从 Codex、Copilot、Cursor、Claude Code 到 Devin，开源协作正在进入“人机共写”时代

以前，AI 编程更像一个“代码补全工具”。现在，AI Agent已经开始参与真实的GitHub Pull Request，从读 issue、改代码、跑测试，到提交 PR。问题也随之变得更现实：当开源项目里的代码越来越多由 AI 写出来，谁来负责安全、质量和长期维护？

最近，关于AI Agent、GitHub、开源项目、代码安全、Copilot、Codex、Claude Code、Cursor、Devin的讨论越来越密集。很多人已经不是在问“AI 会不会写代码”，而是在问“AI 写出来的代码，能不能放心合并”。

这正是这篇文章要讨论的核心：AI Agent 正在提高软件开发效率，但也在重塑开源社区的信任机制。

一、AI 编程已经从“提示补全”走向“自动提交 PR”

过去几年，GitHub Copilot、Tabnine、Cursor 这类工具主要承担的是代码建议、函数补全、注释生成和局部重构。开发者依然是主驾驶，AI 更多像副驾驶。

但现在的AI Coding Agent已经不满足于“补全几行代码”。它们开始读取仓库上下文，理解 issue，修改多个文件，执行命令，运行测试，最后生成一个可以被维护者审查的 Pull Request。

一篇 2026 年的 AIDev 研究整理了大规模 Agent-authored PR 数据：研究收集了 932,791 个由 OpenAI Codex、Devin、GitHub Copilot、Cursor、Claude Code 等五类 AI coding agents 产生的 PR，覆盖 116,211 个 GitHub 仓库和 72,189 名开发者。[1]

这意味着，AI Agent 写代码已经不只是实验室里的演示，而是进入了真实开源协作现场。

二、效率提升是真的，但信任成本也是真的

AI Agent 的价值很明显。它可以帮开发者处理重复性任务，比如文档更新、测试补充、依赖升级、CI 配置、简单 bug 修复和代码重构。对很多维护者来说，这类工作琐碎、耗时，但又不能不做。

问题在于，开源项目不是代码片段集合，而是一套长期维护的信任系统。一个 PR 能不能合并，不只看代码能不能跑，还要看它是否符合项目设计、是否破坏兼容性、是否引入安全风险、是否尊重许可证、是否方便未来维护。

另一篇关于失败的 Agentic PR 的研究发现，AI Agent 提交的 PR 在文档、CI、构建更新等任务上更容易被接受；但在性能优化和 bug 修复任务上，失败率更高。未合并的 PR 往往涉及更大的代码改动、修改更多文件，并且更容易无法通过项目的 CI/CD 校验。[2]

这说明 AI Agent 不是完全不能用，而是更适合边界清晰、验证明确、风险较低的任务。一旦任务涉及复杂逻辑、性能路径、安全边界和项目架构，AI 的不确定性就会被放大。

三、真正危险的不是 AI 写错代码，而是“没人认真看”

开源项目的最大风险，不是AI Agent写错一段代码。真正危险的是：大家因为 AI 生成的 PR 看起来格式完整、说明清楚、测试也似乎通过了，就降低了审查标准。

AI 很擅长制造一种“看起来很专业”的感觉。PR 描述可以写得很像人类开发者，commit 信息可以很整齐，代码风格也可以接近项目规范。可是，这并不等于它真正理解了业务约束。

研究中也提到，不少未合并的 AI Agent PR 失败原因并不只是代码报错，还包括重复 PR、不被需要的功能实现、缺少有效的维护者互动，以及 agent 与项目目标不一致。[2]

这对GitHub、Gitee、GitCode上的开源项目都有启发：未来代码审查不只是审“谁写的”，还要审“谁负责”。

四、AI 编程助手的安全争议正在变多

如果只是代码质量问题，开源社区还能靠 review、CI、测试覆盖率来兜底。但 AI 编程工具带来的风险，还包括更隐蔽的安全和合规问题。

一篇关于 GitHub Copilot 安全担忧的研究分析了 Stack Overflow、Reddit、Hacker News 等公开讨论，归纳出四类核心问题：潜在数据泄露、代码许可证风险、对抗攻击与提示词注入、不安全代码建议。[3]

这几个问题放在AI Agent 批量写 PR的场景里，会变得更复杂。

• 数据泄露：如果 Agent 可以读取更多仓库上下文、issue 讨论、CI 日志和内部文档，敏感信息边界就必须重新定义。

• 许可证风险：如果 AI 生成的代码风格、结构或片段来源不清，开源许可证和版权归属会更难判断。

• 提示词攻击：如果 issue、README、测试文件里混入恶意指令，Agent 可能被诱导执行错误操作。

• 不安全代码建议：如果 AI 生成的代码绕过鉴权、忽略输入校验或误用加密接口，短期可能能跑，长期可能埋雷。

五、GitHub 正在变成多 Agent 入口，开源协作规则也要变

GitHub 已经不只是代码托管平台，它正在成为 AI 编程工具的入口。媒体报道称，GitHub 通过 Agent HQ 将 Claude、Codex、Copilot 等 AI coding agents 接入平台，开发者可以把任务、issue 或 PR 分配给不同 agent，并跟踪输出表现。[4]

