面向资源紧张的开源维护者的PR分诊闸门
一个CI闸门,在低质量或AI批量生成的PR占用开源维护者审查时间之前,对其评分并过滤。
I want to build a small, bootstrappable product. Help me plan and start the MVP.
Product: PR triage gate for overwhelmed OSS maintainers
What it is: A CI gate that scores and filters low-effort/AI-dumped PRs before they consume open-source maintainer review time.
Who pays: Maintainers and engineering leads at funded open-source projects and foundations (e.g., projects like Plotly, QGIS-scale, or corporate OSS offices) with an infrastructure/community budget, paying $200–800/mo for CI add-ons.
Closest alternatives: CodeRabbit, GitHub Copilot code review, Greptile, human triage / stale-bot automation
The gap: Existing AI reviewers review code quality; none act as a maintainer-side contribution gate that enforces a project's declared AI policy, flags low-effort/unverifiable submissions, and requires submitter-side proof (repro, test, video walkthrough) before any human time is spent.
Why now: The LLM contribution flood is a 2025–26 phenomenon: major projects (QGIS now, others considering) are enacting blanket bans as a stopgap precisely because no tooling exists to ration reviewer attention, and maintainers publicly say they'd rather keep contributing open if filtering were cheap.
Moat to build toward: Policy-as-code rule sets tuned per project plus accumulating labeled data on low-effort vs. genuine contribution patterns across many repos; workflow lock-in once embedded in a project's merge pipeline.
可直接粘贴到 Claude Code、Cursor 或任何编程助手的需求说明(英文)。
6.1满分 10
支持理由
谁会付费获得资金支持的开源项目和基金会(如Plotly、QGIS规模的项目,或企业开源办公室)的维护者和工程负责人,他们有基础设施或社区预算,愿意每月支付200至800美元购买CI插件。
讨论中的声音
- EX.1QGIS正式禁止AI贡献,原因是AI生成的PR数量超出了人工审查能力,并削弱了审查者的信任。源自文章 ↗
- EX.2Plotly的一位维护者描述了未经校对的三页AI议题说明,以及看似合理实则薄弱的PR消耗审查时间,使他们想放弃接纳路人贡献者。查看评论 ↗
- EX.3一位评论者解释了数量上的不对称:AI让低投入的贡献者生成内容的速度是维护者评估速度的100倍,而其中大部分内容都存在细微的问题。查看评论 ↗
- EX.4瓶颈已从编写代码转向验证对齐,即确认某项改动确实实现了预期目标,而这对陌生人提交的PR来说最为困难。查看评论 ↗
为什么是现在
LLM带来的贡献洪流是2025至2026年才出现的现象。主要项目(如QGIS,其他项目也在考虑)正在实施全面禁令作为权宜之计,原因正是缺乏能够分配审查者注意力的工具;维护者也公开表示,如果过滤成本低,他们愿意继续保持项目开放。
反对理由
✕ 最可能的失败原因AI作者身份检测并不可靠,产品可能退化为一个花哨的CI linter;一旦GitHub等平台免费捆绑类似闸门,买家就会流失。
红队最有力的反对意见
LLM贡献洪流是新出现的、可以衡量的现象,并且正推动主要项目走向全面禁令;现有AI审查工具审查的是代码,而不是强制执行维护者侧的贡献政策,这确实是一个真实的空白。不过,向开源维护者收费仍然是最薄弱的环节。
护城河 4/10
针对每个项目定制的策略即代码规则集,加上跨多个仓库积累的低质量与真实贡献模式的标注数据;一旦嵌入项目的合并流程,就会形成工作流锁定。
现有产品
CodeRabbitGitHub Copilot code reviewGreptilehuman triage / stale-bot automation
空白点现有AI审查工具关注代码质量;目前没有一款工具能作为维护者侧的贡献闸门,强制执行项目声明的AI政策,标记低质量或无法验证的提交,并要求提交者先提供复现步骤、测试或视频演示,之后才投入人工时间。
三步做出来
- 1开发一个GitHub Action,对传入的PR进行投入度信号评分(包括是否附带测试、关联议题、复现步骤、作者历史、diff与PR大小比例,以及AI风格启发式判断),并在人工审查前自动要求补充缺失的证明材料
- 2提供策略配置文件(YAML),让项目声明其AI与贡献政策,闸门按可配置的阈值执行
- 3免费与3至5个中等规模的开源项目试点,发布使用前后的维护者审查时间数据,然后对团队仪表盘和组织级推广收费
本文译自英文。 阅读原文