Rust 的 LLM 政策草案劃對了界線
2026年4月17日,有人向 Rust Forge 提出一個 pull request,為 rust-lang/rust 制定 LLM 使用政策。截至 2026年5月17日,該 pull request 仍為開放狀態,已有 65 則 issue 留言與 284 則 review 留言,因此這項提案尚未成為正式政策。1
這份草案現在仍值得重視,因為它點出了多數 AI 程式撰寫指南迴避的界線:LLM 可以幫助人思考、學習、檢查與實驗,但在專案用來保留判斷力、品味、責任歸屬與共同理解的地方,不應取代人的作者身分。2
這項提案也符合 Rust 既有的貢獻規範。目前的 Rust Forge 貢獻指南已經要求貢獻者建立信任、尊重審查者時間、提交自己充分理解的工作、在提交前仔細檢查,並保持留言精簡。3 編譯器審查政策也指出,審查者必須對受審程式碼有足夠理解,而審查時間有限。4 這份 LLM 草案把這些既有期待,具體落實到 AI 輔助工作上。
重點摘要
Rust 草案允許私下使用 LLM 進行學習、摘要、私人審查、個人工具開發與實驗。2 它禁止由 LLM 起草的公開留言、issue 內容、pull request 說明、文件、編譯器診斷訊息,以及任何把 LLM 審查視為足以合併或拒絕程式碼的流程。2 它也為 LLM 產生的程式碼變更開了一個狹窄實驗空間:必須是受邀、非關鍵、已揭露、高品質、測試充分,且作者與審查者都完全理解。2 我的解讀是:這項政策之所以成立,是因為它優先保護智識責任,而不是產出量。
核心觀點
- 對維護者而言:政策應先保護審查量能、專案語氣與責任歸屬,再談生產力。
- 對 AI 程式團隊而言:應廣泛允許私人使用,但在公開作者身分、文件、診斷訊息與合併權限上劃下更硬的界線。
- 對貢獻者而言:揭露只有在人仍然承擔作品責任時才有意義。「模型寫的」不能變成藉口。
- 對工具建置者而言:審查 bot 需要獨立身分、可封鎖性、低誤報壓力,以及建議性地位。
- 對代理團隊而言:草案中最好的規則是文化性的,不是技術性的:用 AI 把東西寫得更好,而不是更快。2
草案把思考與作者身分分開
多數 LLM 政策會把兩種不同動作壓成同一類:使用 AI。Rust 草案則把它拆成私人認知與公開作者身分。
私人認知獲得廣泛許可。貢獻者可以向 LLM 詢問程式碼庫問題、為了私下理解而摘要留言、私下審查自己的程式碼或文字、建立個人開發者工具,也可以先產生可能解法供自己學習,再寫出自己的解法。2
公開作者身分則有明確紅線。草案禁止個人帳號張貼原先由 LLM 建立的留言。同一規則也適用於 issue 內容與 pull request 說明。2 草案也禁止原先由 LLM 建立的文件,包括非平凡的原始碼註解、文件註解、安全註解、多段落註解,以及編譯器診斷訊息。2
這個區分合理,因為公開產物承載的是專案語氣。編譯器診斷、安全註解與文件不只是傳遞資訊。它們在教使用者 Rust 如何思考,也會成為專案長期維護負擔的一部分。
LLM 生成的文字可能看似精緻,卻削弱這份負擔的承擔關係。審查者現在必須追問:誰選了這種措辭?誰理解其中含意?誰負責邊界案例?日後造成困惑時,誰會修正?草案拒絕讓貢獻者把這份責任外包,同時保留人類帳號的可信度。
最強規則:AI 審查不能成為合併權限
草案禁止把 LLM 審查視為合併或拒絕變更的充分條件。2 審查 bot 可以存在,但草案要求它們維持建議性角色。審查者必須明確認可 LLM 留言,該留言才能阻擋 pull request;作者仍然有自我審查義務。2
這條規則避開了一個誘人的失敗模式。團隊可以加入 AI 審查,然後宣稱工作流程更安全,即使新工具只是製造了第二股沒人有時間評估的主張。bot 可以找到真正的 bug,也可能提出瑣碎反對、過時風格建議、幻覺限制,或對自己沒有理解的程式碼發表自信評論。
Rust 草案從結構上處理這個問題:
| 風險 | 草案回應 |
|---|---|
| Bot 留言看起來像維護者判斷 | 要求審查 bot 使用獨立且標示為 LLM 的帳號 |
| 疲憊的貢獻者無法避開 bot | 要求可透過標準 GitHub 使用者封鎖機制封鎖 |
| Bot 製造吵雜反對意見 | 設定審查工具以降低誤報與瑣碎意見 |
| Bot 在沒有人負責的情況下阻擋進度 | LLM 留言在審查者認可前不得具有阻擋效力 |
| 作者委派責任 | 要求發布前與每次變更後都進行自我審查 |
