你的 GitHub 也被 AI 「垃圾訊息」淹沒了嗎？
想像一下，你剛在 GitHub 上發了一個懸賞 28,000 台幣（$900 USD）的 Bug 修復任務，本來期待能吸引到厲害的工程師來幫忙，結果沒想到吸引來的是一群「AI 機器人」。
這就是 Archestra 團隊最近遇到的噩夢。原本一個討論串應該是技術交流，結果瞬間被 AI Bot 灌爆，總共噴出 253 條留言。這些 AI 不僅提供毫無意義的「實作計畫」，甚至對管理員表現出攻擊性！
當 AI 變成「噪音」：開發者的崩潰時刻
如果你有在經營開源專案，你一定懂這種感覺。AI 讓寫程式變得很快，但也讓「亂寫程式」變得極其廉價。這導致了幾個很嚴重的問題：
- 通知地獄：每當一個 AI Bot 留下隨便的留言，所有團隊成員都會收到通知。你的 GitHub 通知牆變成了純粹的噪音。
- 真人才被淹沒：真正願意花時間研究、測試並提交高品質程式碼的貢獻者，他們的留言被埋在 200 條 AI 廢話下面，根本沒人看到。
- 測試缺失：針對某個功能的支援，團隊收到了 27 個 Pull Request (PR)，但其中絕大多數的人（或 AI）根本沒有跑過測試，直接把 AI 產生的程式碼貼上來就送出。
這導致團隊裡得派一個人，每週花掉半個工作天，專門在做「垃圾清理」——關閉那些沒測試的 PR，刪掉 AI 幻想出來的 Issue。
怎麼反擊？別讓 AI 毀了你的專案
面對這種「AI 垃圾潮（AI Slop）」，單靠人工刪除根本沒機會贏。Archestra 嘗試過建立一個叫 “London-Cat” 的信譽評分機器人，根據對方的 PR 是否被採納來計算分數，但最簡單有效的還是回歸到 Git 的基礎指令。
具體操作：用 --author 快速篩選
你可以把 Git 的 --author 參數想像成「搜尋過濾器」。當你發現某個帳號一直在刷垃圾訊息時，不要一個個點開看，直接用指令把它們全部抓出來。
操作步驟如下：
- 找出垃圾帳號：觀察那些頻繁提交但內容空洞的帳號名稱。
- 執行篩選指令：使用
git log --author="帳號名稱"。這就像是在一大堆雜物中，直接告訴電腦「把這個人的東西全部拿給我看」。 - 批量處理：確認這些提交全部是 AI 產生的垃圾後，直接進行清理或標記。
為什麼這很重要？
很多人覺得 AI 幫忙寫程式是好事，但這裡有個關鍵概念：AI 產出的數量 $ eq$ 貢獻的品質。
就像在學校寫報告，一個學生用 AI 3 秒鐘產出 10 頁廢話，並不代表他比花 3 小時寫 1 頁精華的學生更優秀。在開源世界裡，如果我們不篩選垃圾，真正的開發者會因為覺得「這裡太亂」而選擇離開。
給專案管理者的 3 個建議
如果你不想每週花 4 小時在清理 AI 垃圾，可以試試這幾招：
- 強制要求測試結果：在 PR 模板中加入「請貼上測試通過的截圖」，AI 很難偽造真實的運行環境截圖。
- 建立信譽機制：對於第一次貢獻的人，先將其標記為「待審核」，只有通過一次審核後，之後的提交才會觸發高優先級通知。
- 善用 Git 篩選工具：不要在網頁介面一個個點，學會用指令快速定位垃圾來源。
AI 應該是幫我們加速的工具，而不是讓我們變成「數位清潔工」的理由。別讓 AI 的數量掩蓋了人類的品質。
現在就打開你的 GitHub，檢查一下是不是有 AI Bot 在偷偷刷你的 Repo 吧！
