知识生态反转：开源知识被 AI 训练后免费再分发

“那些曾经把知识据为己有的社区，最终却训练出了如今免费传播这些知识的工具。”

这句话来自 Vinicius Fagundes 对我上一篇文章的评论，一直萦绕在我的脑海中。

Stack Overflow 的提问量在短短一年内下降了 78%。每个人都在庆祝 AI 终于消灭了那些知识守门人。但我们没有追问的是：如果所有人都不再为公共知识库贡献内容，下一代 AI 到底要用什么来训练？我们可能正在不断优化自己，最终走进知识的死胡同。

被我们忽视的数据

Stack Overflow 的月提问量从 2014 年巅峰时期的 20 多万，下降到了 2025 年末的不足 5 万；截至 12 月，月提问量更是跌至仅 3,862 个，同比下降 78%。与此同时，如今已有 84% 的开发者在工作流中使用 AI 工具，高于一年前的 76%。

这种转变是真实存在的，其速度也不容置疑。但令人不安的是：普渡大学曾用 517 个真实的 Stack Overflow 问题测试 ChatGPT（GPT-3.5-turbo，如今已经算是较旧的模型），结果发现，它给出的答案中有 52% 包含错误信息。这并不是当前这一代模型的数据——值得有人用 GPT-5 或 Claude 重新开展这项研究——但无论结果如何，其中的讽刺意味依然存在。AI 使用 Stack Overflow 的内容进行训练。开发者用 AI 取代了 Stack Overflow。Stack Overflow 因缺少新内容而逐渐衰亡。那么，未来的 AI 到底要用什么训练？

Wikipedia 困境

有件事远没有得到足够响亮的批评：如今 Wikipedia 有时甚至不会出现在 Google 搜索结果的第一页。人类历史上规模最大的协作式知识项目——免费、由社区共同维护、持续更新，拥有超过 6,000 万篇文章——正在被 AI 生成的摘要和 SEO 内容农场埋没。Google 宁愿向你展示一个基于 Wikipedia 训练出来的 AI 答案面板，也不愿把你引导至 Wikipedia 本身。创造知识的事物被挤到了下方，消费知识的事物反而获得了优先展示。

人类协作构建 Wikipedia。AI 在 Wikipedia 上训练。Google 优先展示 AI 摘要，而不是 Wikipedia。人们不再访问 Wikipedia。Wikipedia 获得的贡献越来越少。然后，AI 到底要用什么训练？我们不只是在把知识从公共空间转移到私人空间——我们还在主动埋没那些依然存在的公共知识。

Stack Overflow 的衰亡并不是因为它不好。Wikipedia 的消失也不是因为它不再重要。它们之所以逐渐衰亡，是因为 AI 公司提取了它们的价值，将其重新包装，以至于如今我们几乎找不到原始来源。知识公地失去的不只是贡献者，也失去了可见性。

我们真正失去了什么

PEACEBINFLOW 抓住了一个关键点：“我们不只是用聊天取代了 Stack Overflow，还用对话取代了导航。”

Stack Overflow 的帖子拥有时间戳、编辑记录、分歧和演变过程。某个 2014 年发布的答案，可能会在 2020 年相关方法被弃用时，通过新评论得到更新。AI 对话却是无状态的。每次对话都从零开始。我可以向 Claude 提出你昨天问过的同一个问题，但我们永远不会知道彼此正在解决同一个问题。这不是效率，而是规模化的重复劳动。

正如 Amir 所说，那些浏览器标签页承载着上下文、争论，以及其他那些早已踩过坑的开发者留下的伤疤。我们用它们换来了 Ali-Funk 所说的“高效隔离”——而我认为他们两人都不是在称赞这种变化。

那些我们没有传授的技能

Amir 还精准地指出了另一件一直困扰着我的事：“AI 默认会充满自信地回答，而一旦没有了阻力，人们就很容易跳过质疑这一步。也许我们需要教授的新技能，不再是如何找到答案，而是如何审问答案。”

糟糕的文档曾经会在无意间迫使我们保持怀疑。你被坑过，于是学会了质疑。阻力塑造了判断力，而不需要任何人刻意教授。AI 却既耐心又自信，没有任何东西促使我们反驳它。过去，我们之所以学会验证，是因为 Stack Overflow 上的答案经常错误或过时。如今，AI 同样会自信地给出错误答案，而我们却依然相信它，因为整个体验过于顺畅。

