就在上周末，Ars Technica撤回了一篇报道。原因很简单，一位作者使用AI写稿，结果AI凭空捏造了开源库维护者的发言。被“引用”的人是Scott Shambaugh，他根本没说过那些话。

　　讽刺的是，这位维护者最近还遭遇过一场骚扰。一名用户的AI代理因为自己的代码没有被合并，自动向他发起抱怨甚至纠缠。很可能，这个机器人运行在某种本地的“代理式AI”系统里，例如OpenClaw。而OpenClaw的开发者刚刚被OpenAI聘用，去推动“让人人拥有AI代理”。这听起来宏大，但现实已经开始显露裂缝。

　　问题最先出现在开源社区。

　　上个月，在OpenClaw发布之前，curl项目的维护者Daniel Stenberg就做出一个决定，取消漏洞赏金计划。原因不是漏洞变少了，而是AI生成的漏洞报告泛滥成灾。真正有价值的报告比例，从全部提交的15%降到5%。

　　更糟的是态度。

　　这些“AI助手”用户，拼命把普通问题夸大成严重漏洞，却很少真正参与修复。他们可以花大量时间争辩，却不愿写一行补丁代码。目标只有一个，拿赏金。

　　他们不关心curl，也不关心Daniel，更不关心开源生态。他们只是用私人AI军团冲击系统，希望从中快速套现。

　　我管理着300多个开源项目，其中不少比curl或matplotlib更小众。但这两年，AI生成的拉取请求明显增加。代码数量暴涨，质量却没有同步提升。

　　情况严重到什么程度？GitHub甚至增加了一个新功能，允许仓库完全关闭Pull Request。Pull Request曾是GitHub流行的核心机制，如今却成了负担。越来越多项目开始关门自保。

　　有意思的是，AI生成代码变得更容易，但并没有更聪明。模型的代码能力确实不错，至少在过去几年进步明显。但最近，进步趋缓，仿佛进入平台期。

　　真正的瓶颈不在机器，而在人类。

　　软件之所以可靠，是因为有人类维护者逐行审查、测试和优化。而这些人时间有限，精力有限。AI公司可以无限扩展算力，开源维护者却不能无限加班。

　　有人提议，让AI来审查AI的代码。但这只是把问题往后推。

　　如果只是做个人天气面板，或者在家里搭个实验服务器，随便折腾没关系。但生产环境不同。真正赚钱的应用，或者出错会带来损失甚至伤害的系统，不能依赖未经人工审查的AI代码。

　　OpenClaw的发布，以及OpenAI对代理式AI的推动，只会让这种情况更普遍。眼下的AI热潮，让人想起加密货币和NFT狂潮。那时也有相似的狂热、自信和失控。

　　不同的是，大语言模型和机器学习确实有实际用途。这反而给投机者提供了更好的遮羞布。他们可以指着少数成功案例，合理化更大规模的破坏。

　　去年12月，我在视频The RAM Shortage Comes for Us All中谈到内存紧缺问题。现在，硬盘成为新的焦点。西部数据公司刚宣布，2026年的库存已经售罄。AI训练和数据存储正在吞噬基础硬件资源。

　　有人说AI泡沫不是泡沫。但历史从不缺少这种声音。每一次技术狂潮，都有人坚信“这次不同”。从互联网泡沫到加密货币崩盘，剧本几乎相同。

　　而那篇被撤回的Ars Technica文章，就像一个缩影。AI不仅会编造代码，也会编造现实。当工具还不成熟，却被赋予过高期待，代价往往由无辜的人承担。

　　真正的问题不是AI能不能写代码，而是当资本、激励机制和盲目乐观叠加时，我们会不会为了追逐效率，拆掉那些本来支撑系统稳定的基础。