[鸭哥 AI 手记] 2026-05-24: 83%的PR被关，规则在重写

> Flask 作者 Armin Ronacher 的 Pi 项目过去 90 天收到 3145 条外部贡献，83% 被自动关闭。714 个 PR 里只有 60 个最终合入。他写的不是抱怨贴。文章里抛出的那句话更尖锐：标准已经改了，只是没人通知你。同一天，美国三十多个州的居民在用投票告诉科技公司同一件事。

懒人包：Ronacher 的数据说明了一个简单的逻辑：AI 没有让谁变差，AI 放大了你本来就有的模式。会判断的人被放大了判断力，不会的人被放大了错误。当 Ronacher 的 tracker 里 83% 的贡献被拒、Virginia 居民对数据中心支持率从 62% 跌到 23%，两个信号指向的其实是同一件事——旧标准撑不住新现实了。另外，一篇 2026 年提交 NeurIPS 的论文发现，大多数 RAG 场景下最简单的聚类方案就够用，这个判断和前两件事共享同一个底层逻辑：什么时候不补就够用，比怎么补更快更有用。

83% 的 PR 被关掉，尺子换了

鸭哥昨天在群里分享了他刚写的文章。《你编程十年，但在 AI 面前还是个新手》从 Ronacher 的博客写起，核心论点只有一条：老手对 AI 输出的判断依赖一套长期训练出来的直觉，但这套直觉的所有训练数据来自和人类协作者打交道的经验。AI 的错误模式不一样——它会从一个偏了的前提出发，然后每一步推理都自洽。人类不以这种方式失败，所以老手的直觉捕捉不到它。

Ronacher 的原文字里行间有一个更具体的线索。他在文章里专门造了一个词：clanker。不是 agent，是 clanker——借《星球大战》里分离主义机器人军团的称呼，他拒绝把能动性赋予机器。这个命名选择不是一时兴起。他在 2025 年底的博客里就已经写过，"我越来越难以接受称这些机器为 agents，因为 agency 和责任应当属于人类"。等他面对一个被 AI 生成的 issue 淹没的 tracker 时，这个命名成了他处理现实的方式：先把词换了，再看清楚到底发生了什么。

发生了什么？Ronacher 的 tracker 里，衡量贡献的标准已经在没有人通知的情况下换掉了。以前的标准是：你能定位 bug、能写清楚复现步骤、能给出一段像样的分析，就是合格的贡献者。现在不是了。现在他看的是：你的分析是不是你自己的判断，你的输出有没有被 AI 污染，你提交的东西能不能被直接验证而不用先花时间拆掉 AI 加进去的错误推断。

这不只是 Ronacher 一个项目的问题。curl 作者 Daniel Stenberg 说项目"正被 AI 生成的 bug report 有效 DDoS"，2025 年约 20% 的提交是 AI slop，高峰期流量飙升至正常的 8 倍（Reddit 汇总帖）。Godot 引擎联合创始人 Rémi Verschelde 称 AI slop PR 令人"精疲力竭"，仓库里接近 5000 个 open PR。HashiCorp 联合创始人 Mitchell Hashimoto 为此专门开发了 Vouch——一个面向开源项目的信任管理系统，让维护者优先处理来自受信任贡献者的提交（dailyaiwire.news）。

这群人的困境共享同一个结构：她们没有变差，维护者们甚至更忙了。但忙的东西从"评审代码质量"变成了"识别 AI 污染"。后者的错误有模式可循——程序员多写两天 bug 被 review 打回来，bug 有迹可查。前者不一样：AI 生成的 output 长得太像对的了，沿着它走一会儿才发现基础是空的。

群里 Oversea 分享的 Martin Fowler 发言恰好给这件事配了一个外部视角。Fowler 用三个"不知道"承认了认知边界：编程的未来是什么，不知道。AI 是不是泡沫，不知道——但他随即补了一句：当然是泡沫，所有重大技术进步都伴随泡沫，我们只是不知道它什么时候破。初级工程师会被淘汰吗，不知道——但逻辑很清楚，如果 vibe coding 切断了学习循环，就没有人能成长为高级工程师。

鸭哥文章给出的解法是 steer，别 double-check。在你打算给 AI 一个任务之前，先花 5% 的时间独立判断：这件事如果让我自己做，我会怎么想？我对结果的预期是什么？做完这一步再让 AI 开始干活。Ronacher 的 /is 命令就是这条原则的工程实现——"不要信任 issue 里写的分析。从代码和执行路径中独立验证，得出你自己的分析。"