丰裕时代的经济学

Doogal Simpson 从经济学角度重新定义了这个问题：“我们正在用编辑的自律，换取搜索阻力的消失。如今的挑战已经不是生成代码，而是有没有勇气拒绝 AI 提供的那些‘厨房水槽式’大而全方案。”

稀缺曾经迫使我们追求简单——寻找答案的成本很高，因此我们重视最小化的解决方案。丰裕则要求我们保持自律：AI 默认会生成过度设计的方案，而真正重要的技能，是知道应该删掉什么，而不是添加什么。Mohammad Aman 关于分层的警告也与此有关——那些能够培养出拒绝复杂性的自律能力的人，会变得不可替代；而那些全盘接受 AI 生成内容的人，则会变得可以替代。知识公地失去的不只是知识，也失去了那个曾经迫使我们学会保持简单的外部机制。

解题者与裁判的问题

Ben Santora 一直在使用专门用于揭示推理弱点的逻辑谜题测试 AI 模型。他的发现是：大多数 LLM 都是“解题者”，其优化目标更偏向于提供帮助，而不是确保正确。给解题者一道不可能完成的谜题，它仍会尝试修正题目，只为给你一个答案。裁判面对同一道谜题，则会直接指出它不可能成立。

正如 Ben 在与我交流时所说：“当解题者的输出在缺少强大、独立的裁判层进行验证的情况下被循环利用时，知识坍塌就会发生。风险并不在于 AI 撰写内容，而在于 AI 成为了自己的权威。”

这对于知识坍塌尤其重要。如果负责生成内容、并使这些内容重新进入训练数据的，是那些乐于助人却偶尔出错的解题者模型，那么我们面对的就不只是模型坍塌，而是某种特定形式的坍塌：自信地犯错，错误不断累积，并且这种累积同样充满自信。

Ben 还指出，有些领域自带验证机制，而另一些领域则没有。能够编译的代码、bash 脚本、数学问题、API——验证成本低，反馈即时。系统架构、最佳实践、性能、安全——验证成本高昂，而且你可能要等到几个月后系统在生产环境中崩溃时，才会知道自己错了。AI 解题者在这两类领域中听起来同样自信。等到那些自信的错误答案出现在博客文章里、被复制到 Stack Overflow 上、被文档引用时——下一代 AI 又会用这些内容来训练。

Maame Afua 和 Richard Pascoe 指出了一种比普通幻觉更糟糕的现象：当 AI 被发现出错时，它不会承认错误，而是生成一个听起来合理的解释，说明为什么自己其实从一开始就是对的。你指出 Settings 菜单并不在它所说的位置，它便告诉你，这个菜单在一次根本不存在的版本更新中被移除了。这比单纯给出错误答案更加糟糕，因为它让你怀疑的不只是 AI，还包括你自己的观察。Maame 围绕这个问题设计了一套验证工作流——利用 AI 提升速度，再查阅文档进行确认——但据她自己所说，这种方式需要付出的认知劳动，比单独使用任何一种方法都要多。这就是验证税，而且只有在仍然存在可供核查的文档时，它才行得通。

公地悲剧

从个体角度看，我们所有人的生产力都提高了。使用 Claude 时，我的开发速度比过去打开一堆 Stack Overflow 标签页时快得多。你很可能也是如此。但从集体角度看，我们正在扼杀知识公地。过去的循环是：遇到问题、公开讨论、得出解决方案、归档并留给下一个人。新的循环则是：遇到问题、进行私人 AI 对话、得出解决方案、然后消失。

Ingo Steinke 指出了一个我此前没有考虑过的问题：即使 AI 公司使用我们的私人对话进行训练，未经整理的原始对话也不过是一堆噪声。Stack Overflow 拥有投票、采纳答案，以及历经多年不断完善理解的评论串——真正神奇的是这一层内容整理机制，而不只是公开可见性。即使把每一次 AI 对话都公开，也无法解决这个问题。我们只会得到一堆规模更大、杂乱无章的对话，却没有办法判断哪些内容是好的。

Pascal CESCATO 警告说，未来世代可能无法再受益于我们目前正在消费的丰富素材——我们不应该忘记，AI 模型是在多年积累的文档、问题和探索性内容上训练出来的，而这些内容都必须由某个人真正写下。我们正在通过 AI 消费知识公地，却没有回馈它。最终，这口井会枯竭。

