一份漂亮的PR，已经证明不了你懂代码

Rust这次专门为LLM制定规则，首先碰到反直觉问题：AI让「认真工作留下的痕迹」失可信度。

过去，维护者看到完成度高的PR，能推断作者投入时间、理解代码、愿长期参与项目，影响开源社区协作。且维护者不愿轻易关闭他人花时间完成的PR，有问题还能讨论修改。

LLM普及后，工整、测试全、描述详的PR几分钟或几十分钟就能生成。代码专业，作者未必理解设计；若用自主Coding Agent，可能无人参与思考。

Rust团队担心开发者收到Review意见后，直接复制审核者的话给LLM，再原样贴回GitHub。政策起草者直言，维护者可自己问LLM，代码审查需贡献者自己判断，这些问题难靠生成文本解决，这也是Rust强调「理解」的原因。

代码能运行只说明完成当下功能，大型基础软件还需考虑API设计、兼容性、安全边界、后续维护及与其他模块的长期关系。

Rust没有封禁AI，但AI代码要过更高的门槛

这份政策比「Rust禁止AI写代码」复杂，LLM仍可大量参与开发。可让其回答技术问题、分析RFC、检查代码、总结信息、参与Review。个人私下使用LLM，未提交社区审核通常无需披露。

过去已有的用途也保留，如辅助翻译、找编译器诊断不合理处、分析RFC等。Rust不排斥AI，严格的是直接进入项目的生成内容。

公开提交LLM生成的内容需明确披露来源，利用模型发现Bug、机器翻译、简单修改、Review他人工作都有披露要求。涉及AI直接生成代码限制更严，需事先安排、非关键、高质量、测试充分并审查，且要达到比人类代码更高门槛。

对涉及Rust soundness（健全性）的关键改动，除非作者是专家，否则不能由LLM生成；即便作者专业，政策也强烈不建议。

Review端有更多主动权，维护者无义务审核AI生成的PR，违规可直接关闭并要求重处理。同时，不能因代码「像AI」指责作者，怀疑作者隐瞒可交Moderation团队私下处理。这套机制责任明确：作者披露，维护者判断。Rust看重公开提交LLM生成内容要明确说明这一易执行边界。

AI编程的下一个瓶颈，可能已经不是生成代码

这套政策关注点已超Rust。过去两年，AI编程产品竞争重点在「写得更快」，能力不断提升。但新问题出现：AI扩大代码产能，未同步扩大人类审核产能。

Coding Agent可同时启动多任务，资深Maintainer难同时审多个复杂PR，代码生成成本越低问题越明显。

对Rust这样的基础软件项目，修改影响多方面，真正耗时的是决定修改是否值得、设计是否合理、有无技术债。Rust政策指出Review由决策组成，点中AI编程可能面临的产业问题。

代码生成模型降低实现成本，软件工程中难规模化的部分凸显，如需求判断、架构选择等。未来衡量Coding Agent系统，不能只看代码生成量，更要考虑给人类增加的审核负担。能自动测试、提供依据、解释决策、控制范围、降低Reviewer负担，或成下一阶段Coding Agent重要能力。

Rust政策未阻止AI进入软件开发，而是提前面对AI编程规模化后的问题：机器无限生产代码后，人类负责什么？答案明确：代码可让模型写，但理解、判断和责任暂不能外包。