规划方法优化插电式混合动力电动汽车(PHEV)能源管理策略的技术路径,并配套提供了完整的Matlab/Simulink代码实现。研究聚焦于构建PHEV动力系统模型,定义能耗评价指标,设计动态规划算法的状态空间与代价函数,通过数值优化求解全局最优的能量分配方案,从而在满足驾驶工况的前提下,实现燃油经济性与排放性能的最优化。文中详细解析了算法的核心逻辑,包括状态转移方程的建立、递推求解过程以及仿真结果的对比分析,为理解和应用最优控制理论解决实际工程问题提供了范例。; 适合人群:具备Matlab/Simulink编程基础,从事新能源汽车、智能控制、车辆工程、能源系统优化等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 深入学习动态规划在车辆能量管理中的理论与应用;② 掌握PHEV能量管理策略的仿真建模与优化方法;③ 为开发先进的混合动力系统实时控制算法提供理论依据、基准方案(Benchmark)及可复用的代码参考。; 阅读建议:建议读者结合提供的Matlab代码,分模块(如车辆模型、驾驶员模型、动态规划求解器)进行研读与调试,重点理解状态离散化、代价函数设计和贝尔曼最优性原理的实现过程。可通过更换不同的驾驶循环(如NEDC, WLTC)或调整车辆参数进行拓展性实验,以深化对最优控制策略敏感性和适用性的认识。
标题SpringBoot与微信小程序结合的健康饮食平台研究AI更换标题第1章引言介绍健康饮食平台的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义阐述健康饮食平台在当前社会的重要性及其市场需求。1.2国内外研究现状分析国内外健康饮食平台的发展现状及趋势。1.3研究方法及创新点概述本文采用的研究方法和技术创新点。第2章相关理论总结健康饮食、SpringBoot及微信小程序的相关理论。2.1健康饮食理论介绍健康饮食的基本原则和营养学知识。2.2SpringBoot框架阐述SpringBoot框架的特点、优势及在项目中的应用。2.3微信小程序技术介绍微信小程序的开发技术、特点及其用户群体。第3章健康饮食平台设计详细介绍健康饮食平台的设计方案,包括前端和后端设计。3.1平台架构设计给出平台的整体架构、模块划分及交互流程。3.2数据库设计介绍数据库的设计思路、表结构及数据关系。3.3前后端交互设计阐述前后端数据交互的方式、接口设计及安全性考虑。第4章微信小程序实现介绍微信小程序的具体实现过程,包括页面设计、功能实现等。4.1页面设计与布局给出微信小程序的页面设计思路、布局及交互效果。4.2功能实现与测试详细介绍微信小程序各项功能的实现过程及测试方法。4.3用户体验优化阐述如何提升微信小程序的用户体验,包括界面优化、性能优化等。第5章平台测试与优化对健康饮食平台进行测试,并根据测试结果进行优化。5.1测试环境与数据介绍测试环境、测试数据及测试方法。5.2测试结果分析从功能、性能、用户体验等方面对测试结果进行详细分析。5.3平台优化策略根据测试结果提出平台优化策略,包括代码优化、功能改进等。第6章结论与展望总结本文的研究成果,并展望未来的研究方向。6.1研究结论概括本文的主要研究结论和平台实现效果。6.2展望指出本文研究的不足之处以及未来研究的方向和改进点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值