重點不是 LLM 審查毫無價值。重點是,審查權限屬於人與專案流程。機器可以協助審查者,但不能成為正式審查者。AI 程式碼審查需要異議,而非共識勾勒了一種代理審查:逐條驗證每項發現,並把判斷交給人類審查者。
程式碼例外刻意收得很窄
草案並未禁止所有由 LLM 建立的程式碼。它為符合五項條件的程式碼變更加開實驗空間:受邀、非關鍵、高品質、測試充分、審查充分。2
每個詞都有實質作用。
受邀表示審查者事先同意審查由 LLM 建立的 pull request。新貢獻者若要走這條路,必須先與同一位被指派到該 PR 的審查者溝通。2
非關鍵讓 AI 建立的變更遠離錯誤可能造成 soundness 退步的區域。草案點名內部工具較可能適合,而 trait system、MIR 建置或 query system 等區域大概不合適。2
高品質表示程式碼至少必須符合其他變更的同等標準。草案明確拒絕會降低程式碼庫品質的 PR。2
測試充分則拉高門檻。由 LLM 建立的 PR 面臨更高的測試期待,因為 LLM 讓撰寫測試更容易。若沒有既有測試套件涵蓋該程式碼,作者就必須寫新的測試,否則關閉 PR。2
審查充分表示作者與審查者都承諾完全理解程式碼。專案成員的審查不能取代自我審查。2證據關卡把這種自我審查套用到代理的產出上:沒有檔案路徑或測試輸出,任何完成宣稱都不成立。
這個實驗形狀很有用。它沒有假裝 AI 建立的程式碼不能幫上忙,也拒絕懶散版的「AI 輔助貢獻」:貢獻者生成補丁、請維護者代為整理,自己卻不花任何心力理解。你的代理寫得比你讀得還快把這種欠缺的理解稱為認知債,而它會隨代理的速度不斷累積。
更好,而不是更快
草案最重要的一句話是:當人們用 LLM 把東西寫得更好,而不是更快時,效果最好。2
這句話應成為 AI 程式撰寫的預設標準。
只有更快,會把工作從作者轉嫁給審查者。貢獻者省下 1 小時生成補丁,維護者卻花 3 小時從有用程式碼、奇怪測試、臃腫註解、含糊診斷訊息與沒人負責的設計選擇中抽絲剝繭。即使 diff 最後能編譯,專案仍然輸了。AI 程式設計代理需要更小的審查面把審查者的注意力視為稀缺的生產資源。
更好問的是另一個問題:工具是否幫助人形成更精準的理解?它是否找到作者已驗證的邊界案例?是否幫忙起草了作者真正理解的測試?最終貢獻是否更容易審查、維護與信任?
Rust 草案讓這個區分可執行。私人使用 LLM 可以改善作者理解;公開由 LLM 起草的作者行為可能削弱專案的共同理解。實驗性的 AI 建立程式碼,只有在邀請、範圍、品質、測試與審查都承擔額外負擔時才能前進。
這種組合勝過全面樂觀,也勝過全面禁止。它承認技術可能有幫助,但專案不會只因模型讓產出變便宜,就吸收低責任歸屬的成果。
管理章節避免獵巫
草案也相當謹慎地處理執行問題。它告訴貢獻者,無須扮演偵探追查 LLM 使用情況。若違規看起來明確,指向政策即可;若案例介於灰色地帶,回報給管理者後繼續前進。2
同一節把隱瞞 LLM 使用視為行為準則問題,但也明確表示,因他人使用 LLM 而騷擾貢獻者並不可接受。2 這兩者同樣重要。會鼓勵猜疑的政策,可能比它試圖阻止的 AI 生成內容更快毒化社群。
好的 AI 政策需要兩道界線:
| 界線 | 重要性 |
|---|---|
| 政策要求揭露時,不得隱瞞 LLM 使用 | 當貢獻者錯誤呈現作者身分,信任就會崩塌 |
| 不得因懷疑他人使用 LLM 而騷擾 | 猜疑不能變成專案文化 |
草案把責任放在貢獻者身上,但沒有把每位審查者都變成調查員。這保護的不只是程式碼,也包括審查文化。
其他專案應該借鏡什麼
Rust 提案值得關注,因為它定義的是角色,而不是氛圍。
把 LLM 用作:
- 私人家教;
- 私人審查者;
- 協助自己理解的摘要器;
- 在人類驗證 bug 時的 bug 發現輔助;
- 審查者同意且範圍維持低風險時的實驗來源。
不要把 LLM 用作:
- 您公開留言的作者;
- 專案文件的聲音;
- 編譯器診斷訊息的作者;
- 人工審查的替代品;
- 未撰寫測試的藉口;
- 迫使維護者審查您不理解的程式碼的方法。
這份清單給維護者的,不是道德辯論,而是一套可操作政策。
我的解讀
這份草案切中了 AI 程式撰寫造成的品質問題。程式碼變得更便宜。審查注意力、品味、連貫性、專案語氣與社會信任卻沒有變便宜。稀缺性往上移了。
