- Menangani tiket Django dengan LLM tidak membantu, dan akan lebih bermanfaat jika sumber daya tersebut didonasikan langsung ke Django Software Foundation
- Django adalah proyek dengan standar kualitas yang sangat tinggi dan menekankan stabilitas jangka panjang, sehingga memerlukan pemahaman mendalam yang melampaui sekadar pembuatan kode
- Jika LLM membuat kode alih-alih penulis, lalu juga menangani penjelasan PR dan tanggapan review, akan muncul masalah karena sulit menilai apakah kontributor benar-benar memahaminya
- Kontribusi open source berpusat pada komunikasi antarmanusia dan kolaborasi komunitas, dan jika LLM menutupi hal itu, kepercayaan dengan reviewer akan melemah
- Untuk berkontribusi ke Django, proses membangun pemahaman melalui belajar dan eksperimen langsung itu penting, dan hal ini akan mendorong pertumbuhan sebagai developer
Batasan kontribusi Django melalui LLM
- Menyelesaikan tiket Django dengan memanfaatkan LLM tidak benar-benar membantu komunitas
- Jika PR dikirim dengan kode hasil LLM dan feedback juga ditangani olehnya, sulit menilai tingkat pemahaman penulis
- Dari sudut pandang reviewer, rasanya seperti berbicara bukan dengan manusia melainkan dengan "kulit pemahaman palsu"
- Django memiliki basis pengguna yang besar, siklus perubahan yang lambat, serta tuntutan kualitas sebagai proyek yang akan bertahan lebih dari 20 tahun
- Karena karakteristik ini, yang penting bukan sekadar pembuatan kode otomatis, melainkan pemahaman mendalam dan kontribusi yang bertanggung jawab
Cara yang tepat memanfaatkan LLM
- LLM sebaiknya digunakan sebagai alat bantu untuk mendukung pemahaman
- Menulis penjelasan dengan kata-kata sendiri terlebih dahulu, lalu memakai LLM untuk merapikan ungkapan, adalah pendekatan yang disarankan
- Saat komunikasi terasa sulit, tidak masalah memanfaatkan LLM secara aktif, tetapi fakta penggunaannya harus dinyatakan dengan jelas
- Saat berkontribusi ke Django, kontributor harus memahami sendiri masalah, solusi, dan feedback review
- Kode yang dihasilkan tanpa pemahaman dapat merusak kualitas keseluruhan proyek
Kolaborasi open source yang berpusat pada manusia
- Kontribusi ke Django adalah pengalaman komunitas yang mencakup transparansi dan kerentanan manusiawi
- Jika LLM menutupi sisi kemanusiaan ini, kolaborasi menjadi lebih sulit
- Reviewer termotivasi ketika dapat berkomunikasi berdasarkan "pemahaman nyata dari manusia"
- LLM hanya boleh digunakan sebagai sarana pendukung, dan tidak boleh menggantikan peran esensial kontributor
Hakikat dan nilai kontribusi Django
- Django adalah proyek dengan sejarah 20 tahun dan visi jangka panjang, sehingga setiap kode yang ditambahkan harus dipahami secara mendalam
- Pemahaman membutuhkan waktu, eksperimen, dan pembelajaran
- Berkontribusi ke Django bukan sekadar mencantumkan nama, tetapi pengalaman yang membawa pertumbuhan sebagai developer
- Pembelajaran yang didapat selama proses kontribusi jauh lebih berharga daripada sekadar nama yang masuk daftar
Saran untuk komunitas
- Jangan menyembunyikan diri dan pemahaman Anda lewat penggunaan LLM yang berlebihan
- Komunitas Django ingin berkolaborasi dengan manusia yang nyata
- Jika ingin mendukung Django, cara paling efektif adalah menginvestasikan waktu dan uang, atau berdonasi ke Django Software Foundation
1 komentar
Komentar Hacker News
Saya melihat LLM bisa menimbulkan masalah di basis kode mana pun yang memiliki peninjau manusia
Jika memakai LLM tanpa memahami tiket, solusi, atau umpan balik PR, itu merugikan seluruh proyek
Kontribusi open source adalah tindakan komunal, tetapi LLM menutupi transparansi dan kerentanan manusia
Dari sudut pandang reviewer, rasanya seperti berbicara dengan ‘topeng’ manusia, jadi ini adalah pengalaman yang mematahkan semangat
Karena itu, LLM seharusnya dipakai sebagai alat bantu, bukan sebagai sarana pengganti
Belakangan ini di tim juga terlihat lonjakan PR yang ditulis AI, dan Claude atau Codex bahkan menggantikan umpan balik review
Jika budaya seperti ini mengakar, tampaknya akan berujung pada runtuhnya kepercayaan dan turunnya moral di seluruh industri
Bukannya meningkatkan produktivitas, yang tersisa hanya “perasaan seolah jadi lebih cepat”
Pada praktiknya organisasi tidak benar-benar mengukur produktivitas dengan baik, jadi tidak ada yang tahu efek bersih fitur seperti ini
Penggunaan AI secara luas sedang mengikis kepercayaan
Penampilannya terlihat lebih baik, tetapi keaslian hilang
Pada akhirnya kodenya memang lolos, jadi saya juga penasaran apakah orang-orang benar-benar tidak keberatan
