Camilla Moraes, produktchef pÄ GitHub, har inlett en diskussion om att lÀgga till möjligheten att automatiskt blockera skrÀpmÀssiga pull-förfrÄgningar som genereras av AI-assistenter, skickade utan manuell granskning och som inte uppfyller kvalitetskraven. SÄdana förÀndringar skapar en extra belastning för underhÄllarna, som tvingas spendera tid pÄ att gÄ igenom meningslös kod.
Som kortsiktiga lösningar pÄ problemet övervÀgs möjligheten till snabb borttagning av pull-förfrÄgningar via webgrÀnssnittet (borttagning utan att spara i historiken istÀllet för att markera som stÀngda) samt anvÀndning av anpassade rÀttigheter för att skicka pull-förfrÄgningar, vilket gör att repositoryÀgare kan tillÄta överföring av Àndringar endast av deltagare som tidigare bidragit med Àndringar.
I lÄngsiktiga lösningar nÀmns en utvidgning av befogenhetsmodellen och tillhandahÄllandet av verktyg för underhÄllarna för att flexibelt ange regler som definierar vem som har rÀtt att skapa och granska pull-förfrÄgningar och vilka krav pull-förfrÄgningar ska uppfylla. Dessutom föreslÄs det att anvÀnda AI för att avgöra om den skickade Àndringen uppfyller reglerna och kvalitetsstandarderna för varje projekt (till exempel angivna i CONTRIBUTING.md-filen), samt att identifiera och sÀrskilt markera Àndringar som förberetts med hjÀlp av AI.
Bland de förslag som framkommit under diskussionen kan nÀmnas skapandet av ett filter som förhindrar att pull-förfrÄgningar skickas utan föregÄende öppnande av issue-diskussioner med en förklaring av anledningarna till genomförandet av Àndringarna, samt att informera underhÄllarna om att det kommit in pull-förfrÄgningar frÄn nykomlingar först efter att de framgÄngsrikt genomfört tester i det kontinuerliga integrationssystemet.
Enligt statistiken frÄn en av huvudutvecklarna av ramverket genkit överensstÀmmer endast en av tio Àndringar som förberetts i AI med kriterierna för att öppna en pull-förfrÄgan. En av deltagarna i Azure Core Upstream-projektet sammanfattade de största farhÄgorna hos underhÄllarna:
- Brytning av förtroendemodellen vid granskning â granskare kan inte vara sĂ€kra pĂ„ att den som skickade Ă€ndringen har skrivit den överförda koden och förstĂ„r dess innebörd.
- AI-assistenter som genererar pull-förfrÄgningar kan strukturellt se korrekta ut men vara logiskt felaktiga, osÀkra eller otestade i praktiken.
- Praktiken för rad-för-rad granskning förblir obligatorisk, men den kan inte skalas i förhÄllande till den snabbt vÀxande mÀngden förÀndringar som skapas genom AI-assistenter.
- Det finns en kÀnsla av obehag hos de som granskar nÀr de accepterar pull-förfrÄgningar som de inte helt förstÄr, medan AI-assistenter förenklar överföringen av stora förÀndringar utan förstÄelse.
- Den kognitiva belastningen pÄ granskare ökar, eftersom de nu mÄste bedöma inte bara koden utan Àven om författaren förstÄr den.
- FramvÀxten av AI-verktyg har inte minskat, utan istÀllet ökat belastningen pÄ de som utför granskningar.
Dessutom kan det nĂ€mnas att en studie utförd av flera europeiska universitet har undersökt inverkan av vibe-coding pĂ„ ekosystemet för öppna projekt. Forskarna utvecklade en modell för jĂ€mvikten i ekosystemet för öppen kod, vilket visade att Ă„terkopplingar, som tidigare ansvarade för den explosionsartade tillvĂ€xten av öppna projekt, efter spridningen av vibe-coding skapar en motsatt effekt â antalet utvecklare som Ă€r villiga att dela kod minskar, mĂ„ngfalden av öppna projekt minskar och kvalitĂ©n sĂ€nks. Ett av förslagen för att lösa problemet nĂ€mner införandet av en finansieringsmodell, liknande den som anvĂ€nds av Spotify, dĂ€r AI-plattformar omfördelar intĂ€kterna frĂ„n abonnemang pĂ„ tjĂ€nster till utvecklare bland granskare, beroende pĂ„ graden av projektanvĂ€ndning.
Vid vibcoding slutar utvecklare att analysera tillgĂ€ngliga lösningar, lĂ€sa dokumentation, skicka felrapporter och interagera med teamen som utvecklar öppna bibliotek. Ăppna projekt förlorar feedback frĂ„n anvĂ€ndarna. Nya projekt fĂ„r svĂ„rare att bryta igenom, eftersom AI-assistenter sjĂ€lva vĂ€ljer nödvĂ€ndiga öppna bibliotek baserat pĂ„ information som fanns tillgĂ€nglig vid tidpunkten för modellens trĂ€ning. PĂ„ grund av minskad direkt interaktion med anvĂ€ndarna pĂ„verkas intĂ€kterna frĂ„n öppna projekt som Ă€r kopplade till supporttjĂ€nster och annonsering/invitesamling pĂ„ webbplatser. Minskad feedback leder ocksĂ„ till försĂ€mrad kvalitet. Ă andra sidan ökar vibcoding produktiviteten vid skapandet av nya produkter baserade pĂ„ andras kod och förenklar implementeringen av nya bibliotek.
Som exempel nÀmns projektet Tailwind CSS, vars antal nedladdningar frÄn NPM-repositoriet fortsÀtter att öka, men trafiken till dokumentationen har minskat med 40% sedan början av 2023, och intÀkterna har sjunkit med 80%. Det har ocksÄ noterats en minskning av diskussionsaktiviteten pÄ Stack Overflow med cirka 25%, sex mÄnader efter lanseringen av ChatGPT.
KĂ€lla: opennet.ru
