周记 09 | 把文档扔上 Github 算不算开源?

“把文档扔上 GitHub，算不算开源？”

三年前，这个问题的答案几乎是确定的：不算。开源特指“源代码”。

但今天，当 AI Agent 能直接读懂 Markdown 指令并执行任务，当 GitHub 上出现只含一段提示词却能“生成”完整 macOS 应用的项目时，我们不得不重新审视那条早已被默认的边界。

首先打破“开源只指源代码“这一认知的，是越来越多 Skill 的兴起。它们通过自然语言与代码的组合，让 Agent 完成复杂任务。

社区的反馈也印证了这一点——在各大平台，共享一个 Skill 时大家都说“开源”，没有人纠结它是不是 .py 文件。

更让我大开眼界的是这样一个项目：

https://github.com/yetone/voice-input-src

仓库里没有一行 Swift 代码，唯一的内容是 README.md——里面写了一段精心撰写的提示词，描述了如何用 SwiftUI + AVFoundation 构建一个 macOS 语音输入应用，并要求实现 Fn 键全局监听、NSPanel 半透明效果、通过 OpenAI 兼容 API 进行文本润色等特性。

然后，真的有很多人复现成功了。

我经过尝试，同样验证了这一点：将提示词放入 OpenCode（Plan 模式 + DeepSeek V4 Pro），生成了 12 个任务，大约一小时后跑出了可运行的应用，最后花十几分钟修复了一个 bug——效果令人惊讶。

下面是我完成的应用截图：

所以，这个东西算“开源”吗？

AI 的回答是：算！

它具备三个传统开源的核心特征：

• 可复现性
  社区有人用 CodeX + GPT 复制成功的，而我用 OpenCode + DeepSeek 同样成功复现。
• 协作性
  可以通过修改提示词，生成不同变种。目前已经看到另一个项目把它移植到 Windows 下。
• 分发效率
  一次编写，处处生成。

当然，它与传统开源的差异也很明显。传统开源依赖源码，复现完全确定，依赖编译器与库；而提示词开源依赖提示词 + AI 模型，复现结果受具体的模型能力、温度参数影响。

作为开发者，需要看到的是这段开源成功提示词能的背后，是作者的 macOS 开发能力及对产品的理解能力。或者更深层地看，作者真正开源的是他解决问题的思路、结构和边界条件。

对产品的理解，对技术的深入研究，最后综合成，几百字的能稳定生成产品的提示词。

这或许也正是 AI 时代下，我们需要重新理解的‘开源’与能力模型。