这件事很重要。因为当 GitHub 从“人写代码的平台”变成“人和 AI 共同写代码的平台”，开源治理规则也要变化。

过去，开源项目维护者主要面对的是人类贡献者：新手贡献者、核心贡献者、企业贡献者、自动化 bot。现在多了一类新的参与者：能读上下文、能改代码、能解释变更、还能持续迭代的 AI Agent。

这不是简单增加一个工具，而是在改变开源软件供应链。

六、开源项目应该怎么应对 AI Agent？

未来开源项目不可能拒绝 AI。因为 AI Agent 的效率优势太明显，尤其是在测试、文档、依赖升级、样板代码和跨语言迁移上。真正需要建立的是更清晰的使用边界。

第一，明确标记 AI 生成或 AI 辅助的 PR。维护者需要知道这段代码是人写的、AI 写的，还是人机协作完成的。不是为了歧视 AI，而是为了明确审查强度和责任链。

第二，限制 AI Agent 的权限。不要让 Agent 默认拥有过高的仓库权限、发布权限、密钥访问权限或 CI/CD 管理权限。AI 能改代码，不代表应该能碰所有东西。

第三，关键模块必须人工复核。安全模块、支付模块、权限系统、加密逻辑、性能关键路径和底层框架代码，不能因为 AI 生成得很快就降低 review 标准。

第四，CI 和安全扫描要升级。未来的开源项目需要更强的自动测试、SAST、依赖扫描、许可证扫描和供应链安全检测，不能只靠维护者肉眼看 PR。

第五，建立“AI 贡献规范”。就像很多项目有贡献者指南一样，未来可能需要明确 AI Agent 能处理什么任务、不能处理什么任务、如何声明、如何复核。

七、国内开发者也绕不开这件事

很多人会觉得这是 GitHub 的问题，和国内开发者关系不大。但实际上，Gitee、GitCode、企业内部 Git 平台、DevOps 流水线、国产操作系统生态都会遇到同样的问题。

一旦 AI Agent 进入企业研发流程，它就会接触代码仓库、需求文档、测试数据、部署脚本和内部接口。它带来的不只是效率提升，还有权限管理、数据边界、审计追踪和责任归属问题。

尤其是在 OpenHarmony、开源鸿蒙、国产基础软件、企业私有化部署等方向，AI Agent 未来可能会参与应用迁移、组件开发、文档生成、自动化测试和兼容性适配。越是基础软件，越不能只看生成速度。

八、结论：开源项目不怕 AI 写代码，怕的是没人负责

AI Agent 开始批量写代码，是软件开发的大趋势。

它会让开发效率提升，也会让更多人参与开源项目。以前一个维护者没时间处理的 issue，未来可能交给 AI Agent 先跑一版方案；以前没人愿意补的文档和测试，AI 可以快速生成初稿。

但开源项目真正依赖的，不只是代码数量，而是信任、审查、责任和长期维护。

所以，这场争议的核心不是“AI 能不能写代码”。真正的问题是：当 AI 写出的代码进入 GitHub、Gitee、GitCode 和企业研发流程时，我们有没有足够成熟的规则去管理它？

如果没有规则，AI Agent 可能会让开源项目更快，也可能让开源项目更脆弱。

如果规则建立起来，AI Agent 不一定是开源的威胁，反而可能成为下一代开源协作的基础设施。

权威来源与参考依据

[1] AIDev: Studying AI Coding Agents on GitHub，arXiv，2026。该研究整理了 932,791 个 Agentic PR，覆盖 116,211 个 GitHub 仓库。

https://arxiv.org/abs/2602.09185

[2] Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub，arXiv，2026。该研究分析了约 33k 个 AI agent-authored PR 的失败模式。

https://arxiv.org/abs/2601.15195

[3] Security Concerns in Generative AI Coding Assistants: Insights from Online Discussions on GitHub Copilot，arXiv，2026。该研究归纳了数据泄露、许可证、提示词攻击和不安全代码建议等安全担忧。

https://arxiv.org/abs/2604.08352

[4] GitHub adds Claude and Codex AI coding agents，The Verge，2026。报道 GitHub 将 Claude、Codex 等 AI coding agents 接入 Agent HQ。

https://www.theverge.com/news/873665/github-claude-codex-ai-agents

[5] On the Use of Agentic Coding: An Empirical Study of Pull Requests on GitHub，arXiv，2025。该研究分析 Claude Code 相关 PR 的合并情况，并强调仍需要人工监督。

https://arxiv.org/abs/2509.14745