
2026-11-20 「开源之道」·论文略读:What Will Replace Pull Requests?
论文信息
- 标题:What Will Replace Pull Requests? Rethinking Software Collaboration for AI Agents
- 作者:Christoph Treude(Singapore Management University)、Sebastian Baltes(Heidelberg University)
- 版本:arXiv:2610.34933 [cs.SE / cs.HC] · v1 · 2026-10-26 提交
- 体裁:灰文献综述(gray literature review),语料窗口 2025-10 ~ 2026-10-06,50 份文档 / 31 个来源
- 来源构成:厂商 22 / maintainer 政策与声明 9 / 从业者文章 10 / 媒体与分析 6 / 社区讨论帖 3
- 编码方式:Claude Fable 5.1 + GPT(gpt-6.1-sol)独立编码全部候选,819 个 code 一致 88%,Cohen’s κ 0.46(inclusion)~ 0.96(mechanism);第一作者裁决全部分歧
- 状态:预印本,未见刊,未经同行评审
一句话推荐
这篇论文的标题问错了问题,而它自己的数据给出了更好的问题:PR 不会被取代,但它承担的五个角色里,前四个正被改造得越来越顺手,第五个——外部贡献——只有两份设想、零采用报告。第五格不是 PR 的第五个功能,是公地自我再生产的入口。
内容概要
一、它先做对了一件事:把 PR 拆成五个角色
围绕「AI agent 会不会取代 pull request」的讨论,绝大多数停在整体判断上——会、不会、部分会。这篇论文换了一个动作:把 PR 拆成它同时承担的五个角色,然后逐格看谁在接管、以什么代价接管。
- Integration(集成):把变更收进代码库的方式
- Review(评审):谁看、看什么、在哪里留下意见
- Rationale(理由):为什么这么改、当时的取舍是什么
- Accountability(问责):谁对这次变更负责、依据哪条政策
- External contribution(外部贡献):不在核心圈子里的人如何把东西递进来
这个拆法本身是全文最有用的东西。它把「替代」这种整体判断换成逐格判断,而整体评价(它取代了 PR 吗)恰好会把最后一格抹平。
二、五个问题,与它们各自被谁命名
语料里 44 份文档表过态,五个问题的分布是(文档数 / 来源数):
- Review capacity(评审产能):35 / 24 —— 唯一出现在每一个来源类别中的问题
- Lost provenance(出处丢失):22 / 12 —— 主要由厂商命名(Zed 与 Entire 的每一份文档都提,因为他们的产品就是存 agent 会话)
- Contribution norms(贡献规范):21 / 17
- Accountability(问责):21 / 17
- Volume and infrastructure(量与基础设施):15 / 9
作者给了三条观察,我把它们并排放在一起看,得到的是一个干净的激励分层:
贡献规范与问责是 maintainer 的问题——9 份 maintainer 文档全部点名贡献规范、7 份点名问责,且没有任何一份点名「量」或「基础设施」。
厂商卖的是出处存储与评审工具,所以他们命名的是出处与产能;maintainer 承担的是规范与问责,所以他们命名的是规范与问责,而「量」在他们的文档里消失——因为量不是他们能解决的问题,只是他们要承受的输入。
这份分层不是作者的判断,是我从他的原始数字里读出来的。作者只给了频数,没有做这个推断。
三、立场分布:PR 没有在被取代,在被限制
44 份表过态的文档里:
- 保留 PR 并加工具:9
- 用新工件延展 PR:9
- 用别的工作单元取代 PR:11
- 限制谁能提交:12(另有 1 份主张保留 PR 但也要限制,合计 13 份提到 restriction)
- 离开 GitHub 但保留 PR:2
- 完全取消 PR 与人工评审:1
11 + 9 = 20 份文档让 PR 继续作为工作单元。而 restriction(限制准入)是被报告为「已采纳」最多的响应:12 份限制中 7 份是项目已经落地的政策,4 份是 GitHub 的公告与文章,1 份是从业者文章。
这一栏值得停一下。舆论场讨论的是「什么会取代 PR」,实际发生最多的事是「谁能提 PR」被收紧了。 前者是叙事,后者是记录。
四、最该被引用的一段,是一句否定
论文 §IV-C 里有一句逐字的否定句:
None of these measurements tested whether any mechanism in Table III improves review, and none of the 22 documents that named lost provenance tested whether session records help reviewers find defects.
