摘要
30 秒看懂
Theo Browne 阅读了 Codeberg 针对主要由生成式 AI 编写的代码构成的项目提出的条款。他质疑其中隐含的安全比较,并引用观众投票和自己的经验;两者都不能证明 AI 生成代码总体上是否安全。
- 1拟议限制Theo 阅读了针对主要由生成式 AI 编写的代码构成的项目的条款。
- 2观众投票他询问随机选取的 AI 生成软件包和水平低于平均的开发者编写的软件包,哪个更可能安全。
- 3Theo 的经验根据自己阅读代码的经验,他认为近期 AI 模型写的代码往往比普通人更好。
要点建议
- 提案针对主要由 AI 编写代码构成的项目,并非禁止一切 AI 使用。
- Codeberg 提到了版权不确定性和防止有害代码的保障措施不足。
- Theo 的观众投票来自自选参与者,并未测量实际安全性。
- 他对人和 AI 编写代码的比较是个人判断,并非受控研究。
全文
按章节阅读整理后的全文
01
Codeberg 提案与安全性比较
Theo 阅读拟议条款并向观众发起投票。他分享对近期 AI 生成代码的看法,而投票只是对观众意见的非正式测量。

Codeberg 的拟议条款称,用户不得分享主要由生成式 AI 工具编写的代码构成的项目。条款提到版权状态不明确,以及防止有害代码的保障措施不足。这针对的是主要由 AI 编写代码的项目,并非禁止一切 AI 使用;该组织的[公告](https://blog.codeberg.org/protecting-our-floss-commons-from-llms.html)还介绍了初步执行说明。
我问观众,哪一个更可能安全:随机选取的、使用 Fable 和 GPT-5.6 等现代模型进行氛围编程的软件包,还是一名低于平均水平的开发者编写的随机软件包?我说大约 90% 的聊天观众选择了 AI 生成的软件包。这是自选观众投票,不是安全测试,也不是有代表性的调查。

一些观众说一年前他们会投另一边,我也一样。自 Opus 4.5 以来,我读过大量 AI 和人编写的代码;我的印象是,普通人写的代码比使用 Opus 4.5 或更新模型生成的平均代码更差。这是我的个人经验,并不能证明某个生成的软件包是安全的。
同频道的其他文章
38:47EN → 简体中文Theo 的长时间 Agent 实验:验证、算力与成本Theo Browne · Ping Labs滑板游戏和两个编译器项目展示了反复检查与弹性算力如何支撑 agent 工作,也揭示了循环可能带来的高昂成本。
36:07EN → 简体中文Theo 谈 Token 成本、编程智能体与 AI 能力的价格Theo Browne · Ping Labs一则关于 Lauren 的 AI 支出估算广泛传播,引出了对缓存计价、基准测试和编程智能体工作方式的讨论。
30:37EN → 简体中文Theo 的三个技能:用编程智能体审查和交付代码Theo Browne · Ping Labssol-loop、full-send 和 full-stop 如何定义审查、验证以及不同程度的合并权限。
0:43EN → 简体中文Theo 区分安全漏洞与实际攻击Theo Browne · Ping Labs一段简短讲解:软件漏洞披露和攻击事件为何属于不同类型的安全新闻。
29:22EN → 简体中文Theo 谈安全漏洞、被盗 API 密钥与 AITheo Browne · Ping Labs从漏洞披露到补丁部署之间的风险窗口,以及被盗推理密钥为何可能有价值的推测。
31:13EN → 简体中文Theo:更聪明的模型为何能帮助更多人Theo Browne · Ping Labs从游戏修改到编译器实验,Theo 重新思考谁能从更强大的 AI 中受益。