背景

開源媒體伺服器專案 Jellyfin 近期發布了針對大型語言模型（LLM）與人工智慧開發的官方政策，明確規範了貢獻者在提交程式碼、撰寫文件及進行社群溝通時使用 AI 工具的界線。這項政策的核心在於禁止直接使用 AI 生成的文字進行溝通，並要求貢獻者必須對其提交的 AI 輔助程式碼負起完全的理解與維護責任。

社群觀點

Hacker News 的討論主要圍繞在 AI 產生的「內容廢料」（Slop）如何侵蝕開源社群的協作效率。多數開發者強烈支持 Jellyfin 禁止在溝通中使用 LLM 輸出的規定。他們認為，溝通的本質是人類判斷力的交換，若收到一段未經修改、充滿 AI 腔調的冗長回覆，不僅浪費閱讀者的時間，更顯得發言者缺乏誠意。部分留言者指出，雖然 LLM 可以協助將草稿修飾得更簡潔或修正語法，但若直接複製貼上那些充滿機器感、過度熱情且夾雜大量條列點的文字，會讓人產生直覺性的反感，甚至降低該貢獻者的信譽。

關於程式碼貢獻，社群中存在著「能力與責任」的辯論。支持政策的人認為，LLM 降低了提交大量程式碼的門檻，導致維護者必須花費數小時去審查那些由「僅憑感覺寫程式」（Vibe Coding）產生的變更。這些變更表面上看起來合理，實則可能隱藏邏輯錯誤或安全性漏洞，而提交者往往並不理解程式碼的運作原理。Jellyfin 的維護者也在討論中現身說法，提到近期湧入大量聲稱能「優化效能」但實際上混亂不堪的 AI 公關（PR），這正是促使他們制定明確政策的主因。他們強調，這並非排斥 AI 工具，而是要防範那些利用自動化工具刷數據、卻不願投入心力理解專案的行為。

然而，也有觀點認為這類政策在執行上存在困難。有網友質疑，如果貢獻者將 AI 生成的內容修改得天衣無縫，維護者根本無法辨識。對此，支持者反駁稱，政策的意義不在於百分之百的偵測，而是在於建立一個可以據以拒絕低品質內容的準則。此外，關於語言障礙的討論也十分熱烈。雖然政策允許非母語使用者利用 AI 輔助翻譯，但不少資深開發者表示，他們寧可閱讀語法不完美但真實的人類文字，也不想閱讀經過機器翻譯後可能失真或語氣怪異的內容。他們建議，若使用翻譯工具，最好同時附上原文，以便在語意模糊時進行比對。

最後，社群達成了一種共識：AI 應該被視為「學習加速器」而非「學習替代品」。優秀的開發者會利用 AI 快速理解複雜概念，但最終產出的成果必須經過人類大腦的過濾與驗證。Jellyfin 的這項政策被視為開源專案在 AI 時代保護自身免於被自動化垃圾淹沒的重要防線，也為其他面臨類似困擾的專案提供了參考範本。

延伸閱讀

• No Slop Grenade：一個呼籲停止向他人投擲 AI 生成廢料的倡議網站。
• Your job is to deliver code you have proven to work：Simon Willison 撰寫關於開發者責任的文章。
• The Truth of Fact, The Truth of Feeling：Ted Chiang 的短篇小說，探討書寫與思考的關係，被留言者引用來對比 AI 生成與人類思考的差異。