AI 贡献者进仓库前，先查有没有说明书

最近我在看 AI 编程代理进入仓库前的规范问题，顺手试了一下 RepoPolicyScore，把实验室一个做标注脚本的小仓库丢进去，想看看它会不会告诉我，AI 编程代理进来改代码时到底缺什么。所谓 AI contributors，是 Codex、Claude Code、Cursor 这类工具，它们按仓库里的说明去读代码、改代码、提 PR。界面入口很直接，一个输入框，提示粘贴公开 GitHub repo URL。我贴进去后等了十几秒，页面开始跑检查。官方说法是 25 项检查，对着贡献文档、README、issue 和 PR 模板这些文件看。每一项都给出文件和行号，这点像审稿人意见，会直接指到 CONTRIBUTING.md 第几行没写测试怎么跑。

Your repo never told them what AI-assisted work is allowed.

这句戳中我。之前我写过招聘 AI，简历被模板化之后，系统容易优化单一指标。现在代码贡献也有类似风险。AI agent 读仓库，读的是文件。如果没写清楚，它可能按自己先验猜。我用 Claude Code 和 Codex 大约一个月，发现 agent 最怕上下文断掉，代码复杂反而其次。这个工具像给仓库做体检，检查有没有给机器留下可执行说明书。

优点挺明显。它把“AI-ready”这种很虚的说法拆成可检查项，维护者不用凭感觉审 PR。报告能定位文件，省得翻来翻去。从方法上看，它评估的是可审计性，问机器进来以后能不能知道边界在哪里。对实验室这种经费紧张、学生代码常缺文档的场景，也算提醒。这个方向单看产品不好发论文，但贡献政策可审计性是个不错的题目。社区里也有基于 OpenAI Agentic Legibility 这类框架的评分卡，RepoPolicyScore 像是同一脉络里偏政策合规的那支。

缺点也不小。它更像检查公开仓库，我第一次贴内部 fork 地址没出结果，后来换成公开镜像才跑通。若项目本来就没有 CONTRIBUTING.md，报告可能会把很多空白算成问题，看起来吓人。它也不太能判断业务风险，比如标注流程涉及隐私，文件没写，它未必知道这件事严重。更麻烦的是，这类检查容易诱导团队去补模板词，而不是真的把贡献边界讲明白。

我这边测下来，最惊喜的是它提示我 PR 模板里没有要求说明“是否由 AI 辅助修改”，README 却写了 demo 可自动跑。这说明文档之间会互相矛盾，人读时能猜，机器读时未必。

真正的问题是仓库有没有把贡献边界写清楚。所以我会推荐开源维护者、导师、要让学生交代码的人试一下，至少知道哪些规则没写。不推荐给只想让 AI 快速生成 PR 的个人用户，它主要帮你把坑提前指出来。

---

📌 本文编译自 Hacker News，原文: https://repopolicyscore.com

版权归原作者所有，本文为基于公开报道的编译与独立分析。