代码溯源危机：AI正在吃掉人类专家的痕迹

你让AI写了一段分页代码，30秒交付。但没人告诉你，这段代码里埋着一个2019年Stack Overflow帖子里的并发写入陷阱——而那个花了整周调试、最终写下解决方案的工程师，连名字都没留下。

这不是哲学层面的"知识遗忘"。这是可量化的系统故障：GitHub讨论串被AI摘要吞掉，RFC文档变成不可追溯的幽灵，人类专家逐渐停止贡献——因为没人知道他们的工作曾被使用。

一位开发者用六个月造了一把铲子，专门挖掘被AI掩埋的知识地层。

一个真实的考古现场

新入职的开发者撞上分页逻辑bug。代码是游标分页（cursor-based），实现方式很奇怪，团队里没人记得为什么这么写。原作者已离职。

传统解法：两天考古。git blame指向一条提交信息"修复分页"，上一条是"实现分页"。死胡同。

新工具解法：30秒。

输入poc.py trace src/utils/paginator.py，终端吐出结构化溯源：

来源追溯：@tannerlinsley 的GitHub讨论，明确标注"游标分页优于偏移量，适用于实时更新数据集"。

知识缺口（AI合成，无人类来源）：错误重试策略、并发写入处理——后者正是bug所在。AI做了未经审查的任意选择。

这个叫proof-of-contribution的工具，核心设计不是强制合规，而是先解决"考古"问题。

为什么"考古优先"比"强制引用"更重要

工具作者尝试过更激进的方案：强制AI在每段代码前插入引用注释。失败了。

注释变成噪音。开发者跳过。知识链依然断裂。

真正的痛点不是"没有引用"，而是"无法查询引用"。当bug爆发时，你需要的是可执行的溯源指令，而不是文件顶部的元数据墓碑。

所以设计转向：每个AI生成产物必须锚定到激发它的人类知识，但不是以注释形式——而是以结构化、可查询、可强制的记录，与代码并列生存。

当技能激活时，Claude自动附加溯源块（Provenance Block），包含三个层级：

【高置信度人类来源】直接链接到具体讨论、RFC、博客文章，附关键洞察摘要。

【AI合成，无人类来源】明确标注"AI任意选择"，强制暴露决策盲区。

【知识缺口】系统无法追溯的灰色地带，需要人工审查。

这种分层设计的残酷诚实，恰恰是其价值所在——它不假装AI能完美归因，而是把"不可追溯"本身变成可操作的信号。

被忽视的隐性成本：专家退出机制

工具作者提出一个未被测量的指标：AI辅助开发的静默代价。

当GitHub讨论被AI摘要吞噬，原始作者收不到任何反馈信号。没有引用计数，没有"您的方案被采用"的通知，没有职业声誉的累积。

经济学预测很明确：边际贡献者会停止贡献。为什么花两小时写详细技术讨论，如果AI会把它压缩成 oblivion（湮灭状态），且无人阅读原文？

这不是假设。Stack Overflow流量自2022年起持续下滑，GitHub讨论的深度技术帖增长停滞。专家知识的生产端正在萎缩，而消费端（AI训练）却在加速。

工具试图打断这个负反馈循环：通过强制暴露人类来源的使用痕迹，让原始贡献者重新获得可见性——哪怕只是通过git blame的间接路径。

技术实现的边界与妥协

工具当前依赖Claude Code的技能（skill）架构，意味着绑定特定AI编码环境。这不是通用解决方案，而是概念验证。

更深层的技术债务：如何区分"AI合成"与"人类来源的AI转述"？工具目前采用启发式规则——检查输出与训练数据切片的相似度阈值——但作者承认这有漏报和误报。

另一个未解问题：多跳归因。AI生成的代码片段A，激发了人类开发者写成博客B，又被AI用于生成代码C。链条如何追踪？当前版本不支持，标记为"未来工作"。

这些妥协反而增强了工具的可信度。它不做过度承诺，而是把系统性的归因难题，转化为可渐进优化的工程问题。

行业影响的三个推演

如果这类工具成为标准实践，可能改变三件事：

第一，代码审查的重心转移。审查者不再只问"这段代码对吗"，还要问"这段代码的来源可靠吗"。AI合成部分的审查优先级，将系统性高于人类来源部分——因为后者至少经过一次人类验证。

第二，技术文档的激励重构。当溯源工具能精确计量"您的RFC被多少代码库引用"，企业内部知识贡献的KPI设计将获得新维度。这可能逆转"写文档无收益"的现状。

第三，AI训练数据的合法性争议。如果溯源成为强制要求，AI公司使用公开代码训练时，将面临更精细的归属义务。工具作者暗示这是有意为之的设计目标："让不可追溯的AI生成，在工程实践中变得不可接受"。

数据收束

工具开源两周，GitHub星标数未公开披露具体数字，但作者提到"超出预期的企业咨询量"——主要是金融和医疗行业，这两个领域对代码审计有强合规需求。

更关键的信号：Claude Code官方文档已将该技能列入"社区推荐"分类，这是Anthropic对非官方工具的最高认可级别。

一个个人项目，试图解决一个被万亿参数模型遮蔽的基础设施问题。它不会阻止AI生成代码，但可能改变我们追问的方式——从"这段代码能运行吗"，到"这段代码从哪来，谁该为它负责"。