Linux 内核维护者正在大规模删除子系统代码。不是因为这些代码有 bug，而是因为 LLM 生成的安全报告太多了，多到维护者宁可把整个子系统移出内核树。
这不是段子。这是 2026 年 4 月正在发生的事。
发生了什么
过去一周，Linux 网络子系统维护者 Jakub Kicinski 和 Andrew Lunn 提交了一系列大规模代码移除补丁，涉及：
- AX.25 业余无线电协议及所有关联的 hamradio 设备驱动
- ATM 协议和驱动
- ISDN 子系统
- ISA 和 PCMCIA 以太网驱动
- 一对老旧的 PCI 驱动
Kicinski 在提交说明中写得很直白：
This set of protocols has long been a huge bug/syzbot magnet, and since nobody stepped up to help us deal with the influx of the AI-generated bug reports we need to move it out of tree to protect our sanity.
关键词：protect our sanity（保护我们的理智）。
问题的本质
这些被删除的子系统有一个共同特征：老旧、用户极少、但代码量不小。它们长期处于"名义上维护"的状态 — 没有活跃的维护者投入精力，但因为是内核的一部分，任何针对它们的 bug 报告都需要有人处理。
然后 LLM 来了。
自动化安全扫描工具（包括 syzbot 和各种 LLM 驱动的代码审计工具）开始批量生成针对这些老旧代码的安全报告。问题是，这些报告中有大量是低质量的、重复的、甚至是错误的。但每一份报告都需要人工审核 — 因为你不能假设 AI 生成的报告全是垃圾，万一里面有一个真正的漏洞呢？
这就形成了一个恶性循环：
- LLM 扫描老旧代码，生成大量安全报告
- 维护者花大量时间审核这些报告
- 大部分报告是噪音，但不能不看
- 没有人愿意维护这些代码，也没有人愿意处理这些报告
- 唯一的出路：把代码从内核树中移除
这件事为什么重要
表面上看，这是一个开源维护的问题。但往深了想，这是 AI 工具对人类工作流产生负面外部性的典型案例。
LLM 生成内容的边际成本趋近于零。但人类审核内容的成本没有变。当 AI 可以每秒生成 100 份安全报告，而人类每天只能审核 10 份时，系统就崩了。
这和 AI 生成的垃圾邮件、AI 生成的虚假评论、AI 生成的 SEO 内容是同一个问题的不同表现：生产成本为零 + 审核成本不变 = 信噪比崩塌。
LWN 的评论区也很有意思。有人指出，这些代码本来就该被移除 — 它们服务的硬件（PCMCIA 网卡、ISDN 调制解调器）早已退出历史舞台。LLM 报告只是加速了一个本该发生的清理过程。
这个观点有道理，但也回避了核心问题：如果 LLM 开始对活跃维护的代码做同样的事呢？
对开发者的启示
几个值得思考的点：
1. AI 工具的"外部性"需要被纳入设计考量。 如果你在构建 AI 安全扫描工具，你有责任控制输出质量，而不是把过滤成本转嫁给下游。
2. 开源项目需要新的防御机制。 Linux 内核已经开始要求贡献者声明是否使用了 AI 工具。但这远远不够。我们可能需要某种"AI 报告分级"机制，让维护者可以批量处理低置信度的报告。
3. "移除代码"有时是最好的工程决策。 代码不是资产，是负债。每一行代码都需要维护。当维护成本超过价值时，删除就是正确的选择。这个道理在 AI 时代变得更加紧迫。
写在最后
Linux 内核是全球最重要的开源项目之一，运行在从手机到超级计算机的几乎所有设备上。当它的维护者被迫用"删代码"来应对 AI 生成的噪音时，这是一个信号：我们需要认真思考 AI 工具的使用边界和责任归属。
AI 不只是在帮我们写代码。它也在帮我们制造问题。
如果你在日常开发中需要在多个 AI 模型之间切换对比，推荐试试 OfoxAI（ofox.ai）— 一个账号接入 Claude、GPT、Gemini 等主流模型，省去多平台来回跳转的麻烦。
