你剛接手一個項目，翻到一個奇怪的游標分頁實現(xiàn)。問同事，沒人記得。看提交記錄，只有"修復(fù)分頁"四個字。原來的工程師已經(jīng)離職——這種考古現(xiàn)場，AI時代的開發(fā)者每天都在經(jīng)歷。

被AI抹掉的痕跡

每次讓AI寫代碼，消失的不是代碼本身，而是代碼背后的來龍去脈。

GitHub上那個花了兩小時解釋"為什么游標分頁比偏移量更適合實時更新數(shù)據(jù)"的討論串。Stack Overflow上2019年那個調(diào)試了一整周、最終記錄下并發(fā)寫入場景下方案失效的答主。團隊半年前寫的RFC，確立了這套模式——AI悄無聲息地復(fù)制了它，卻從不提這些名字。

AI消化了全部。創(chuàng)造它們的人，什么都沒得到。

不是哲學意義上的"虛無"。是實打?qū)嵉模捍a庫里沒有引用。新開發(fā)者無法追溯設(shè)計決策。原作者收不到任何信號，不知道自己的付出是否被看見。

長此以往，這些人會停止貢獻。既然AI會把詳細的技術(shù)討論總結(jié)成無人問津的碎片，誰還愿意維護那些討論串？

這是AI輔助開發(fā)的隱性成本，至今沒人量化。一位開發(fā)者決定做點什么。

考古優(yōu)先，而非強制

他做了一個叫poc.py的工具。核心場景很具體：新成員加入團隊，面對六個月AI堆積的代碼庫，在分頁邏輯里撞上一個bug——游標實現(xiàn)很特殊，團隊里沒人記得為什么這么寫，原設(shè)計者已離開。

老辦法：兩天考古。git blame指向一條寫著"修復(fù)分頁"的提交，再往前是"實現(xiàn)分頁"。死胡同。

新辦法：運行poc.py trace src/utils/paginator.py，三十秒后看到：

來源追溯：src/utils/paginator.py
────────────────────────────────────────────────────────────
　[高置信度] @tannerlinsley，GitHub
　　　　　　游標分頁討論串
　　　　　　https://github.com/TanStack/query/discussions/123
　　　　　　核心洞察：游標在實時更新場景下優(yōu)于偏移量

知識缺口（AI合成，無人類來源）：
　? 錯誤重試策略——未引用人類來源
　? 并發(fā)寫入處理——AI自行選擇

開發(fā)者立刻知道模式從何而來，更關(guān)鍵的是：哪些部分沒有可追溯的人類來源。第二塊信息救了命——并發(fā)寫入處理正是bug所在，AI做了一個沒人審查的選擇。

工具的邏輯是：先考古，再談強制。

把人類知識鏈焊進代碼

這個叫proof-of-contribution的技能，是給Claude Code（Anthropic的AI編程工具）設(shè)計的插件。目標是在AI輔助的代碼庫里，保住人類知識的鏈條。

核心設(shè)計很樸素：每個AI生成的產(chǎn)物，都要系回激發(fā)它的人類知識。不是文件頭頂一條沒人看的注釋，而是結(jié)構(gòu)化、可查詢、可強制執(zhí)行的記錄，與代碼并存。

技能激活后，Claude會自動給每個輸出附加"來源聲明塊"。格式固定，機器可讀，也給人看。

這不是簡單的"AI生成內(nèi)容打標簽"。它區(qū)分了兩件事：哪些決策有明確的人類來源，哪些是AI的即興發(fā)揮。后者往往是技術(shù)債務(wù)的溫床。

工具還埋了一個反直覺的洞察：強制引用在現(xiàn)階段不現(xiàn)實，但"讓缺失暴露出來"本身就有價值。當開發(fā)者看到"并發(fā)寫入處理——AI自行選擇"時，自然會警惕。這種可見性，比任何代碼審查清單都直接。

為什么這事值得盯緊

這個工具指向一個被低估的結(jié)構(gòu)性問題：AI正在重塑知識生產(chǎn)的激勵鏈條。

開源社區(qū)運轉(zhuǎn)了二十年的隱性契約是——我分享知識，獲得聲譽、反饋、職業(yè)機會。AI把這個鏈條切斷了。貢獻者變成無名的訓(xùn)練數(shù)據(jù)，而數(shù)據(jù)消費者甚至不知道自己消費了什么。

短期看，效率飆升。長期看，源頭枯竭。

這位開發(fā)者的解法不是對抗AI，而是給AI的輸出"上戶口"。讓每一條代碼都能回答：你從哪來？誰教你的？哪些部分是你自己編的？

這個思路可以延伸。如果代碼需要來源聲明，產(chǎn)品設(shè)計決策呢？數(shù)據(jù)標注呢？醫(yī)學診斷建議呢？任何AI輔助的產(chǎn)出，只要涉及人類知識的蒸餾，都可能需要類似的追溯機制。

技術(shù)層面，這要求AI系統(tǒng)輸出結(jié)構(gòu)化元數(shù)據(jù)，而非純文本。組織層面，這需要把"可追溯性"納入工程規(guī)范，像測試覆蓋率一樣被度量。生態(tài)層面，這需要平臺重新設(shè)計聲譽分配——讓原始貢獻者在AI分發(fā)中仍能獲益。

目前proof-of-contribution還是個人項目，代碼開源。它的真正價值可能是示范效應(yīng)：證明在AI吞噬一切的時代，"記住來源"本身可以成為產(chǎn)品特性。

GitHub上那個游標分頁的討論串，發(fā)布于2021年，至今獲得3400多個點贊，被引用進27個技術(shù)方案。這是人類專家留下的痕跡。當AI把它們變成無聲的默認選項時，我們需要工具來重新看見這些名字——不是為了懷舊，是為了在bug出現(xiàn)時，知道該問誰，或者至少知道沒人問過。