F-Droid 中有多少应用是 LLM 生成的？
How much of F-Droid is LLM generated?
作为一名 FOSS 应用维护者，我热爱 F-Droid 带来的自由，但最近发现一个令人不安的现象：越来越多的应用似乎是由 LLM 生成的。我随机抽查了 102 个在 2026 年 9 月更新的应用，通过代码风格、提交记录和文档细节来判断它们是否由 AI 主导开发。结果令人深思：大量应用存在明显的 AI 痕迹，甚至直接披露了使用 Claude Code 或 Codex 等工具。虽然 LLM 提高了开发效率，但也让编程变得‘低努力’，甚至可能削弱人类创造力的价值。
当你真的开始使用 LLM 来写代码时，情况变得更糟，因为你其实什么都没做，是机器完成了这一切。
HN 评论区
135- orbital-decay
我也注意到了一对非常怪异的应用，都打着黄色的“别踩我”（Don't tread on me）旗标：DuressKeyboard 和 UnlicenseLauncher。最奇怪的是，这两个项目已经开发了一段时间，但所有的改动都不是通过 git 完成的，而是直接在 GitHub 网页文件编辑器里操作的！谁去找找那个人，教教他怎么用 git 吧。
- lrvick
我花了一周多时间在写一个少于 1500 行的 Rust 初始化系统（init system）。期间用了数百次提示词。全部都在我本地 GPU 上运行的 LLM 辅助下完成，因为我期望构建一个拥有完全主权且零依赖的系统：不依赖 libc，不依赖 alloc，不依赖 std，还要有一套测试用例，通过对比 Linux 内核源码来证明实现的 20 个原始系统调用都使用了正确的参数。这将是我操作系统中唯一的特权代码，所以我必须对它完美无缺抱有绝对信心。
要达到如此高的标准，人类手动写代码会太令人抓狂，如果全靠手写，我得花上几个月。但在 AI 的帮助下，我不仅完成了它，还以一种易于审查和推理的方式构建了它。
现在我有了一个内存安全、裸机运行的微型 Linux init，完全符合我的精确需求。
AI 可以帮助经验丰富的工程师在更短的时间内写出更好的代码。
- pona-a
70% 这个比例看起来意外地高……是不是统计多了？
Yubico Authenticator
https://github.com/Yubico/yubioath-flutter
我实际上没看到任何明显的 AI 使用迹象。贡献者列表里确实列出了 Copilot，但我没看到以它名义提交的 commit。他们是不是把 GitHub 上的记录擦除了？
有些项目似乎仅凭较弱的间接证据（比如巨大的初始化 commit）就被打上了“主要由 AI 生成”的标签。也许这只是人类粗心大意留下的痕迹。
又或者，这仅仅是因为按“最后更新时间”筛选造成的偏差，毕竟那些靠“氛围编码”（vibe-coded）做出来的应用确实发布频率异常高，因此更容易出现在列表里。
- theandrewbailey
这说的是 F-Droid 上的应用，而不是 F-Droid 本身。
- edg5000
这似乎是个问错的问题。我编程了一辈子，但基本上从 2026 年起就不再手动写代码了。LLM 写的代码比我写的好，好太多了。
- samayashar
任何正在积极开发中的代码库（无论是开源还是闭源）都会包含 AI 生成的代码。随着智能体（agents）能力的提升，人们对生产力的期望值正在飙升。
如果你的生产力还停留在 2016 年工程师的水平，那你就不符合当下的预期标准了。那时候需要 7 天的工作流程，现在可能一天甚至更短就能搞定。
- Dwedit
这里的很多项目在 2022 年之前就已经存在了，所以从这个意义上说，它们并不是