Rekan kerja terbaik yang pernah bekerja dengan saya selalu membuat reviewer mudah untuk mengkritik
Mereka menuliskan asumsi, hal yang tidak mereka ketahui, dan trial-and-error dengan jelas, lalu menjelaskan agar reviewer mudah membantahnya
Jika PR menunjukkan kerendahan hati dan refleksi diri seperti ini, saya tidak terlalu khawatir meskipun ada campur tangan LLM
Masalahnya, orang-orang yang dulu saja mengirim kode yang bahkan tidak bisa di-build sekarang memakai LLM untuk memproduksi lebih banyak PR buruk
Karena itu saya tidak setuju dengan ucapan “selama kodenya jalan, tidak penting siapa yang menulisnya”
Situasinya sekarang sudah di tingkat tak terkendali
Terutama karena aktivitas GitHub dinilai dalam proses rekrutmen, orang mencoba memanipulasi riwayat kontribusi dengan LLM
Pada akhirnya PR lolos meski mereka sebenarnya tidak memahami proyeknya
Developer yang bagus memakai LLM bukanlah masalah
Masalahnya adalah orang-orang yang sejak awal kemampuannya kurang kini bisa mengirim lebih banyak kode berkualitas rendah berkat LLM
Dulu juga ada orang yang copy-paste dari StackOverflow lalu mengirim kode tanpa memahaminya
AI hanya memperbesar hal itu
Jika seseorang menebar PR serupa ke banyak repositori dan sebagian besar ditolak, itu sinyal yang sangat jelas
Pada akhirnya kita harus kembali ke budaya kontribusi yang menekankan kualitas daripada kuantitas
Menyadari masalah itu mudah, tetapi membangun kesepakatan dan solusi nyata itu sulit, dan para teknisi lemah di bagian itu
Saya suka ide untuk menyumbang uang
Kontributor inti Django tampaknya akan bisa memanfaatkan dana lebih baik daripada token
Proyek lain mengambil langkah seperti mengungkapkan penggunaan AI, menghentikan sementara kontribusi eksternal, atau membatasi pendaftaran issue
Karena PR berkualitas rendah terlalu mudah dibuat, waktu dan fokus komunitas jadi terganggu
Jadi mungkin perlu bergerak ke model kolaborasi yang lebih tertutup
Keputusan Debian untuk menangani masalah ini dengan hati-hati juga terasa mengesankan
Daripada membeli token, menurut saya lebih baik langsung menyumbang uang kepada kontributor inti dan membiarkan mereka memutuskan sendiri cara memakainya
Saya sangat setuju dengan kalimat, “Berbicara dengan topeng manusia itu menguras mental bagi reviewer”
Salah satu imbalan dari open source adalah interaksi dengan manusia, dan jika itu hilang, semuanya terasa seperti kerja paksa belaka
Pada akhirnya kesabaran semua orang menipis, dan kesenangan dalam berkolaborasi pun hilang
Seperti mengobrol dengan tukang daging langganan, orang ingin membangun relasi
Menulis paper jadi lebih mudah dengan LLM, tetapi verifikasi dan review tetap sulit dan memakan waktu
Karena itu dibutuhkan cara untuk menyatakan penggunaan AI, atau menandai PR dengan algoritme pendeteksi AI
Pada akhirnya itu akan membuat orang menerjemahkan jawaban LLM ke dalam bahasa mereka sendiri
Namun secara realistis, orang-orang yang mengabaikan aturan akan selalu ada
Inovasi belakangan ini semuanya tampak bergerak ke arah yang mendorong imbalan jangka pendek
Struktur insentif tidak mendukung orang yang punya pandangan jangka panjang
Kalau melihat teori permainan sekali saja, sulit menyangkal bahwa dunia memang dirancang seperti itu
Jadi ada batasannya untuk menilai strategi jangka panjang
Pesannya bagus, tetapi orang yang melakukan semua hal dengan LLM mungkin bahkan tidak akan membaca tulisan seperti ini
Sebagai maintainer open source, saya juga sulit membedakan apakah kode ditulis AI
Nyatanya hampir tidak ada developer profesional seperti itu
Saya jadi berpikir, bagaimana kalau justru dibuat proyek open source khusus LLM
Isinya hanya kode yang dibuat LLM, dengan protokol kontribusi yang didefinisikan jelas
Hanya saja, banyak kontribusi LLM kemungkinan besar cuma untuk portofolio
Ada ribuan kontributor dan puluhan ribu commit
AI sering kali tidak meningkatkan produktivitas, melainkan hanya memindahkan beban verifikasi ke orang lain
Pada akhirnya maintainer memikul lebih banyak pekerjaan, sementara kontributor hanya mengambil kredit
Saya juga pernah membuat patch untuk proyek seperti Django dengan memakai LLM
Tanpa LLM, saya mungkin bahkan tidak akan mencoba
Tetapi hasilnya saya review sendiri dan saya juga menulis test
Belakangan ini kode, penjelasan PR, sampai tanggapan review semuanya digantikan oleh LLM
Dari sudut pandang reviewer, sampai terasa “kenapa saya tidak sekalian me-review dengan LLM saja?”
Jadi LLM seharusnya dipakai sebagai alat bantu, bukan sebagai sarana pengganti