Camilla Moraes, Produktmanagerin bei GitHub, hat die Diskussion über die Einführung einer automatischen Blockierungsfunktion für Spam-Pull-Anfragen angestoßen, die von KI-Assistenzprogrammen ohne manuelle Überprüfung generiert werden und nicht den Qualitätsanforderungen entsprechen. Solche Änderungen verursachen zusätzliche Belastung für die Betreuer, die Zeit mit der Analyse von nutzlosem Code verbringen müssen.
Zu den kurzfristigen Lösungsmöglichkeiten zählt die rasche Entfernung von Pull-Anfragen über die Web-Oberfläche (Löschung ohne Speicherung in der Historie anstelle von der Markierung als geschlossen) sowie die Verwendung von anpassbaren Berechtigungen für das Einreichen von Pull-Anfragen, die es den Repository-Besitzern ermöglichen, Änderungen nur für Teilnehmer, die zuvor bereits Änderungen vorgenommen haben, zu genehmigen.
Langfristige Lösungen umfassen die Erweiterung des Berechtigungsmodells und die Bereitstellung von Werkzeugen für die Betreuer, um flexible Regeln festzulegen, die definieren, wer berechtigt ist, Pull-Requests zu erstellen und zu überprüfen sowie welche Anforderungen Pull-Requests erfüllen müssen. Zudem wird vorgeschlagen, KI einzusetzen, um die Übereinstimmung der eingereichten Änderungen mit den Regeln und Qualitätsstandards jedes Projekts (z. B. wie im CONTRIBUTING.md festgelegt) zu überprüfen und Änderungen, die mithilfe von KI vorbereitet wurden, zu identifizieren und speziell zu kennzeichnen.
Ein weiterer Vorschlag, der während der Diskussion geäußert wurde, ist die Einführung eines Filters, der das Einreichen von Pull-Requests ohne vorherige Eröffnung von Issue-Diskussionen mit einer Erklärung der Gründe für die Änderungen verbietet, sowie die Information der Betreuer über das Eintreffen von Pull-Requests von neuen Mitgliedern erst nach bestandenem Test in der Continuous Integration (CI)-Umgebung.
Laut einer Statistik eines der Hauptentwickler des Genkit-Frameworks erfüllt nur eines von zehn in der KI vorbereiteten Änderungen die Kriterien zur Eröffnung eines Pull-Requests. Ein Teilnehmer des Projekts Azure Core Upstream fasste die wichtigsten Bedenken der Betreuer zusammen:
- Das Vertrauen in die Überprüfungsmodelle wird verletzt – die Überprüfer können sich nicht sicher sein, dass derjenige, der die Änderung eingereicht hat, den übermittelten Code geschrieben hat und dessen Bedeutung versteht.
- Pull-Requests, die von KI-Assistenten erstellt wurden, können strukturell korrekt aussehen, aber logisch fehlerhaft, unsicher oder ungetestet sein.
- Die Praxis der Zeilen-für-Zeilen-Überprüfung bleibt zwingend erforderlich, kann jedoch in Zeiten des Wachstums von Änderungen, die durch KI-Assistenten erstellt werden, nicht skaliert werden.
- Die Betreuer empfinden Unbehagen, wenn sie Pull-Requests annehmen, die sie nicht vollständig verstehen, während KI-Assistenten die Übermittlung großer Änderungen ohne tiefes Verständnis erleichtern.
- Die kognitive Belastung der Betreuer steigt, da sie nun nicht nur den Code überprüfen, sondern auch beurteilen müssen, ob der Autor ihn versteht.
- Das Aufkommen von KI-Tools hat die Belastung für die Betreuer nicht verringert, sondern erhöht.
Zusätzlich kann eine von mehreren europäischen Universitäten durchgeführte Studie über den Einfluss von Vibe-Coding auf das Ökosystem offener Projekte erwähnt werden. Die Forscher entwickelten ein Gleichgewichtungsmodell für das Open-Source-Ökosystem, das zeigte, dass Rückmeldungen, die zuvor für das explosive Wachstum offener Projekte verantwortlich waren, nach der Verbreitung von Vibe-Coding einen gegenteiligen Effekt erzeugen — die Anzahl der Entwickler, die bereit sind, ihren Code zu teilen, nimmt ab, die Vielfalt offener Projekte verringert sich und die Qualität sinkt. Eine mögliche Lösung des Problems wird in der Einführung eines Finanzierungsmodells gesehen, das Spotify ähnelt, bei dem KI-Plattformen die Einnahmen aus Abonnements an Entwickler in Abhängigkeit von der Nutzung der Projekte umverteilen.
Beim Vibe-Coding hören Entwickler auf, verfügbare Lösungen zu analysieren, Dokumentationen zu lesen, Fehlerberichte zu senden und mit Teams zu interagieren, die offene Bibliotheken weiterentwickeln. Offene Projekte verlieren die Rückmeldung von Nutzern. Es wird für neue Projekte schwieriger, sich durchzusetzen, da KI-Assistenten die benötigten offenen Bibliotheken basierend auf den Informationen auswählen, die zum Zeitpunkt des Trainings des Modells verfügbar waren. Der Rückgang der direkten Interaktion mit den Nutzern wirkt sich negativ auf die Monetarisierung offener Projekte aus, die auf Support-Dienste und die Anzeige von Werbung bzw. das Sammeln von Spenden auf Websites angewiesen sind. Durch die Verringerung des Feedbacks leidet die Qualität. Andererseits erhöht Vibe-Coding die Produktivität bei der Erstellung neuer Produkte auf der Grundlage fremden Codes und vereinfacht die Integration neuer Bibliotheken.
Ein Beispiel ist das Projekt Tailwind CSS, dessen Downloads aus dem NPM-Repository weiter wachsen, jedoch der Traffic zur Dokumentation seit Anfang 2023 um 40 % gesunken ist, während die Einnahmen um 80 % gefallen sind. Zudem wurde ein Rückgang der Diskussionsaktivität auf Stack Overflow um etwa 25 % festgestellt, sechs Monate nach dem Start von ChatGPT.
Quelle: opennet.ru