若專案最佳化的是產出量,維護者會被看似合理的 diff 淹沒。若專案最佳化的是責任歸屬,仍然可以使用 AI,但只能以讓人類作者更有能力、讓審查者負擔更輕的方式使用。AI 代理審查包是新的最終答案描述了其中一種方式:一份人類可以檢查或駁回的證據包。
Rust 草案保護的是稀缺的那一層。它把診斷訊息、註解、文件與審查權限視為專案的一部分,而不是可替換文字。它把測試與自我審查視為義務,而不是配件。它給實驗一條路,但不是空白支票。
對嚴肅軟體專案而言,這是正確方向。Rust 正式採用前,具體規則可能還會變。但底層形狀不應改變:AI 可以幫人把工作做得更好,但人仍然必須擁有貢獻的責任。代理取代的是審查者,而不是審查回應了一篇後來宣告程式碼審查終結的論文:判斷仍然屬於人。
FAQ
這項 Rust 政策已採用了嗎?
沒有。截至 2026年5月17日,這項政策仍是一個標題為「Add an LLM policy for rust-lang/rust」的開放 Rust Forge pull request。目前 rust-lang/rust-forge 的 main 分支尚未包含 src/policies/llm-usage.md。15
草案禁止所有 AI 使用嗎?
沒有。草案有條件允許私下使用 LLM 進行學習、摘要、審查、個人工具開發與想法產生。它也為已揭露、受邀、非關鍵、高品質、測試充分且審查充分的 LLM 建立程式碼,開了一個狹窄實驗空間。2
草案禁止什麼?
草案禁止由 LLM 起草的公開留言、issue 內容、pull request 說明、文件、編譯器診斷訊息,以及把 LLM 審查視為足以合併或拒絕程式碼。2
為什麼草案如此嚴格看待文件與診斷訊息?
文件與診斷訊息承載專案語氣、使用者指引與長期維護義務。草案在某些情況下允許 LLM 協助周邊邏輯,但禁止 LLM 建立訊息本身。2
AI 程式團隊應從這項提案學到什麼?
區分私人協助與公開作者身分。當 AI 影響他人時要求揭露。讓審查權限留在人手中。當 AI 協助建立程式碼時,提高測試與自我審查門檻。最佳化更好的工作,而不是更多產出。
參考資料
-
jyn514, “Add an LLM policy for
rust-lang/rust,” rust-lang/rust-forge pull request #1040。2026年4月17日開啟。2026年5月17日於目前會話進行的 GitHub API 驗證發現狀態為open、merged=false、65 則 issue 留言、284 則 review 留言,且檔案包含src/SUMMARY.md、src/how-to-start-contributing.md與src/policies/llm-usage.md。 ↩↩ -
jyn514 branch proposal, “LLM Usage Policy,” 針對 rust-lang/rust-forge pull request #1040 提出的
src/policies/llm-usage.md。來源涵蓋允許、禁止、附帶條件、實驗、範圍、管理、責任與修改等章節。擷取日期:2026年5月17日。 ↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩↩ -
rust-lang/rust-forge main branch,
src/how-to-start-contributing.md。來源說明既有貢獻者禮儀,包括信任、審查者時間、充分理解提交工作、詳細自我檢查與精簡留言。2026年5月17日於目前會話驗證發現該檔案回傳 200,且不包含「LLM Usage Policy」。 ↩ -
rust-lang/rust-forge main branch,
src/compiler/reviews.md。來源說明編譯器審查政策的基本審查要求,包括審查者須充分理解受審程式碼、審查者時間有限,以及審查者須對核准適當性負責。擷取日期:2026年5月17日。 ↩ -
rust-lang/rust-forge main branch,嘗試查詢目前 main 的
src/policies/llm-usage.md。2026年5月17日於目前會話驗證發現https://raw.githubusercontent.com/rust-lang/rust-forge/master/src/policies/llm-usage.md回傳 404,支持該政策仍為提案而非已採用政策的說明。 ↩