看到RPCS3开发者的呼吁，我其实挺有共鸣的。作为一个业余参与过几个开源项目的学习者，我最近也遇到了类似的情况：有人提交的AI生成代码，表面上看起来逻辑通顺，但一跑就崩，尤其是涉及到底层硬件模拟的部分，简直灾难。RPCS3的核心难点在于对Cell Broadband Engine和RSX的精确模拟，这需要理解PS3的异构架构、内存一致性模型甚至SPU的线程调度细节。AI生成的代码往往基于常见的x86模式，无法处理这些特殊场景，比如乱序执行中的同步原语错误。

更让我担忧的是，这种趋势正在稀释开源社区的技术深度。维护者现在要花大量时间审核AI PR，而不是优化核心功能。我个人的经验是，AI辅助编程对脚手架代码、测试用例编写确实有帮助，但对于系统级软件，它缺乏对硬件逆向工程和性能权衡的直觉。

我想请教两个问题：1. 在RPCS3这类需要深度硬件知识的项目中，有没有可能通过自动化测试或静态分析工具来过滤掉低质量的AI PR？2. 开源社区是否应该建立“AI贡献规范”，比如要求标注AI生成代码的范围并附加人工验证报告？这对整个行业的技术标准可能有深远影响，毕竟AI辅助编程不会消失，但我们得学会如何驾驭它。