开源不会死,还将在AI时代活得更好

最近一段时间我经常读到“开源已死”的文章，例如开源已死，AI正在亲手埋葬它，还有AI 正在毁掉开源：从“协作圣地”到“垃圾洪水”，维护者士气跌至谷底，开始集体掀桌，等等。这些文章中所说的，确实都是事实，以至于有一段时间，我也一度以为：开源真的不重要了。

不过，最近发生的事情，让我意识到，开源不会死，而且会越来越好。

AI时代的开源挑战

首先我们要来理解，为什么很多人会认为“开源已死”。这些理由包括：

AI可以很快写出一个新的组件，那开源库的价值就下降了。
有很多人用AI生成了许多的垃圾PR，淹没了GitHub，大幅增加了维护者们的负担，维护者不再愿意接受新的PR。
许多开源软件的许可证可能会被变得无效，因为AI可以很快仿制一个，然后给它一个更宽松的许可证（例如把LGPL的软件翻译成MIT许可证）。

这些当然都是真的。不过，这两天的一次开源贡献经历，让我有了新的理解。

也许，AI时代，我们可以更容易地回归开源精神。

一个真实问题

我最近在做一个系统，需要显示化学结构式，就是类似于下面的这种：

这种图，手工绘制不是不可以，但是，更好的方法是使用标准的化学编码，例如SMILES。上图的SMILES表示是 `ClC(CCl)Cl`。

很容易想到，肯定有人做过这种结构式的渲染了，用不着自己做。我就在AI的帮助下，找到了开源库——smilesDrawer。这是瑞士伯尔尼大学Raymond教授的研究组的一个项目，不是很流行，500多个star, 但是显示效果还不错，除了它确实是面向专业人士，中间的碳标是不显示的。它一开始的效果就是这样：

中间的CH2没有，不过这不是bug，因为对于专业人士而言，这是一目了然的。但是我的场景需要这个。既然是开源的，那我肯定就可以改喽。

用AI完成这个功能

我不需要看代码，不需要了解原来的架构。把代码克隆下来，把目标交给Cursor。很快，就得到了期望的效果。这个修改不难，总时长不超过30分支，过程朴实无华，不再赘述。

重点来了：要不要作为开源贡献，提交到主线？

答案是肯定的。这并不是“无私”的分享，这是经济的考量。

你完成了一个对自己有用，也对别人有用的功能。——这个功能如果能成功合并到主线，那么后续的所有版本升级，你都可以直接使用。——如果你不提交贡献，那么你的补丁，也许过不了多久，就会因为版本升级不能用了，你还得打补丁。

当然，有些maintainer不愿意接受PR，那没办法。只要有可能，应该把这种升级，提交到代码库中。

还有一种情况，就是沟通不到位，从而失去了更好的合并到主线的机会。我之前还是挺受这方面的因素影响的，我的英文能力很普通，很多时候词不达意。不过，这次不一样了。我和Cursor商量了一下，如何提交这个PR，Cursor就帮我完成了一个很清晰的版本。全文如下：

## WhySkeletal rendering may hide internal carbon labels, which makes educational display harder to read.## WhatAdd showAllCarbonLabels option (default: false).When enabled, carbon labels are rendered explicitly (C/CH/CH2/CH3).Apply behavior in both drawing paths (Canvas and SVG).Update README options table and defaultconfig snippet.## Backward compatibilityDefault is false, so existing behavior is unchanged unless users opt in.## Validationnpm run test:unit passes locally.

我不得不说，真是比我以前手写的时候清晰多了。这显然会大幅提升maintainer对问题的理解和贡献被接受的顺畅程度。

Maintainer对配置选项提了一些意见，这些意见很合理，我就让Cursor帮我又修改了一版，然后在Cursor的支持下再度提交。2个来回，这个PR就被接受了。

这个案例说明了什么？

一、即使AI能力很强大，开源库仍然有价值

我不会从头写这个库。它并不简单。它涉及到分子拓扑结构的解析、二维布局算法、键和原子的绘制、立体化学的表示……如果从零开始做，这不可能是30分钟完成的工作。更重要的是，我对化学专业没那么深的理解。AI或许有这种理解，但是，如果我没有这个能力，AI不会表现出有这个能力。

