近期事件将开源维护者的困境推到了风口浦上,但这些问题其实已经酝酿多年。
这个主题在 2025 年的开源状态大会 (State Of Open Conference) 上反复出现,来自科技巨头和志愿维护者的发言者纷纷阐述了面临的挑战。开源生态系统很大程度上依赖志愿者投入过多时间却得到太少支持,裂痕正在不断扩大。
每月四小时的工作时间远远不能满足用户需求,更不用说应对那些"这能有多难?"的质疑者。维护者们毫无疑问正承受着压力,许多人要么已经退出,要么正在考虑退出。
本周,苹果芯片版 Linux 发行版 Asahi Linux 项目的负责人 Hector Martin 突然宣布退出,原因包括开发者倦怠和用户过分要求。
自称"疲惫的维护者"的 Jamie Tanna 简单地说:"作为开源维护者真的很有成就感...除非遇到不愉快的时候。"
Tanna 在开源世界活跃多年,他主要讲述了作为 oapi-codgen 维护者的经历。对不了解的人来说,oapi-codgen 是一个将 OpenAPI 规范转换为 Go 代码的工具。
"它被很多公司使用...同时也面对很多愤怒的用户。"
这是一个熟悉的故事。Tanna 帮助解决了一些项目问题并自愿担任维护者。最初发布频繁,但很快每次发布之间的时间间隔开始变长。他解释说,作为维护者,无论是大项目还是小项目(尤其是大项目),都要应对"有趣的"用户,他们非常乐于表达自己的感受,同时还要面对不断增加的需求清单。
感受到压力、孤立无援、面对越来越多的工作,同时还要偶尔收到一些自以为是的用户发来的不愉快消息,要求立即处理他们的问题或立即合并他们的贡献,这种经历太常见了。
Tanna 相对幸运 - 他的雇主每月给他四小时时间处理项目。然而,这远远不能满足用户的需求和那些"这能有多难?"的质疑者。维护者们毫无疑问正承受着压力,许多人要么已经退出,要么正在考虑退出。
许多项目,即使是被认为是"关键基础设施"的项目,也只有极少数人支持(通常是一个人做大部分工作)...
Google 开源项目和运营分析师兼研究员 Sophia Vargas 告诉 The Register,维护者"绝对"承受着压力。Vargas 补充说,这种压力来自"系统层面和个人社区层面"。
"许多开源参与者都感觉开源项目长期得不到足够支持,特别是考虑到使用开源软件的需求在不断增长。"
"这种感觉也反映在数据中:许多项目,即使是被认为是'关键基础设施'的项目,也只有极少数人支持(通常是一个人做大部分工作),许多维护者考虑过退出,而且许多项目可能根本没有人维护。"
Vargas 引用了包括 2024 年 Tidelift 调查的数据,显示 60% 的维护者要么已经退出,要么正在考虑退出,另一份来自 Linux 基金会的报告 [PDF] 显示,大多数广泛使用的自由开源软件仅由少数贡献者开发。
Kubernetes 维护者 Kat Cosgrove 和 Jeremy Rickard 也参与了讨论。Rickard 是 Microsoft 的员工,同时也负责 CNCF 行为准则。两人进行了一项调查,收集维护者和项目贡献者的经历。
Cosgrove 指出,虽然受访者数量太少,无法具有统计学意义,但问题不仅仅是维护者承受压力和滥用。这些问题还延伸到旁观的用户。"他们对项目的喜爱度降低,70% 的人考虑是否应该继续为该项目做贡献。"
解决这个问题并不容易。维护者是否只需要因其付出而获得报酬?Vargas 对此持保留态度,并提到了今年 FOSDEM 上提出的研究 (https://dl.acm.org/doi/10.1145/3674805.3686667)。Vargas 告诉 The Register,"金钱不能解决所有问题。"
"每个维护者和项目都有自己的背景和挑战 - 虽然许多维护者会从经济支持中受益,但其他人真正需要的是更多的贡献者来补充他们的工作,减轻他们的责任 - 特别是在非代码任务方面,如指导、社区管理、问题分类、推广和筹款等。"
Rickard 也担心经济不确定性可能导致预算压缩,并谈到在 GitHub 等平台上提高对赞助的认识,因为公司对项目的资助正在收缩。
"你必须有某种催化剂才能促使变革发生。作为一群人,我们似乎不太擅长主动行动。"
Cosgrove 说,"我担心需要一个重要项目崩溃才能说服他们 [用户] 支付开源维护者的费用是值得的,事实上,这可能是必需的。"
"我不希望看到这种情况发生,因为后果将会很糟糕,但我担心这可能就是所需要的。"
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。