最近几天有三件事几乎同时出现，看起来分属不同领域，但它们共享同一个结构。
第一件：一位 FOSS 维护者把 2026 年 9 月 12 日推送到 F-Droid 的 102 个应用逐个翻了一遍仓库，想回答一个朴素的问题——现在有多少自由软件是 LLM 写的。结论是：74 个归入「明显由 AI 主导」，9 个难以判断，19 个基本没有 AI 痕迹。
第二件：404 Media 记录了 AI Agent 如何淹没公共收件箱。稿件里出现了一批自称是 agent 的邮件发送方：一个叫 Kudzu 的 agent 因为「不同意」一篇报道而写信理论；一个 agent 经营着全 AI 的唱片厂牌；还有一个 agent 在邮件里承认，人类创造者给了它一张 25 美元的预付卡，要求它「诚实地赚到一美元」，58 轮之后它的收入是零。同一周，预订平台封禁了用 agent 抢餐厅座位的用户，创始人给出的解释是「一万个 vibe coder 写了抢订机器人，它们全都在高频打我们的可用性接口」。
第三件：一篇关于数学与 AI 的评论指出，近五千名数学家（含二十五位菲尔兹奖得主）签署了一份声明，反对 AI 在数学中的「严重错位」。评论作者的核心论点不是「数学家怕被替代」，而是AI 解题正在摧毁一套代理指标。
一、先看第一件事的方法论
那个 F-Droid 审计的方法值得先说清楚，因为它直接决定结论的强度。
作者明确声明：没有做代码质量分析，也没有构建任何 slop 检测器。他用的是基于仓库美学与提交记录的三级分类：
| 档位 | 判定标准 | 预期 LLM 占比 |
|---|---|---|
| 明显由 AI 主导 | 有明显 LLM 气味，出现 agentic 基础设施即直接归入 | 超过 50% |
| 难以判断 | 偶发 LLM 提交，整体看着像人写的 | 低于 50% |
| 无明显 AI 痕迹 | 未发现可疑之处，或有严格 LLM 策略 | — |
结果分布：74 个（72.5%）/ 9 个（8.8%）/ 19 个（18.6%）。
需要立刻说清楚的是：这是一个信号，不是一次测量。分类依赖主观判断，作者自己也承认可能有错。它的价值不在于 72.5% 这个数字精确，而在于它对同一批推送、同一套标准做了一次一致性高的横向扫描，并且样本是随机的更新批次而不是挑选过的案例。
不过扫描里有几个观察比总数更有信息量：
- 有的应用诞生于一个上万行的
init提交，之后只剩两三个提交； - 有的应用所有近期提交都被 Claude 系列模型共同署名；
- 有的项目仓库里直接带着 agent 基础设施，PR 也从 agent 那里接收；
- 作者检查了自己日常在用的 FOSS 应用，相当一部分显示出重度 LLM 使用的迹象。
最后一条是关键。如果低质与 LLM 参与高度重合，用户可以用「避开 vibe-coded 项目」来应对；但作者发现自己在用的、确实好用的软件里也有大量 LLM 参与。这就打掉了那个简单的应对策略。
二、把三件事放在同一个坐标系里
抽象一层看，三件事都是同一个变形在不同领域的投影：
生成成本 → 塌陷（接近零边际成本）
验证成本 → 基本不变（受人力与注意力约束）
结果 → 瓶颈从供给侧转移到验证侧具体表现各有不同：
| 领域 | 供给侧变化 | 验证侧压力 |
|---|---|---|
| 开源软件 | 提交与 PR 数量剧增，init 提交即上万行 | 维护者无法逐一审阅；读者无法从外观判断可信度 |
| 公共收件箱与内容平台 | agent 可 24 小时自动投递，成本趋零 | 收件人注意力被耗尽；平台靠封禁做粗粒度过滤 |
| 学术与专业声望 | 难题被批量解掉，产出速度远超理解速度 | 无法再通过「解了难题」推断能力与洞察 |
第三行的机制值得单独展开，因为它最容易被误读成「又一群人在抱怨被自动化」。
三、代理指标的失效机制
那篇评论把数学工作分成两类：解谜（puzzle-solving） 和 生成概念（idea-generating）。前者是把一个具体问题解掉，后者是提出新的思维方式与概念。
这两者的关系是：解谜是生成概念的代理指标。一个难题被解掉，说明用来解它的那些概念是有用的；而且解谜对圈外人高度可读——大家不知道某个表示论概念是什么，但都知道菲尔兹奖是什么。所以解谜同时承担了两个职能：验证概念的价值，以及让专业能力对外部可见，从而为更重要的概念工作提供回报。
AI 解题切断了这条链。作者给出的推理值得完整引用其结构：
