Kefir 是一个小型 C compiler，源代码托管在 sourcehut（一个以 git 和邮件为中心的开源代码托管平台）上。作者宣布停止公开开发，理由是自己越来越不愿意无偿公开代码，因为大量 LLM crawler 会无视 robots.txt（网站告知爬虫抓取边界的惯例文件）并把开源内容吸进训练数据。评论迅速分成两大阵营：一边认为这破坏了 FOSS（Free and Open Source Software，Free/开源软件）的社会契约，另一边则强调 GPL、MIT 等许可证从未禁止商业使用或模型训练。随后讨论又延伸到 copyright、derivative work（派生作品）和 fair use（合理使用）这些法律概念，以及网站防爬虫和对 bot 施加强制惩罚的现实办法。
发帖人的核心情绪是：公开发布代码不再是默认善意行为，而是会被 LLM crawler 当成免费训练原料。评论里多次提到 robots.txt 被无视、网站被抓取流量拖垮，甚至有人开始考虑把站点改成密码墙或邮件审批才能自保。几位开发者说自己也开始减少或停止公开发布，转而经营只给自己用的私有项目，甚至直言 AI 时代让写代码这件事变得更像徒劳。整个讨论反映的是发布动机被重估，而不只是单纯的技术厌恶。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
另一派认为，这种反应更多是在把 LLM 使用上升成对 FOSS 的泛道德化。有人强调 GPL、MIT 这类许可证本来就允许商业使用和广泛再利用，公开发布的前提从来不是“只能被好人使用”，也不可能限定下游是否拿去做模型训练。还有人说，若真的不接受这种交换，就应该从一开始不发布，而不是事后把不受欢迎的用途说成违约。对他们来说，真正的问题是具体的版权执法或产品行为，而不是 open source 本身失效。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
争论最密集的是 copyright 里的 derivative work（派生作品）到底该怎么界定。支持者把训练集比作 anthology（选集）或压缩后的语料库，认为只要模型能复现某个项目的实质代码，输出就应受原许可证约束，甚至模型权重本身也可能构成派生物。反对者则强调，copyright 保护的是具体表达，不是抽象模式或“学到了什么”，LLM 更像人类学习后再写出新代码，而不是把原文复制进输出。双方还拉出 Markov chain、transpiler、Hamlet、Emscripten 等类比，承认真正的灰区往往是那些确实逐字复现的极端案例。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10]
不少评论把问题直接归结为爬虫和 bot 对网站基础设施的消耗，而不只是版权争吵。有人认为大量自动化流量正在把“高信任互联网”拖成“低信任互联网”，因为抓取者无视 robots.txt、反复扫站，甚至让小站 100GB 级内容被一遍遍搬空。应对方案从最简单的用户名/密码墙、邮件申请访问，到按请求收费、提高法律罚则甚至刑事威慑都有；也有人提醒，现有的 HTTP 和 IP 层限流、封禁只是临时补丁。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10]
Kefir 本身也得到不少正面评价：有人说它是少数能通过完整 gcc torture tests 的小型 C compiler，虽然不如 tcc 快，但更正确，源码被形容得像一件作品。与此同时，关于 AI 时代写作和编程价值的焦虑很强，有人坚持手写实现才有乐趣，也有人认为 LLM 让代码变得更像廉价仿作，正在削弱原创和协作的意义。还有人把未来描述成 slop 泛滥、创造停滞，甚至说如果一个项目本来就是 one-person show，停止公开开发几乎等于终结，除非有人 fork。整体情绪介于惋惜、怀疑和退缩之间。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
GNU GPLv3: 一种强 copyleft 开源许可证，要求基于其代码的衍生作品在发布时继续开放源码。
copyleft: 用版权法反向保护自由软件的机制，要求下游传播时保留同样的自由与开放条件。
robots.txt: 网站给爬虫的抓取规则文件，通常用来声明哪些路径不应被抓取，但一般不具强制力。
derivative work / 派生作品: 基于原作品改写、转换或再表达的作品，是这场关于 LLM 和版权争议的核心概念。
fair use（合理使用）: 美国版权法中的例外原则，常被拿来争论训练数据或模型输出是否可合法使用。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。