最近RPCS3开发者公开呼吁停止提交AI生成的PR，这让我想起自己之前尝试用GPT-4帮忙写一个简单的CUDA内核时的惨痛经历——看起来逻辑自洽，但跑起来就是不对，最后发现是对内存模型的理解有偏差。这次事件的核心痛点不在于AI代码本身，而在于它严重缺乏对PS3复杂硬件架构的深入理解，比如Cell处理器的SPU线程同步、RSX的显存管理这些细节，AI模型很难从训练数据中真正掌握。我个人经验是，AI辅助编程在算法实现或文档生成上确实能提效，但一旦涉及底层硬件特性或性能优化，它的输出往往需要大量人工审查，有时甚至得不偿失。这引发了一个关键问题：在开源社区中，我们该如何定义AI生成代码的贡献门槛？是否应该引入类似“AI代码标注”的机制，让维护者能快速过滤？从行业视野看，这次事件其实暴露了当前大模型在特定领域知识上的局限性——它们擅长泛化，但缺乏对领域内“潜规则”的深度理解。未来，或许需要结合领域特定知识图谱或微调模型来提升代码质量，而不是一味依赖通用模型。你觉得AI代码在开源项目中是否应该被允许，还是说应该完全禁止？另外，如果真要允许，需要什么样的审核流程才能不增加维护负担？