AI确实能快速写出一个化学结构式渲染器——一个"能用"的版本。但它不太可能写出一个经过大量真实场景锤炼的、功能完善的版本。既然已经有迭代了多年，处理过无数边界情况的版本，为什么你要重新发明轮子呢？

二、AI大幅降低了开源协作的门槛

我是一个熟练的开发者，我懂怎么写代码，但是，我仍然不相信我可以在30分钟内手写出这个补丁。我更不相信，我可以手写出清晰的PR说明。而这些，在AI的帮助下，变得极其丝滑。

更重要的是，之前的开源协作，其实只限于开发者之间。但是，随着AI的能力的增强，很多普通人也可以成为高质量的贡献者（那种纯粹为了“贡献”而“贡献”的除外。因为他们没有真问题，目标也不是“解决问题”）

三、真正重要的是“正确的问题”

因缘巧合，我成了第一个发现这个问题并且有能力解决它的人。专业的化学工作者从来不会觉得这是一个缺陷，因为他们不需要看到。但对于我的场景来说，这就是一个真实的功能缺失。

我发现了问题，然后解决它。恰好，它也是maintainer想做的，只是还没来得及：“I like this feature a lot - I've actually been thinking of adding something similar. ”

开源项目的价值不在于代码本身，而在于它所形成的网络效应：使用者越多，发现的问题越多；问题越多，改进越快；改进越快，质量越高；质量越高，使用者越多。这是一个正向循环。

四、闭源打不过开源，AI时代更是如此

闭源项目没有开源的网络效应。用户只能提交工单，等待团队来修复。而在开源世界里，用户自己就是潜在的贡献者——尤其是在AI降低了贡献门槛之后。

更重要的是，闭源被复制的门槛大幅降低了。之前，如果你真的有一个好的想法，并且做了很大规模的开发投资，闭源保护起来，其他人确实不那么容易复制。但是，现在不一样了。如果一个项目确实有价值，AI可以分分钟快速复制一个。或许初始版本没那么好，但是一旦网络效应形成，最终一定会胜出。

五、回归真正的开源精神

开源源自“我为人人，人人为我”的理想主义，但是，仅仅靠理想主义撑不起今天的开源世界。开源世界有它自己的经济学模型，无论是社区声誉、还是附加服务，还是像我前面讲的“利他即利己”。

本来，写代码就不是开源最重要的事情，真正重要的是"发现问题并且解决问题的能力"。既然"发现问题的能力"是关键，那么AI时代显然是更好的时代：更多的人具备了成为贡献者的条件。

没有AI，我找不到这个库，没有AI，我一个和化学基本上没什么交集的程序员，不太可能在一个化学专业人士的工具库上做出贡献。

尾声

2013年的一个周末，我用一个晚上一直到凌晨四点，一口气读完了Eric Raymond的《大教堂与集市》，这本被誉为开源圣经的书。书实在写的太好，停不下来，最重要的是，我重要弄懂了开源背后的经济学模型。

Raymond说，开源的成功在于"集市模式"——把问题暴露给足够多的人，让协作自然发生。我以前以为，这个问题仅仅是Bug。不是还有那句话，叫做“只要眼睛多，bug容易捉。” ——我现在明白，“什么应该做”才是最重要的问题。基于问题建立的协作网络，是开源的真正价值所在。

这其实让开源精神更纯粹。事实上，不可讳言，开源社区一直存在刷榜现象，只是过去的刷榜，毕竟影响有限，也就算了，而且有些小修小补，例如补补文档，也确实有它的价值。现在如果有人用AI刻意刷榜，虽然也是开源社区的麻烦。但是，这个麻烦很容易解决。因为我们现在有了一个很重要的筛选机制：

刷榜的人是没有真问题的。看是不是有意义的贡献，就看解决的是不是真问题就好了。

AI确实会冲击开源生态。本文开头引用的文章中的案例也都是真的。但是，这种冲击的性质，更像是一次筛选机制的升级，它不会毁掉开源，反而会让开源更纯粹。

今天的AI能力，本来就是建立在开源的土壤之上。没有那么庞大的开源库，AI训练的语料都无从谈起。AI毁不掉开源。无论AI再强大，开源仍然符合经济模型，同时它扩大了场景、扩大了社群、并且更容易排除低质量协作。

所以，我的判断是：开源不会死，还将在AI时代活得更好。