我们内疚错了对象

一位评论者承认，因为依赖 AI，而不是继续使用过去那套方式，他们一直心怀愧疚。有时候，我也会有同样的感受，仿佛我们以某种方式作弊了。

我认为，我们内疚错了对象。使用 AI 并不是问题——这些工具确实很好用，它们让我们变得更快，也让我们能够解决过去无力应对的问题。真正的问题在于，我们私下使用 AI，与此同时，脚下的公共知识库却正在衰亡。我们用“和 Claude 私下解决问题”，取代了“在 Stack Overflow 上公开挣扎”。对个体而言，这是最优选择；对集体而言，却具有破坏性。内疚是一种本能，它在提醒我们有些事情不对劲——不是因为我们使用了新工具，而是因为我们已经悄无声息地停止为知识公地作出贡献。

一条可能的前进之路

Ali-Funk 写过自己如何在从 IT 运维转向云安全架构的过程中，把 AI 当作“虚拟导师”使用——但真正让我印象深刻的并不是他对 AI 的使用，而是他与此同时所做的事情。他会在 dev.to 上公开发布自己的见解，会对照 AWS 官方文档验证 AI 的输出，也会联系自己人脉网络中的真人进行确认。他有一条原则：永远不要实施任何你无法向非技术人员解释清楚的东西。正如他在评论中所说，AI 并非人工智能，而是一个连接了资料库的文本生成器，你不能盲目信任它——它是指南针，而不是自动驾驶系统。

这或许才是真正可行的模式。用 AI 加速学习，但要公开你的推理过程。你的私人对话会转化为公共知识；杂乱的 AI 对话会变成其他人可以从中学习的文档。不是“停止使用 AI”，而是“使用 AI，然后回馈公共知识库”。

Peter Truchly 提出了真正令人不寒而栗的场景：“我只希望这些对话数据会被用于训练，否则最终唯一还在构建这个知识库的实体就只剩 AI 自己了。”

顺着这个逻辑推演一下。AI 基于人类知识进行训练——Stack Overflow、文档、论坛。人类因为转而使用 AI，不再创造公共知识。新的问题不断出现——新的框架、新的模式，还没有任何人写过相关内容。AI 只能使用 AI 针对这些新问题生成的解决方案进行训练，因为剩下的只有这些。垃圾进，垃圾出，而且是大规模地发生。这就是模型崩溃，而我们一边庆祝生产力提升，一边朝着它全速狂奔。每个公共代码仓库都会成为训练数据；如果写入这些仓库的代码出自求解模型之手，那么无论代码是否正确，这个反馈循环都会不断强化模型的自信。在验证成本较低的领域——编译器能发现问题——这种循环仍能保持健康。而在验证成本较高的领域，质量则会悄无声息地退化。

企业权力集中的问题

webketje 提出了一个我此前并未充分思考的问题：使用 AI，就意味着你选择不再将自己的知识分享到公共可访问的空间中，并把权力集中到企业垄断者手里——而它们最终一定会让自己的服务变得越来越糟。这让人不舒服，但很可能是真的。

Stack Overflow 归社区所有。Wikipedia 由基金会运营。文档是开源的。它们并不完美，甚至常常充满敌意，但从根本上说，并不归任何个人或企业所有。如今，我们正逐渐集中到少数几家公司周围：它们拥有模型，拥有训练数据，也掌握定价权。Twitter 曾经免费且开放，直到它变成 X。Google 搜索曾经简洁干净，直到它被广告和 AI 占据。Reddit 曾经以社区为先，直到它被 IPO 驱动。先让用户形成依赖，再榨取最大价值，最终让用户无处可去。如果 Claude 每月收费 100 美元，或者 ChatGPT 把高级功能放到付费墙后，又或者 Gemini 要求购买企业版 Workspace 套餐，会发生什么？我们会付钱，因为到那时，我们已经不记得该如何阅读文档了。Stack Overflow 从未威胁要涨价或切断 API 访问。

Ben Santora 认为，AI 辅助编程需要强约束——需要让错误尽早暴露的编译器，而不是允许糟糕代码蒙混过关的宽松环境——这个观点同样适用于知识。Stack Overflow 的投票系统是一种约束，同行评审是一种约束，社区筛选也是一种约束。AI 对话完全没有这些约束。无论答案正确还是错得足以引发灾难，每个答案听起来都同样自信，而且没有任何强制机制能够发现问题。

