过去一年，以Claude Code和ChatGPT为代表的大型语言模型（LLM）已成为开发生态中不可忽视的生产力工具，极大地降低了编码门槛。然而，这种效率的提升并非没有代价。对于追求代码可读性、简洁性与低耦合度的长期维护项目而言，LLM生成的“快速”代码可能与核心工程哲学产生冲突。
Jellyfin项目，一个长期致力于重构其代码库以摆脱遗留“面条代码”复杂性的社区，正站在这一技术浪潮的前沿。他们观察到，社区内使用AI辅助的代码贡献量正在激增，同时也伴随着对LLM泛滥的担忧。
为此，Jellyfin发布了一份详尽的贡献政策，旨在为社区互动和代码提交设立清晰的规范。该政策的核心在于对“纯粹的AI生成内容”说不，尤其是在直接沟通层面，如报告、讨论或文档中，要求贡献者使用自己的语言，确保理解和责任的归属。
在代码贡献方面，政策更为精细化。虽然承认LLM可以作为辅助工具，但明确指出“纯粹的‘氛围编码’将被拒绝”。贡献者必须对提交的每一行代码负责，这意味着如果代码质量低下、设计冗余或违反既定标准，即便由AI生成，也将被拒绝。这传递了一个强烈的信号：AI是辅助者，而非决策者。
该指南试图在不扼杀创新和效率提升的前提下，防止社区被低质量的“垃圾代码”淹没。Jellyfin强调，核心原则是“不要将LLM放任自流，然后提交原始结果”，这被视为懒惰开发，与项目的核心工程伦理背道而驰。
值得注意的是，对于非官方项目，社区内的分享也需要遵守这些AI使用规范。这项政策不仅是Jellyfin对自身代码健康度的保护，也为其他面临类似范式转变的开源项目提供了宝贵的参考框架，预示着未来开源协作将更加依赖于人类的“质量把关”能力。
（信息来源：Jellyfin LLM Policies 文档）