Zig-Projekts Begründung für seine strenge Anti-LLM-Beitragspolitik

Das Zig-Projekt hat eine der strengsten Anti-LLM-Richtlinien unter den großen Open-Source-Projekten: Keine LLMs für Issues, Pull Requests oder Kommentare im Bug-Tracker – einschließlich Übersetzungen. Benutzer können in ihrer Muttersprache posten und sich auf die Übersetzungswerkzeuge anderer verlassen, aber LLM-generierte Inhalte sind verboten.
Warum das Verbot?
Loris Cro, VP of Community der Zig Software Foundation, legte die Begründung in einem Beitrag mit dem Titel „Contributor Poker and Zig's AI Ban“ dar. Die Kernidee: Mitwirkende sind wichtiger als Beiträge.
In erfolgreichen Open-Source-Projekten erhalten die Maintainer irgendwann mehr PRs, als sie verarbeiten können. Zig verfolgt den Ansatz, unvollkommene PRs zu akzeptieren und neuen Mitwirkenden zu helfen, sich zu verbessern – nicht nur aus Fairness, sondern weil jeder Mitwirkende eine Investition darstellt. Das Ziel des Reviewens von PRs ist nicht nur das Einspielen von Code, sondern das Fördern neuer vertrauenswürdiger Mitwirkender, die im Laufe der Zeit produktiv werden.
LLM-Unterstützung bricht dieses Modell völlig. Selbst wenn ein LLM einen perfekten PR einreicht, trägt die Zeit, die für das Review aufgewendet wird, nichts dazu bei, einen neuen, selbstbewussten und vertrauenswürdigen Mitwirkenden zu entwickeln. Cro nennt dies „Contributor Poker“ – in Anlehnung an die Kartenspiel-Weisheit „Du spielst die Person, nicht die Karten.“ Beim Contributor Poker setzt man auf den Mitwirkenden, nicht auf den Inhalt seines ersten PRs.
Kontext: Fork durch Bun
Das bekannteste in Zig geschriebene Projekt – die Bun JavaScript-Laufzeitumgebung – wurde im Dezember 2025 von Anthropic übernommen und nutzt KI-Unterstützung in großem Umfang. Bun betreibt einen eigenen Fork von Zig und erzielte kürzlich eine 4-fache Leistungssteigerung bei bun compile durch die Hinzufügung paralleler semantischer Analyse und mehrerer Codegen-Einheiten zum LLVM-Backend. Allerdings, so Bun: „Wir planen derzeit nicht, dies upstream zu bringen, da Zig ein striktes Verbot von LLM-verfassten Beiträgen hat.“
Cros Argument adressiert auch einen häufigen Einwand: Wenn ein PR größtenteils von einem LLM geschrieben wurde, warum sollte ein Maintainer Zeit damit verbringen, ihn zu diskutieren, anstatt sein eigenes LLM zu verwenden, um dasselbe Problem zu lösen?
Für wen ist das gedacht?
Open-Source-Maintainer, die KI-Beitragsrichtlinien evaluieren, sowie Entwickler, die neugierig auf die philosophischen und praktischen Argumente hinter der wachsenden Zahl von LLM-Verboten in Open-Source-Projekten sind.
📖 Lies die vollständige Quelle: HN AI Agents
👀 Siehe auch

Stripe's Minions: Verbesserung der Entwicklerproduktivität mit Einmal-End-to-End-Coding-Agenten
Die Stripe-Minions sind One-Shot-End-to-End-Coding-Agenten, die entwickelt wurden, um die Produktivität von Entwicklern durch die Automatisierung komplexer Aufgaben im Stripe-Ökosystem zu steigern.

Die Notwendigkeit relationaler Governance in Multi-Agenten-KI-Systemen
Aktuelle Governance-Rahmenwerke konzentrieren sich auf Identität, Berechtigungen und Notabschaltungen, berücksichtigen jedoch nicht die Koordination zwischen Agenten. Forschungen von Salesforce zeigen, dass Interaktionen zwischen Agenten speziell entwickelte Lösungen erfordern, während Studien belegen, dass Wärme in Verhandlungen Dominanz übertrifft.

Claude-Code v2.1.33: Automatisierung mit Präzision verbessern
Die neueste Version von Claude-Code v2.1.33 führt wichtige Funktionen ein, die KI-Coding-Agenten weiter revolutionieren und sowohl Effizienz als auch Genauigkeit steigern.

Neurowissenschaftlich inspirierte Gedächtnisarchitektur für KI-Agenten, validiert durch Claudes Auto-Traum
Eine neurowissenschaftlich inspirierte Gedächtnisarchitektur für KI-Agenten eines Entwicklers, die Schlafzyklus-Konsolidierung und drei spezialisierte Agenten umfasst, stimmt eng mit Claudes neu veröffentlichtem Auto-dream-Feature überein, das reflektierende Durchläufe über Gedächtnisdateien durchführt.