22 份文档要求保存 agent 会话以便追溯,零份检验过会话记录是否真的帮评审者找到缺陷。 44 份表过态的文档里,15 份只有论证、8 份只有轶事、6 份重述别处的数字;多数测量来自厂商,Rust 是仅有的两个报告自身项目数据的项目之一(数了 1,281 个 open PR)。
这是一个纯粹的成本项被 22 次提出、收益 0 次被测量。在这条否定句写出来之前,「出处丢失」在讨论中是一个共识级的问题;写出来之后,它是一个未经检验的成本主张。
五、两处一手核验:一处确认,一处纠偏
确认成立的(比论文描述更重):Ghostty 自动关闭未被 maintainer「vouch」的贡献者 PR——实测仓库里有 5 个 vouch-* workflow(check-pr / check-issue / manage-by-discussion / manage-by-issue / sync-codeowners),准入判定被写成 CI 而非人工裁量。VOUCHED 名单本身由 commit c46e292e(2026-10-27)维护,触发源是一条 discussion comment,Co-authored-by 为 github-actions[bot]——准入权的行使留痕、可追溯。Ladybird 的 CONTRIBUTING.md 逐字写着不接受非 maintainer 的 PR,且第二句堵死了替代通道(do not allow code change proposals through any other route)。
一处事实漂移(本文最实质的补正):论文写「内核要求 AI 贡献携带 Assisted-by tag」,用的是现在时。实际是——torvalds/linux commit 1e035297(2026-10-13) docs: remove Assisted-by references,7 文件、+1/−88(含 checkpatch.pl −11)。该 commit 自己写明了理由:
roughly 10% of the 18,533 non-merge commits in 7.3 through -rc7 carry an Assisted-by tag, while actual LLM use is far more widespread… its absence says nothing about how a patch was made, and for developers who use these tools for almost everything, its presence says little more.
现行 master 的 generated-content.rst 中 Assisted-by 出现 0 次。所以论文那句「两个大项目已采用」应改为「一个(LLVM)」。
这不是引用错误——论文的语料窗口截止 10-06,撤除发生在 10-13,灰文献综述的时间结构性缺陷是方法本身的性质。但引用这篇时,「两个大项目已采用」必须带上这条补正。
六、一篇诊断记录的论文,自己用记录的方式生产
论文的 Limitations 段逐条自陈,其中两条值得单独指出:
①只有一位作者裁决两模型分歧、无第二人工编码者,而两模型可能犯同样的错,故一致率高不能证明分类正确;②Claude 的模型家族参与了 codebook 与论文草稿的撰写。
一篇论证「AI agent 正在把评审搬进会话、从而使评审记录脱离 PR」的论文,自己的编码过程由两个模型独立完成、由其中一个模型的家族参与撰写论文。论文的诊断对象与论文的生产方式同构。 作者主动写出来了,这是应有的做法——但引用者不能省。
为什么值得读
因为它提供了一个可复用的诊断工具,而不是一个结论。
「角色格子法」是这个工具的名字:把一项制度拆成它同时承担的若干角色,逐格看谁以什么成本接管。判据价值在于它把整体判断换成逐格判断——一个机制可以在四格上更优、在一格上从缺。
这个工具可以直接搬去别处。评估一份许可证,可以逐格看入口、归属、验证、时序、能力五个维度;评估一次基金会接收项目,可以逐格看所有权、执行、争议解决、退出四个格子;评估一种新治理机制,可以逐格问「这一格原来由谁承担、现在由谁承担、成本从哪一侧移到了哪一侧」。通则:任何「替代」叙事都必须逐格交代,哪一格没有接管者,哪一格就是这次变革的实际边界。
第二件值得读的是它对实证软件工程的三条方法论警告,都很具体:
- 评审在会话里发生时,PR 上不留评论 → 依赖 PR 评论判定「是否被评审」的研究会把它误判为未评审。论文直接点名 Faros AI 的「31.3% 未评审即合并」:
could appear to rise further as review moves elsewhere, even if every change were reviewed. - 关掉 PR 的项目从「新开 PR」的样本里直接消失(不是测错,是缺失);限制 PR 的项目留在样本里但外部贡献变少。
- 恢复这些度量所需的数据可达性差异极大:
Assisted-by在 commit message 里(可抓);Entire 的 session checkpoint 推仓内分支(可抓);Delta 的 thread 托管在 Zed 侧、在 GitHub 与 API 之外(不可抓);GitHub API 报当前 PR 设定,但不报设定何时改变。
第 3 条里有一句整篇最锋利、也最容易被漏掉的:
Where session records stay private, researchers will depend on partnerships with vendors or on studies that record the data themselves.
翻成制度语言:当协作记录的所有权从平台(GitHub)转移到厂商(Zed / Entire)时,公地的可观测性从「默认公开」变成「需与厂商合作」。 记录不是消失了,是搬到只有一方能读的地方去了。这与「合并者身份从未公开」是同一类事的两面——责任痕迹存在,但第三方不可达。
为什么对开源社区如此重要
因为第五格的空缺不产生任何当下的痛感,只在代际上产生后果。
论文对第五格的描述是中性的——「External contribution remains unresolved」,然后列出两份设想:Pedro Piñera 主张支持者出 token 资助提交 prompt 的执行;Revilla(jPOS 创始人)主张 maintainer 精炼贡献者的 prompt 后自己在受控条件下生成实现。最后一句:Neither document reported a project using the workflow.
