一位程序员向开源项目OpenCut提交了一个包含12万行代码的Pull Request（PR），在国外论坛引发广泛关注。该PR大部分代码由AI生成，包括大量文档和测试代码，实际有效代码量较少，且存在可读性和bug问题，最终未能被合并。此事引发了关于如何正确提交PR、AI辅助开发以及AI工具研发方向的讨论。文章强调，AI应作为提高开发效率的工具，而非完全替代人工，AI工具开发者应着重提升代码质量。

🚀 PR提交的背景与影响：一位程序员提交了包含12万行代码的PR，其中大部分由AI生成，包括大量文档和测试代码。这一行为在开源社区引发围观和讨论，也暴露了AI辅助开发中可能存在的问题。

💡 AI辅助开发（Vibe Coding）的现状与挑战：文章指出，部分开发者倾向于依赖AI生成代码，即“氛围编程”，但AI生成的代码质量参差不齐，可能存在可读性差、bug等问题。这表明AI目前更适合作为辅助工具，而非完全替代人工开发。

✅ 正确提交PR的建议：文章提供了提交PR的规范流程，包括查阅贡献指南、创建新分支、进行代码修改并添加测试、使用规范的commit message以及提交PR。强调保持代码修改范围小、文档详细和单元测试完整，有助于提高PR被合并的几率。

⚙️ AI在编程中的角色定位：文章认为，AI不能完全提升编程质量，但可以提高编程效率，提供思路和方向。开发者应将AI视为辅助工具，而不是完全的开发替代品。AI工具开发者应致力于产出高质量的代码，这是未来发展的关键方向。

前几天，有位老哥向开源项目OpenCut提交了一个12w行代码的pr，被人发现分享在国外的论坛，引发大量的围观，观摩地址

程序员看了这个pr都玩起了梗，高呼LGTM

LGTM是啥意思呢，就是类似我们的拼音缩写，完整为(Looks Good To Me)，意思是我看着很好，在PR审查也意味着可以合并。

这里也分享一些其他缩写：

PR: Pull Request 代表拉取分支修改后的和合并请求CR: Code Review 代码审查CC: Carbon Copy 抄送RFC: Request For Comment 征求意见或评论SGTM: Sounds Good To Me 意思和LGTM差不多WIP: Work In Progress 意思我还在开发中，不要合并，你可以看看部分代码PTAL: Please Take A Look 请看一眼，请求维护者过来审核TBR: To Be Reviewed 提醒维护者审查代码TL;DR: Too Long; Didn't Read 太长了，别看了，提醒代码过长TBD: To Be Done 还没做，或者未完成

被围观了之后老哥还是很有热情，也开始删减自己的代码并且还在不断的提交代码

甚至有程序认真地看了这个pr并提出意见

从这里可以看到，老哥为啥会产生如此大的提交。老哥的代码都是通过Ai修改生成的，也是Vibe Coding（氛围编程），氛围编程主要由AI完成。开发者向AI提出需求，只要代码能正常运行，开发者便不经详细检查直接应用。当代码出问题时，要求AI修改。

有人统计了整个pr，总共包含12.8万行代码，但大部分是AI生成的文档（8.6万行，占 68%）。此外，它还包含9万行AI生成的测试代码（占 7%）。因此，实际代码只有3.2万行（占 25%）。并且文档也不是易懂，可能有很多的中文注释的原因。也存在一些bug。

当然，合并这个巨大的pr显然是不可能的，这个老哥也是在最后关闭了合并请求

这个老哥始终都是积极的，标题也是 “想帮忙但需要一些帮助”，大伙也是在积极的讨论，同时这件事也给了我们很多的思考：

如何正确的提交pr

查看贡献指南，一般都会有个Contributing Guide的文档，了解具体的开发环境，操作步骤等fork仓库代码并创建一个修改的分支对代码进行修改，一般是实现一个新功能或者修复一个bug，并添加相应的单元测试等代码提交代码，使用规范的git commit message，可以参考Angular的规范提交pr，等待维护者review和合并即可

提交的代码维护者都会进行审查，如果代码可读性很差或者代码很大无疑增加了审核的成本，所以也大大降低了合并通过的可能性，所以尽量保持小范围的修改和详细的文档和完整的单元测试。

该如何使用AI

前不久和朋友吃饭，他说领导叫他一天完成一个网站，他说一天完成不了，领导说你不会使用AI生成吗，他无奈的去用AI生成了，结果生成的代码并不能完整运行，最后还是自己完成。在现在的AI风潮下，确实很多人形成了有了AI我也可以随意开发的意识，我也看到很多文章“使用xxx一个小时/一天开发一个xxx”，无不提供一种有了AI开发应用就成了很简单的事情，但是一看无非也是一些小工具类的应用。这种小工具应用的可容忍程度还是比较高的，因为功能还是比较简单，并且有很多可替代方案，所以用AI去生成也是比较合适的，但我们还是得正确的认识AI。

AI不能完全的提高我们的编程质量，但可以提高我们的编程的效率。AI能做的是能够快速帮我提供一个思路与方向，我们应该把AI当做一个工具，而不是完全开发的替代。但是，这也是AI工具开发者的一种挑战，如何产出高质量代码应该是AI工具研发的主要方向。