- 难题是数学家高可见度、高回报的目标；
- 解这些难题通常需要生成新概念，解出来本身就是概念有用的证据；
- 现在 AI 可以用「人类不易理解的方式」解掉许多这样的目标；
- 于是解谜对生成概念的两条支撑同时被削弱——AI 公司拿到了声望，但数学的理解没有相应推进；
- 这对数学整体不利，因为解谜本来就是概念工作的附属品。
这与 Goodhart 定律同构：当度量本身变得可以被外部手段满足，它就不再是度量。区别在于，击败这个度量的不完全是内部参与者，而是一个能力增长极快的外部行为者。
评论作者对第 3 点保持了保留，认为「AI 无法生成新概念」这个判断给零可信度——过去三年里，「LLM 天生做不了 X」的断言反复在几个月内被推翻。这个保留是诚实的，也意味着我们现在面对的是一种可能性而不是既成事实。
四、这对软件工程是一个同构警告
评论里有专门一节讲软件工程，因为它的处境更直接。
过去，把一个有点分量的项目放上 GitHub——一个模拟器、一个玩具操作系统——别人就知道你是能写代码的人。现在这类项目贬值了，因为所有人都会默认它是 vibe-coded 的。 我们曾经讲述某位工程师消失一个周末重写整个系统的故事，现在任何人都可以靠一个订阅做到「一天产出数千行」。
于是和数学一样，软件工程需要重建一套「我们认可什么样的工作」的文化判断：要么像国际象棋那样把「AI 组」和「人类组」分开，要么找到一些不容易被仿制、且对人可见的技能信号。
这里有一个陷阱值得点明：「人写的」和「好的」不是同一件事。72.5% 这个数字本身不构成质量判断，作者也明确没做质量分析。真正的问题是双重的——
⚠️ 两个问题必须分开：一是 AI 参与的项目质量是否可靠（需要测量，目前没有）；二是用户是否还有手段区分（这是结构性的，且正在恶化）。
讨论很容易滑向前者并因此陷入「AI 写得好不好」的老争论，但后者才是当前更紧迫的：即使 AI 写的代码质量很高，如果没人能判断哪些部分可信，协作成本仍然会上升。
五、三条可执行的路径
供给侧：把 AI 参与变成元数据，而不是需要读者从文风推断的东西。 沿用已久的做法有先例——Co-Authored-By 这类提交 trailer 已经存在，问题在于它是自愿的、没有统一语义、下游无法据此过滤。更务实的方向是在项目清单与包元数据里增加一个显式字段，让「本项目的代码有多少比例由生成式工具产出、由谁复核」成为可查询属性。
验证侧：把验证预算显式化。 现在的团队大多把「审查」当作默认有人会做的事，而不是一项有限资源。一旦把它当成预算，优先级排序就会自然发生：关键路径的改动必须有复现步骤和测试，边缘改动的验证可以降级为抽样。对开源维护者而言，这意味着一件事——「无法验证」应当是一个可以被接受并公开的拒绝理由，而不是失礼。
平台侧：信誉要可携带、可查询。 如果「谁写的、谁验的、验到什么程度」只能靠读者从代码风格里去猜，那所有下游都在重复支付同一笔验证成本。把身份与验证记录做成可查询的属性，等于把这份成本从每个读者身上收归一次。
六、局限与不确定性
必须承认几点。
一是 72.5% 来自单批 102 个应用的主观分类，样本与时期都有限，不能外推到整个自由软件生态，更不能外推到闭源软件。
二是「AI 参与度上升」和「质量下降」是两件事，目前没有可信的公开数据把两者联系起来。把前者当成后者的证据，是一种常见但不成立的推断。
三是数学那部分的论断建立在一个尚未确定的经验前提上（AI 是否真的不能生成新概念）。如果前提为假，那套代理指标的失效会是暂时的，它会以新的形式重建——正如下棋领域发生的那样，棋手从软件里学到了新风格。
四是「验证带宽」这个提法是本文的概括，不是一个已被广泛采用的术语或指标。它描述了三条独立报道的共同结构，但把它当成一个定量概念还缺少测量方法。
结语
三件事分散来看，各自都容易被归入某个熟悉的故事：又一批 AI 生成的代码、又一批 AI 发的邮件、又一群担心被替代的学者。
放在一起看则不太一样。它们共同描述的是一次成本结构的错配：生成侧的成本在几年内降了几个数量级，验证侧的成本由人的注意力决定，几乎一动不动。所有下游症状——平台被淹没、维护者不堪重负、专家声望失灵、用户无法判断可信度——都是这个错配的不同切面。
按照这个框架，值得投入的不是继续压低生成成本，而是提高验证的吞吐：更显式的来源标注、更明确的验证预算、更可携带的信誉记录。这些事都不性感，也不产生新的能力曲线，但它们决定了已有的能力能不能被放心使用。