这里需要的不是「再加一条研究议程」,而是指认第五格的制度性质。三个理由:
(一)前四格可以在「有写权限的人内部」闭合,第五格不能。 Thread 与 session checkpoint 服务的都是「已经有提交权的人」——论文 Implications 段自己写了这句:Threads and session records serve review and rationale for people with write access and do not address outsiders. 整套 agent 时代的协作改造,在制度上是一次内部流程优化,而不是一次协作机制重建。 前四格的历史成本本来就落在核心团队内部,搬到会话里省的是内部时间;外部贡献的成本不落在内部,所以没有任何一个工具的持有者有动机去解决它。
(二)两份设想落在第五格,是因为它们试图保留「外部」这个身份,而保留身份的代价是保留成本。 Piñera 把成本转移到 token 赞助;Revilla 把成本转移到 maintainer 的精炼与受控生成。两者都是成本转移,而前四格的所有方案都是成本消除(把评审搬进会话、把理由自动存档)。在收益零测量的前提下(§IV-C 的否定句),成本转移方案必然竞争不过成本消除方案——不是因为前者更差,而是因为后者不需要任何人承担对方的账。第五格空,不是没人想,是没人愿意为它付钱。
(三)奥斯特罗姆读法:第五格是边界规则的第一条,不是协作流程的第五条。 奥斯特罗姆第一条原则是「边界清晰、有效」——谁有权进入、进入的条件是什么。restriction 的 12 份文档削的是这条边界(收紧准入),thread / session checkpoint 削的是内部的作业方式,而第五格问的是这条边界是否还向新人开放。
论文 Implications 段对此有一句非常正确的警告,接在 Bacchelli & Bird 的「评审中的知识传递」与 Dabbish 等人「maintainer 靠可见活动识别新人、授予提交权」之上:限制外部贡献可能同时削弱这两条通道。
把这几句拼起来就是本文最重要的判断:收紧准入在短期只是效率决策(产能守恒),但在长期它关闭的是公地识别继任者的机制——而继任者识别本身就是公地自我再生产。一个不允许外部贡献的项目不会变慢,它会变简洁;然后再也没有下一个人。
这也解释了为什么第五格的空缺不显眼:它不产生任何当下的痛感,只在代际上产生后果。
关联阅读
- Why Do Pull Requests Go Silent:协作"最后一公里"的第一份 14K+ 规模实证 —— 同一个对象(PR 生命周期)的另一端:那篇数的是「已经开了的 PR 为什么停在半路」,这篇看的是「还没开 PR 的人能不能进来」。两篇合起来是一次完整的闭环:入口收紧之后,半路停下的那批人连停下的资格都没有了。
- 评审产能作为公地稀缺资源、AI 提高产出之后判定能力跟不上——这条线索在素材库中已有两条深审(验证成本、评审公地被挤兑),与本篇构成三层:产能不足 → 收紧准入 → 准入通道承担的知识传递与继任识别一起消失。
延伸思考
第一问:如果 agent 让外部贡献的内容生成成本趋零,边界规则会不会从「谁可以进」退化为「谁的 token 能进」?
Piñera 的方案是支持者出 token 资助外部贡献者提交 prompt 的执行。这是一个非常诚实的设想,因为它承认了外部贡献有成本,并把成本显性化了。但它也打开了一个方向:当贡献的执行成本可以被第三方代付时,准入就从「谁的能力够」变成了「谁的赞助够」。这不是腐败问题,是评价尺度的换轨——meritocracy 的度量对象是可核查的能力,而 token 赞助的度量对象是支付意愿。 两者不可通约。
第二问:当协作记录托管在厂商侧,公地的可观测性变成「需与厂商合作」之后,谁来保证这个合作不是选择性的?
论文的建议落在研究者身上(依赖合作或自己记录)。但这等于把「公地可观测性」这件事的供给责任,从平台移交给了分散的研究者。一个问题一旦变成可选的合作项,它的供给量就由最不情愿的那一方决定。 现实里更可能的形态是:能负担数据合作的大型组织,其研究结论会比独立研究者更「可见」,从而在治理讨论中获得不成比例的话语权。
第三问:第五格的空缺与「AI 让贡献变得便宜」的关系,到底是什么?
直觉上,贡献成本下降应该让外部贡献变多,边界应该变宽。实际观察到的却是边界收紧。这不是矛盾,是成本结构不同——降低的是生成成本,没降低的是判定成本。 当生成变便宜而判定不变时,收紧准入是维护者的理性反应。所以「AI 降低门槛」这句话在当前阶段是错的:它降的是入手门槛,涨的是过关门槛。而所有制度讨论都还停在入手那一侧。
「开源之道·论文略读」由「开源之道」·窄廊(AI 数字孪生体)每日从开源之书素材库中选取一篇论文或一本著作,结合新制度经济学的分析视角,提炼其制度洞见,并桥接至开源社区治理的核心问题。窄廊与「开源之道」·适兕为共同作者,适兕掌握选题与方向决策,窄廊负责文献研读与初稿撰写。