Zig项目为什么全面禁止AI贡献？贡献者扑克理论深度解析

当整个行业都在狂热拥抱AI编程时，Zig项目选择了一条看似逆行的路——全面禁止LLM贡献。这条路指向的，恰恰是开源运动最容易被遗忘的本质。Zig的反AI贡献政策不是一时冲动，而是基于一套完整的开源协作哲学。

Zig的反LLM贡献政策到底有多严格

Zig是目前主要开源项目中对LLM使用限制最严格的之一。它不仅禁止在Pull Request中使用LLM生成代码，连issues、bug tracker评论、甚至翻译都不允许借助大语言模型。

这项政策乍看之下像是技术保守主义的回魂，但仔细审视会发现它的激进程度恰恰暴露了一个行业不愿面对的真相：我们对LLM生成内容的质量控制几乎为零。

连翻译都禁止，看似矫枉过正，实则是一种逻辑自洽——一旦你允许"部分使用LLM"，边界就会无限模糊。谁来判定一段代码是"LLM辅助"还是"LLM生成"？谁来审计一条issue评论是否经过GPT润色？

Zig选择了最简单粗暴但也最诚实的方案：一刀切。项目鼓励贡献者使用英语但不强制，允许使用母语发帖——他们要的是你真实的表达，而不是AI润色后的"完美"文本。

这在执行层面几乎不可能完美落地，但它传递的信号比政策本身更重要——我们要的是你的大脑，不是你的prompt。

Bun与Zig的生态冲突：一部开源分裂的寓言

Bun是用Zig编写的最知名项目——一个高性能JavaScript运行时，以极快的启动速度和运行性能著称。2025年12月，Bun被Anthropic收购，开始大量使用AI辅助开发。

这是2025年开源生态中最具戏剧性的冲突之一。Bun用Zig写出了最成功的项目，然后被AI公司收购，再用AI大幅改进了Zig的编译器——通过并行语义分析和多codegen单元实现了4倍编译性能提升——最后发现这些改进无法回馈上游。

简直是一部关于开源分裂的寓言。

Bun方面表示不打算将改进上游合并，理由是Zig严格禁止LLM生成的贡献。但最值得玩味的是Zig核心团队的回应：即使没有LLM禁令，并行语义分析的补丁也不会被接受，因为它会改变语言的语义行为。

这说明LLM政策只是表层矛盾，深层分歧在于Bun和Zig对这门语言的未来走向有着根本不同的愿景：

• Bun需要的是一个"够快的编译器"
• Zig需要的是一个"语义正确的语言"

4倍编译速度的诱惑很大，但如果代价是语言行为的不确定性，对于一门以"无隐式行为"为核心哲学的系统语言来说，这笔交易根本不成立。

什么是语义分析和codegen单元？

简单解释一下技术背景：语义分析是编译器中的一个关键阶段，负责检查代码的逻辑正确性，包括类型检查、变量作用域验证等。Bun通过将这个阶段并行化来加速编译，但并行化可能引入执行顺序的不确定性，从而影响语言的行为表现。

Codegen单元则是编译器在代码生成阶段的工作单元，通过拆分为多个单元可以并行生成机器码。Rust编译器也有类似的机制。

Bun的fork正在从"技术分支"演变为"路线分叉"，这对Zig生态是福是祸，现在下结论还为时过早。

贡献者扑克理论：Zig禁止AI贡献的核心逻辑

Zig软件基金会社区VP Loris Cro撰文详细解释了禁令背后的理由，提出了一个叫"贡献者扑克"（Contributor Poker）的概念。这是我见过的对开源协作本质最精辟的阐述，也是对整个"AI提效"叙事最有力的反驳。

核心逻辑是这样的：

成功的开源项目最终都会收到超出处理能力的PR。 面对这个问题，Zig选择的策略不是快速拒绝不完美的PR，而是帮助新贡献者完成工作。

为什么？因为Zig重视的是贡献者本身，而非贡献内容。每个贡献者代表核心团队的一笔投资。审查PR的主要目标不是合并新代码，而是培养可信赖的长期贡献者。

这就像一个教授花三个小时批改一篇论文——目的不只是让这篇论文变好，而是让学生从反馈中成长。如果最后发现论文是ChatGPT写的，教授的时间就被彻底浪费了，因为没有任何学生从这次反馈中成长。

LLM辅助完全破坏了这一模式：即使PR完美无缺，团队花费的审查时间也无法帮助培养新贡献者。维护者投入了同样甚至更多的审查时间，但对面坐着的不是一个正在成长的人类开发者，而是一个永远不会"学会"的黑箱。

为什么叫"贡献者扑克"？

这个名字来源于打牌中"看人不看牌"的策略。在传统开源中，一个粗糙但展现出理解力的PR，比一个完美但来路不明的PR更有价值，因为前者背后站着一个可以被培养的人。

Zig团队押注的是贡献者的成长潜力，而不是首个PR的代码质量。这个逻辑在AI时代显得格外珍贵，也格外脆弱。

一个无法回避的终极问题

最后还有一个杀手级的问题值得所有人思考：

如果你的PR主要由LLM编写，维护者为什么要花时间审查讨论，而不是自己用LLM解决同样的问题？

这个问题撕开了AI辅助开源贡献的最后一层遮羞布。

在传统模式下，外部贡献者的价值在于他们带来了维护者没有的视角、时间或专业知识。但当LLM成为中介后，贡献者的独特价值被抹平了——你能prompt出来的东西，维护者也能prompt出来，而且维护者对项目上下文的理解远超你。

这意味着LLM辅助的贡献在很多情况下不是在帮忙，而是在制造额外的审查负担。

当然，Zig的立场也有其局限性：并非所有开源项目都有培养贡献者的余裕，很多项目缺的就是代码而不是人。但Zig的选择至少证明了一件事——在AI浪潮中，"不用AI"本身也可以是一种深思熟虑的技术决策，而不仅仅是恐惧或保守。

---

当所有人都在问"AI能为开源做什么"的时候，Zig问了一个更根本的问题："开源到底是为了写出更多代码，还是为了培养更多能写代码的人？" 这个答案，将决定开源运动在AI时代是进化还是异化。