115 次合并背后的 AI 开源贡献流程
作者称其开源 Claude Code 插件已在 46 个项目中获得 115 次 PR 合并,并据公开记录分析维护者的接受标准。流程包括学习近期合并 PR 的风格、实现修复、运行项目 CI,以及在提交中披露 AI 使用。
AI 深度解读
一个 AI 编程代理提交的修复,怎样才能被开源维护者接受?superhuman 的作者整理了自 2026 年 4 月以来、覆盖 46 个千星以上项目的 115 个已合并 PR,发现小改动和测试只是入场条件,贡献流程、重复劳动、描述方式和评审响应同样影响结果。
这份记录适合想用 AI 参与开源的程序员参考:代码能跑通之后,还有哪些事必须有人负责。不过,115 次合并能提供经验,尚不足以证明代理的成功率。
代码正确,只是进入评审的第一步
superhuman 是作者开发的开源 Claude Code 插件。它挑选 issue,阅读仓库最近 10–20 个已合并 PR,学习项目习惯,再编写修复、运行仓库自己的 CI、给 PR 评分,最后从作者账号提交,并注明使用了 superhuman。
作者按 1,000+ stars 筛选仓库,统计已合并 PR 的改动规模和文件,并阅读人工评审评论,也包括没能合并的 PR。下面的命令是其公开记录的查询入口:
gh search prs --author gaurav0107 --created ">=2026-04-01"
要留意 --created ">=2026-04-01":它限定创建时间,仓库星标筛选和评审内容分析还需要后续处理。
已合并 PR 的改动中位数是 129 行、3 个文件,超过八成触及测试文件。但未合并 PR 反而略小,触及测试的比例也差不多。至少在这批记录里,不能拿「改动小、有测试」解释合并与否。
具体案例跨度很大:Hugging Face transformers #45611 是 7 行修复,当天合并;Tesseract #4563 用 11 行修复禁用 legacy 的构建配置下的崩溃;Deno #36321 约 100 行,附带测试,第二天合并。
小改动和测试能降低审查成本,却不能代替贡献资格与协作。
写代码之前,先确认项目愿不愿意接
作者归纳的第一道门槛,是 issue 是否接受外部贡献。据其观察,gemini-cli 和 GitHub 的 cli/cli 只评审关联了 help wanted 标签 issue 的外部 PR,并由机器人执行限制。其他项目可能要求签署 CLA、关联 issue,或以 dev 为目标分支。
这些信息通常能从 CONTRIBUTING.md 找到。对代理来说,应该先确认入口,再开始实现。
第二道门槛是有没有人在做。同一问题已有另一个修复先落地,是这批记录里可用修复没能合并的最常见原因,先完成的有时就是维护者本人。作者还遇到过一种情况:评审指出,他采用的方案早已在另一个 PR 中讨论并否决。
因此,关联 PR 要看,已关闭的也要看。它们可能记录了项目不接受某种实现的原因,光读当前代码找不到这些约束。
这里也有一个尚未补上的缺口:原文明确说,代理还没有在启动前系统检查 help wanted、关联 issue、CLA 和目标分支。不能把作者总结出的建议,全部当成插件已经具备的能力。
维护者接收的是一次持续贡献
一位 Neovim 评审者认可作者的代码改动,仍要求他用自己的话重写描述。问题不只是语气:维护者需要迅速看懂故障、修复方式和验证结果,套话会增加理解成本。
superhuman 阅读最近 10–20 个已合并 PR,就是为了学习模板、标题格式和表达习惯。这可以帮助适应仓库,但最终描述仍需要提交者核对。
响应评审同样关键。pytorch-lightning #21686 修复了 torch.compile 破坏 toggle_optimizer 的问题,从创建到合并用了 34 天。作者也有把评审搁置几周、最终 PR 被关闭的经历。
维护者有时还会接手收尾。openapi-generator #23622 中,维护者要求重新生成示例,随后通过自己的 PR 合入修复,并保留作者为共同作者。另有 7 项修复以类似方式落地,其中 Bazel 使用导入机器人。这说明,有价值且容易验证的提交,也可能通过维护者的流程完成。
作者据此给代理加上了几类约束:
- v0.6.0 默认在 PR 正文披露使用 superhuman,提交仍署运行者的名字。
- 提交前按 10 个维度自评,包含流程合规和 PR 格式,先修最弱项,或停止并说明阻碍。
- lesson-distiller 将评审意见转为规划器必须遵循的规则卡;v0.6.0 会把在至少 3 个仓库出现的规则全局执行。
- 对持续被拒绝或无人回应的仓库进入冷却;默认每天最多 6 个 PR,同仓库已有 2 个开放 PR 就跳过。
/contribution-sweep记录合并与关闭状态,并列出等待提交者回应的评审。
这些设计把「交出代码」延伸到了「承担后续沟通」。
我的判断
我认同作者把贡献流程放到代码生成前面。对日常使用 AI 编程的开发者,这比继续打磨提示词更容易检查:项目是否接受这个任务、方案是否被否决、评审是否有人处理,都有明确证据。
但这仍是一份作者自身的经验记录。原文没有给出全部 PR 数量、总体合并率,也没有与人工贡献或其他代理做对照。115 次合并能证明它确实完成过贡献,不能证明它比其他方式更高效。运行仓库 CI 的范围、成本和自评分数的预测能力,原文也没说清。
另外,把三个仓库出现过的意见升级成全局规则,有减少重复犯错的价值,也可能把局部偏好推广过头。共同要求可以复用,具体仓库的书面规则仍应优先。
能拿来做什么
- 用 AI 参与开源前,先检查 CONTRIBUTING.md、issue 标签、CLA、目标分支和关联 PR,把检查结果作为是否开工的依据。
- 给前端或 Node 项目准备 PR 时,参考最近 10–20 个已合并案例,再亲自核对问题描述、验证结果与模板要求。
- 把评审意见整理成可执行规则,注明适用仓库;跨项目复用前,判断它是通用要求还是维护者偏好。
- 使用代理批量贡献时,先限制开放 PR 数量,并固定检查待回复评审。原文的每天 6 个、同仓库 2 个是作者的默认值,可以作为起点,再按自己的跟进能力调整。