在 Linux 内核开发的严谨生态中，AI 代码辅助工具的引入并非简单的技术叠加，而是涉及代码质量、责任归属与社区规范的深度工程问题。Linus Torvalds 对此持 “工具论” 立场，认为 AI 本质上是与编译器、静态分析器同类的开发者辅助手段，而非替代人类工程师的独立作者。这一视角直接塑造了内核社区对 AI 辅助代码提交的治理逻辑，也为广大内核贡献者提供了具体的工程实践指引。

Torvalds 的 “工具论” 与社区边界

Torvalds 在多个公开场合强调，AI 生成代码与人类编写的代码在审核流程中应一视同仁，关键在于透明度和可追溯性。他指出，内核开发的首要原则是 “谁写的代码，谁对其负责”，AI 不应成为推卸责任的借口。这一立场对应到具体的社区讨论中，即强调不应为 AI 代码设立专门的豁免规则，而是将其纳入现有的行为准则和贡献流程中进行管理。

这种务实态度区分了两种使用场景：个人项目中的 AI 辅助与内核官方代码提交。前者被视为开发者的个人效率工具，后者则必须经过严格的邮件列表审核流程。这种分层的治理思路，既避免了 “一刀切” 式的禁令导致的技术倒退，又确保了核心代码库的纯净性。

RFC 与 AI 辅助补丁的工程规范

针对 AI 辅助代码的提交，内核社区在 2025 至 2026 年间引发了广泛讨论，并催生了多项 RFC（Request for Comments）提案。其核心焦点集中在 ** 归属标注（Attribution）与许可证合规（License Compliance）** 两个维度。

目前社区建议的核心工程参数包括：

  1. Co-developed-by 标注：当补丁的部分或全部代码由 AI 生成时，提交者需在补丁元数据中添加 Co-developed-by 标签，明确标识 AI 模型及其版本，作为人类作者的补充信息。此举旨在帮助审核者快速识别非人类直接创作的代码段，并评估其潜在的 “幻觉” 风险。

  2. 提交信息（Commit Message）模板：建议在提交说明中增加专门段落，描述 AI 工具的使用场景、验证方式及人工 Review 的程度。例如：

    AI Assistance: Generated initial driver skeleton using [Model Name vX.Y].
Validated against kernel coding style (checkpatch.pl) and
manually reviewed for memory safety and locking correctness.

  3. 审核重点转移：对于 AI 辅助代码，审核者应更加关注架构一致性与边界条件处理，而非仅仅检查语法错误。由于 AI 模型可能生成表面符合规范但隐含逻辑缺陷的代码，Human-in-the-loop 的 Review 环节变得不可或缺。

邮件列表工作流中的集成实践

尽管 AI 工具日益强大，Linux 内核至今仍坚持基于邮件的补丁提交流程（使用 git send-email 和内联差异）。这一看似 “古老” 的工作流实际上为 AI 辅助代码的审核提供了天然的优势：

  • 完整的变更历史：通过邮件列表，每一步的 AI 生成内容与人工修改都能在归档中完整保留，支持事后追溯。
  • 公开的 Code Review：所有 AI 生成的代码必须暴露在公开的邮件列表讨论中，接受全球内核维护者的审视，避免了闭源 AI 模型 “黑箱” 提交的风险。

对于希望在内核开发中集成 AI 的团队，建议遵循以下工程清单：

  • 工具配置标准化：在本地 .gitconfig 或提交脚本中预设 AI 工具的版本信息和默认参数，确保每次生成的代码可复现。
  • 分层验证流程：AI 生成代码后，必须依次经过 checkpatch.pl（代码风格）、make C=1（静态分析）以及人工逻辑审查三重关卡。
  • 回滚策略准备：由于 AI 代码可能引入难以预见的运行时错误，提交时应准备好对应的回滚补丁（Revert Patch），以便在 CI 测试失败时快速恢复。

落地参数与监控要点

在实际工程部署中，团队应关注以下可量化的监控指标：

  • AI 生成代码的 Reject 率：统计首次提交被 Maintainer 退回的比例，作为模型选择与提示词工程效果的评估依据。
  • Review 周期变化：对比纯人工代码与 AI 辅助代码的平均审核时长，若 AI 代码导致审核周期显著延长，则需加强提交前的自我审查。
  • 回归测试覆盖率：确保 AI 生成的代码模块拥有完整的单元测试与集成测试覆盖，内核的 kselftest 框架是验证其正确性的基础。

综上所述，Linux 内核社区对 AI 代码辅助的治理逻辑，本质上是将 AI 纳入既有的 “代码即责任” 框架中，通过透明化标注和严格的流程控制，在拥抱效率提升的同时守护代码基线的安全。对于有志于在内核开发中应用 AI 的开发者而言，理解并遵循 Torvalds 所倡导的 “工具” 定位，在提交流程中保持充分的透明度与可追溯性，才是真正可行的工程路径。

资料来源

本文参考了 Linus Torvalds 在 2025 至 2026 年间关于 AI 工具立场的公开访谈，以及内核社区关于 AI 辅助补丁提交的 RFC 讨论。