标准已经改了。尺子换成了另一把，你早一天换尺子，就早一天跨过那道还没有人正式画出来的门槛。

---

数据中心从香饽饽变成烫手山芋——瓶颈迁移到物理世界了

昨天鸭哥还写了另一篇文章。《当数据中心从香饽饽变成烫手山芋》梳理了一条被大多数人忽略的线索：过去二十年数据中心是美国地方政府眼里的最优投资，现在风向彻底反过来了。2026 年前六周，超过三十个州的议会提出了三百多项限制数据中心的法案（MultiState）。Seattle 居民给市政府发了 54000 封抗议信（Seattle City Council）。Gallup 今年 3 月的民调显示，71% 的美国人反对在自家社区建 AI 数据中心——其中 48% 强烈反对（Gallup）。

最极端的案例在弗吉尼亚。这是全球数据中心最密集的州，但它的 Loudoun 县在 2025 年 3 月做了一个标志性决定：取消数据中心的自动审批权。以前在特定分区里自动获批，现在每一个新项目都要公开听证和投票。同一时期，当地居民对数据中心的支持率从 62% 跌到了 23%，电费自 2020 年上涨 200%（Broadband Breakfast）。

鸭哥文章的核心判断是：AI 建设不会停下来，但建在哪里、怎么建、花多少钱建会系统性地改变。他给了一个关键对比：数据中心从破土到投运只要 18 到 24 个月。支撑它的新输电线路从规划到施工要 7 到 15 年。2024 年全美国只建成了 322 英里的新高压输电线路，而能源部的研究认为需要每年约 5000 英里（ACEG/Grid Strategies）。

这里有一个经典的瓶颈迁移。过去两年所有人都在关心芯片——Nvidia 的产能、先进制程的良率、出口管制。但当训练集群的规模从几千张 GPU 膨胀到几十万张，当单座数据中心的用电负荷从 150 兆瓦跳到 300 兆瓦（相当于三十万户家庭的用电），真正的约束从芯片移到了电网、土地和社区接受度。科技公司显然看到了这点。Microsoft 花 16 亿美元重启三里岛核电站，计划 2028 年上线，合约期 20 年。Google 签了全球首个企业级小型模块化核反应堆采购协议，规划 7 座总计 500MW。Amazon 向 X-energy 投了 5 亿美元，目标是 2039 年前上线 5GW 核电。

群里缺之补了一句话，放在这里做对照刚好："中国每年的政府报告里，对电力及网络建设都是有几个字'适度超前'。只有这一项有这四个字。"美国的数据中心正在为电网建设的系统性滞后买单，而中国在电力基础设施上保持了超前的投资节奏。这个差异最终会传导到谁能以多快的速度扩张 AI 基础设施。

回到鸭哥文章最后那个判断：政府的限制对训练和推理的影响是不同的。训练对电力成本敏感，对网络延迟不敏感，会向电力便宜、审批宽松的地方集中。推理需要靠近用户，需要低延迟，而人口密集区正是居民反对和土地规划阻力最大的地方。Loudoun 县取消自动审批，直接影响的是推理部署。训练可以换地方建，推理只能建得更慢。

当你在关注模型能力和 token 价格的时候，物理世界正在给你画一条看不见的线。用 AI 的成本结构里现在多了一笔过去不存在的账单。

---

也值得知道

RAG 向量检索：最简单的方案为什么被低估了：鸭哥昨天还发了一篇技术分析，讲 RAG 背后的向量检索方法选择。核心判断来自一篇 2026 年提交 NeurIPS 的论文 "The Geometry of Consolidation"：文本嵌入向量名义上 1024 维，实际有效维度通常只有十几到几十——比如 HotpotQA 语料的局部有效维度只有 1.5，MS MARCO 是 5.5。数据这么挤，最简单的聚类质心方案在很多场景下就够用了，不需要 HNSW 和 PQ 那一整套。论文的贡献不在发明新方法，而在把"什么时候够用"从模糊直觉变成了可计算的几何判据（GitHub）。

OpenAI 秘密递交 IPO 招股书，目标 9 月上市：多家媒体确认 OpenAI 最快于 5 月 23 日向 SEC 秘密提交招股书草案，Goldman Sachs 和 Morgan Stanley 联合承销，目标估值 1 万亿美元级别。如果成行，这将是历史上规模最大的 IPO 之一（CNBC）。

Anthropic Q2 收入预计 $109 亿，首次季度盈利：Anthropic 向投资人披露 Q2 预计收入 $109 亿（环比 Q1 翻倍以上），运营利润 $5.59 亿，公司历史首次季度盈利。同时以超过 $9000 亿的估值寻求至少 $300 亿新一轮融资（WSJ）。

---

本期素材来自 AI Builder Space 社群讨论与公开 AI 行业信息的交叉验证。

本文由AI综合领域调研和微信群聊自动生成。请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai