F-Droid 軟體庫中 AI 摻雜比例與程式碼品質調查
為何重要
這項研究揭示了 FOSS（自由開源軟體）社群正面臨「品質監控真空」的挑戰，普通的開發者很難在不使用工具的情況下判斷程式碼是否由 AI 撰寫。對產業而言，這增加了閱讀與維護現有程式碼的壁壘，若 F-Droid 因此充斥低品質軟體，可能削弱其作為優質來源的公信力。
作者為了探究 Android 開源軟體庫 F-Droid 中是否有日益增加的 LLM 生成軟體，對 2026 年 9 月 12 日更新的 102 款應用程式進行了程式碼審查與分類。
- 分類標準：作者基於「LLM 味道」提出三級分類系統，從「主要是 AI」>50% 程式碼量，到「大多數人類」與「無可疑跡象」，判定依據包含 commit 內容、README 圍繞品、以及是否去除 commit 按鈕等細節。
- 範例觀察：作者抽查發現 Amber（Nostr 事件簽署者）與 BayesianBahn 的所有近期 commit 均被認定為由 AI 產生或 Claude 聯合作者；BeatBridge 則使用了 Claude Code 進行貢獻。
- 定性反思：作者雖承認 LLM 能提升效率，但也指出這導致人類學習動力下降、軟體素質審查困難，以及大量低品質軟體（slop）充斥開源生態。