令人不安的反方观点

Mike Talbot 激烈地反驳道：“我担心 Stack Overflow、dev.to 等平台就像如何照料马匹的手册，而这个世界很快就要开始驾驶福特汽车了。”

真扎心。但也许他说得对。也许我们并没有失去什么有价值的东西——也许我们只是在目睹一套过时的技能像过去无数次那样真正走向淘汰。但对我来说，这个类比的问题在于：汽车并不是基于马匹建立的知识库训练出来的，而 AI 是基于开发者建立的知识库训练出来的。如果 AI 取代了开发者，未来的 AI 又基于 AI 的输出进行训练，那么谁来为下一次范式转变构建知识库？马无法发明汽车，但开发者发明了 AI。如果我们不再公开思考那些困难的问题——系统设计、组织架构、扩展模式——AI 还有足够的材料实现下一次飞跃吗？还是说，我们会撞上一层天花板：它可以维持现有模式，却无法创造新的模式？

我不知道。“我们就是那些马”是我迄今听过最令人不安的描述。

我们真正需要的东西

Troels 问道，我们这个时代的下一个“AI 时代的 Stack Overflow”是否还没有出现，以及它会不会为我们带来更好的体验。我希望如此，但我还不知道它具体会是什么样子。它或许会结合 Stack Overflow 默认公开、由社区筛选、随框架变化持续演进的模式，以及 AI 那种耐心、可反复交流、不会评判愚蠢问题的对话方式——同时既不会沦为一堆嘈杂的聊天记录，也不会变成一套丢失了背后推理过程的精选答案。

Pascal 建议，我们可以利用从 AI 那里得到的可靠答案，构建整洁、实用的 Wiki——这既能帮助我们自己，也能帮助未来使用这些内容进行训练的任何系统。也许这才是正确的方向：不是放弃 AI，而是建立一条反馈回路，把私人对话重新转化为公共记录。也许真正需要被明确教授的技能是质询——把怀疑精神融入工作流，而不是把 AI 的自信当作正确性的替代指标。正如 Ben 所说，人类必须始终参与其中，永远如此。

令人不安的事实

我们改变的不只是编程方式，也在改变知识积累和增值的方式。

Stack Overflow 确实令人恼火。知识把关确实存在。“标记为重复问题”的文化也确实充满敌意。Vinicius 的完整评论比我所能做的任何概括都更准确地说明了这一点：他从 2012 年开始学习 Linux，遇到问题时就去 Stack Overflow。有时候能找到一个答案，有时候能找到十个，有时候仅仅因为提问方式就会遭到攻击。现在，他会询问 Claude 或 Perplexity，并得到清晰、耐心的解释——没有评判，没有“这个问题以前问过”，也没有点踩。而他也清楚地知道，这些模型的一切知识究竟来自哪里：来自 Stack Overflow，来自 Arch Wiki，来自每一个有人因为没有先阅读手册而遭到嘲讽的论坛帖子。

充满敌意的专家构建了训练出耐心机器的数据集。

但 Stack Overflow 是公开的、可搜索的，也是能够持续演进的。未来的开发者可以从我们的挣扎中学习。如今，我们却都在私下进行相同的对话，各自独立解决相同的问题，用集体记忆换取个人速度。

Sophia Devy 的总结最为准确：“我们正处于范式转变之中，却还没有描述它的语言。”

这正是我们所在的位置：旧方式正在消亡，而新方式尚未完全到来。我还不知道这是进步，还是仅仅发生了变化。但目前的发展轨迹无法长期维持。如果知识始终停留在私人空间，理解就会停止积累。而如果理解停止积累，我们就不再是在彼此的成果之上继续建设，而只是在进行并行处理。

非常感谢所有在我上一篇文章下发表评论的人。这篇文章基本上就是对你们见解的综合整理。特别感谢 Vinicius、Ben、Ingo、Amir、PEACEBINFLOW、Pascal、Mike、Troels、Sophia、Ali、Maame、webketje、doogal 和 Peter，是你们让这些思考变得更加清晰和深刻。

部分评论可能仅对已登录的访客可见。请登录以查看所有评论。

如需采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。