Larangan AI Zig: Kepercayaan Peninjau Lebih Penting daripada Produktivitas LLM

Pull request tidak pernah sekadar pull request. Ia adalah faktur kecil yang dikirim kepada para maintainer, dibayar dengan perhatian, konteks, dan jam-jam kecil terkutuk setelah makan malam ketika open source benar-benar terjadi. Zig telah memberi cap “tidak” berwarna merah terang pada satu kategori faktur: kontribusi yang dibantu large language model tidak diterima. Itu membuat proyek Zig menjadi studi kasus yang berguna bagi pembangun AI dan ML, karena argumennya sebenarnya bukan tentang apakah asisten kode dapat menghasilkan kode. Tentu saja bisa. Begitu juga intern, arkeologi Stack Overflow, dan staff engineer kurang tidur yang ditenagai kopi bandara. Pertanyaannya adalah siapa yang membayar untuk memverifikasi hasilnya.

Larangan ini lebih luas daripada kode, menurut Simon Willison dan Business

Simon Willison menggambarkan Zig sebagai salah satu proyek open source besar dengan kebijakan anti-LLM paling ketat, dan mengutip langsung bahasa proyeknya: "No LLMs for issues." Ia juga mengutip, "No LLMs for pull requests." Bahasa kebijakan yang sama, seperti dikutip oleh Willison, mencakup komentar di pelacak bug, termasuk terjemahan, sambil mendorong kontributor untuk menulis dalam bahasa asli mereka dan membiarkan orang lain menggunakan alat terjemahan jika diperlukan.

Business Insider melaporkan bahwa Zig melarang kontributor menggunakan AI untuk menulis kode, men-debug, atau bertukar ide, dan judulnya mengutip presiden Zig Andrew Kelley yang menyebut kontribusi coding AI "invariably garbage." Kutipan pedas itu memang menarik klik, tentu saja, tetapi mekanismenya lebih penting daripada bumbunya. Zig memperlakukan asal-usul sebagai bagian dari kemudahan ditinjau: jika maintainer tidak memercayai bagaimana sebuah artefak dibuat, mereka dapat memilih untuk tidak menghabiskan waktu review yang langka untuk mengurai artefak itu.

Let’s Data Science menambahkan bahwa aturan tersebut mencakup kode, penyuntingan, terjemahan, brainstorming, pencarian bug, dan bahkan penyebutan penggunaan LLM di ruang proyek. AI Weekly juga mengatakan larangan itu mencakup artefak yang tersentuh LLM, termasuk issue, komentar, dan pull request. Dengan kata lain, Zig tidak hanya mengatakan, tolong jangan tempelkan kode chatbot ke dalam compiler. Zig mengatakan bahwa kanal komunikasi proyek itu sendiri memiliki persyaratan kualitas sumber, yaitu tata kelola yang memakai hoodie compiler.

Bandwidth reviewer adalah sumber daya yang langka, menurut Loris Cro dan Let’s

Data Science Loris Cro, menulis berdasarkan pengalaman dengan Zig Software Foundation, membingkai kontribusi open source sebagai pertukaran, bukan keranjang hadiah. Ia berargumen bahwa pull request sendiri dapat menjadi kerja tambahan dan gesekan, dan bahwa sering kali maintainer menghabiskan lebih sedikit upaya untuk mengimplementasikan perubahan secara langsung daripada meninjau patch yang diajukan. Itulah bagian yang banyak debat coding AI lewati dengan sopan, seperti Roomba menghindari kaus kaki.

Let’s Data Science melaporkan bahwa Zig memiliki kira-kira 200 pull request terbuka dan kelompok reviewer inti yang kecil ketika kebijakan itu diartikulasikan. Konteks itu membuat larangan tersebut lebih mirip manajemen antrean daripada kemurnian estetika. Jika sebuah proyek sudah memiliki permintaan review yang lebih besar daripada pasokan reviewer tepercaya, kiriman yang dihasilkan dapat berperilaku seperti pengujian beban sintetis untuk manusia, hanya saja tidak ada yang mengajukan rencana kapasitas.

AI Weekly mengatakan Kelley membingkai kebijakan itu sebagai triase sumber daya, dengan menyebut nilai review negatif dari kiriman AI. Frasa itu adalah balok penyangga utama di sini. Patch yang dihasilkan bisa murah secara lokal bagi kontributor dan mahal secara global bagi para maintainer, yang pada dasarnya adalah tragedy of the commons, tetapi dengan autocomplete dan lebih banyak YAML.

Bun menunjukkan risiko upstream, menurut AI Weekly dan Simon Willison

AI Weekly melaporkan bahwa Bun milik Anthropic, yang mengandalkan alur kerja berbantuan AI, melakukan fork terhadap Zig setelah tidak dapat meng-upstream perubahan. Simon Willison juga mencatat bahwa Bun mengoperasikan fork Zig sendiri dan mengatakan Bun diakuisisi oleh Anthropic pada Desember 2025. Bagi tim yang membangun produk komersial di atas fondasi open source, itulah pelajaran tata kelola yang punya taring.

Fantasi enterprise yang biasa adalah bahwa upstream adalah ban berjalan yang ramah: kontribusikan peningkatan, buat mereka di-merge, kurangi divergensi, semua orang tos di lorong konferensi. Kebijakan Zig menunjukkan mode kegagalan yang berbeda. Jika alur kerja engineering Anda bergantung pada bantuan AI dan proyek upstream menolak kontribusi yang ditulis LLM, Anda mungkin perlu memelihara fork, menulis ulang pekerjaan secara manual, atau mengubah cara kontribusi disiapkan.

Itu tidak membuat Zig anti-produktivitas dalam arti kosmis tertentu. Itu berarti Zig mengoptimalkan kepercayaan maintainer dibanding throughput kontributor. Keduanya adalah nilai nyata, dan berpura-pura bahwa keduanya tidak pernah bertentangan adalah cara Anda berakhir dengan backlog yang bentuknya seperti formasi geologis.

Ini lebih besar daripada Zig, menurut Research Information

Research Information melaporkan bahwa arXiv memperingatkan penulis bahwa mereka dapat menghadapi larangan pengajuan selama satu tahun untuk karya yang mengandung bukti jelas dari keluaran large language model yang tidak diperiksa. Itu bukan domain yang sama dengan pull request compiler, tetapi polanya berima dengan keras. Institusi bergerak dari etiket AI berbasis perasaan menuju aturan tanggung jawab yang eksplisit.

Bagi pembangun AI, pelajaran praktisnya bukanlah panik atau melakukan ritual pengusiran chatbot di bawah bulan purnama. Pelajarannya adalah merancang alur kerja kontribusi yang membuat review lebih murah: ungkapkan penggunaan alat jika diizinkan, jaga patch tetap kecil, sediakan test, jelaskan niat, dan bersiaplah memiliki setiap baris seolah-olah burung beo stokastik tidak membisikkannya hingga ada. Jika sebuah proyek melarang bantuan LLM, hormati batas itu atau berkontribusilah di tempat lain.

Hal berikutnya yang perlu diperhatikan adalah apakah lebih banyak proyek open source akan meniru garis tegas Zig atau memilih aturan yang lebih lunak seputar pengungkapan dan verifikasi. Bagaimanapun, alat coding AI sedang meninggalkan panggung demo dan memasuki spreadsheet tata kelola. Ternyata bagian tersulit dari kode yang dihasilkan tetaplah manusia yang harus memercayainya.