不久前，咱们曾报说念过，作为每月下载量进步 1.3 亿次、被无数软件平直镶嵌的 Python 经典编码检测用具 chardet 深陷公论旋涡之中。

启事是这个技俩的原作家 Mark Pilgrim 在开发五年后便弃取退网，过起了“隐居的生活”，而技俩后续崇拜、开发责任简直全部落在开源崇拜者 Dan Blanchard 一东说念主的身上，他凭一己之力苦苦撑持技俩于今已有十余年时刻。

最近，Dan Blanchard 借助 Claude Code，仅用五天时刻就将通盘库从零重写，并文告以新的开源许可证发布。

颇具戏剧性的是，也曾千里寂 15 年的原作家 Mark Pilgrim 顿然现身留言，对 Dan 这种“更换许可证”的作念法冷落了质疑，并要求对方罢手更换。

这一操作瞬息引爆社区，争议飞速膨大。

一部分东说念主认为：“作为开源崇拜者，你不错重写，也不错弃取新的授权公约，但不可平直掩盖原有技俩的开源授权；如果要别辟门户，就应该重新换个名字再发布。”

也有东说念主站在崇拜者一边，认为“这样多年的插足以及当下的重写本就是为了让技俩变得更好。”

与此同期，更深层的问题也被一并抛出：AI 辅助重写是否合理？所谓“洁净室”（clean room）方法是否竖立？软件许可的畴昔又将走向何方？

对此，当年冷落“开源界说”的好意思国驰名设施员 Bruce Perens 致使将这一事件类比为印刷术和科学方法的发明。他在收受外媒 The Register 采访时直言：“软件开发的通盘经济花式也曾透顶崩溃了。”

在争议之中，作为持久崇拜者的 Dan Blanchard 也出头，与好意思国企业级代理平台 Elvex CEO Sachin Kamdar、商场营销摆布 Doyle llrvin 进行了一次深入访谈，修起外界的种种质疑。

在他看来，此次重写在结构上是完全孤独的（通过第三方开源软件代码分析用具 JPlag 评测，相似度低于 1.3%，而此前东说念主工崇拜版块的相似度高达 80%）；同期，他也计划了法律照顾人，并将通盘经由保持公开透明。更紧迫的是，此次改写如实带来了一个对用户更好的版块。

Dan 坦言，我方多年来崇拜 chardet 从未从中收货，畴昔也莫得贸易化的假想。而新版块弃取的许可证愈加盛开、死心更少，性能也扫尾了高达 48 倍的提高——计议到该软件运行在海量开辟上，有东说念主致使辱弄，这有时是“AI 初度扫尾碳负排放的诓骗”，因为合座 CPU 使用量反而下跌了。

事实究竟是什么样的？

以下是 Dan 的完整对话内容：

月下载量高达 1.3 亿次，GitHub Star 数 2.5k 的 chardet 究竟是什么？

Sachin Kamdar：今天我绝顶欢娱能把 Dan Blanchard 请到节目里。

我和 Dan 很早之前就清醒了，差未几 10 年前，咱们沿途在一家叫 Parsley 石油公司同事。Dan 是那时相配锐利的工程师之一，作念过许多不同办法的技俩。其后他又去了几家公司，当今在好意思国金融科技公司 Monarch Money 作念工程师。

不外今天咱们找他来，是因为夙昔概况 10 天里，他作念的一件事在网上火了。Dan，要不你先简便先容一下我方？聊聊你的布景、平时主要热心什么，趁机也讲讲 chardet 到底是什么？

Dan Blanchard：就像你刚才说的，我以前在 Parsley 和你沿途责任过，在那处概况责任了六年，是以咱们合营的时刻照旧挺长的。

其实我在 Parsley 的时候，就也曾在崇拜开源的 Python 字符编码检测库 chardet 了。

这个库我前前后后崇拜了概况 12 年。最早战斗应该是 2012 或 2013 年，精良接办概况是 2014 年，具体时刻我记不太清了，但差未几就是 12 年这个时刻维度。

Sachin Kamdar：那 chardet 到底是作念什么的？“字符编码检测”听起来有点抽象，先诠释一下这个见解，然后再说说你当初为什么会接办崇拜它？

Dan Blanchard：这个提及来还挺挑升念念的。我最早启动作念这件事的时候，是在一家叫 ETS 训导检会作事中心责任，负责自动作文评分的软件，算是“AI 还没火之前”的早期 AI 诓骗。

所谓“字符编码检测”，其实不错这样贯通：你电脑上或者互联网上的扫数文本文献，底层现实皆是一串数字。专家常说的 0 和 1，你也不错贯通成一系列数字。

而“字符编码”，就是一套映射司法，有点像凯撒密码那种：某个数字对应某个字母，另一个数字可能对应一个记号，或者你键盘上能打出来的任何字符。

最早、亦然最经典的一种字符编码是 ASCII 编码，它只赞助 127 个字符。很长一段时刻里，尤其是在好意思国这种以英语为主的环境中，专家会以为：127 个字符完全够用了，键盘上这些不就全了吗？

关联词这种情况下，像中语、希伯来语等其他讲话皆“被忽略”了。

是以其后在 70、80 年代，逐步发展出了多样不同的字符编码。再往后还有 DOS 时期的一些编码，当今天然不主流，但偶尔还能见到。更早致使还有大型机时期的编码体系，不外基本也曾没东说念主用了。

“字符编码检测”的中枢问题是：给你一个文献，你要判断——这是英文？日文？中语？系统和会过统计方法和一些司法去估量它的编码面貌，以及它使用的讲话。因为讲话一朝判断出来，编码界限也就能减弱许多，许多编码其实是和特定讲话绑定的。

举个简便的例子，如果你看到一段文本里，往往出现对应“T”“H”“E”的数字组合，那概况率就是英文。这类礼貌就能匡助判断编码。

是以，chardet 现实上就是干这个的——帮你判断文本的编码。

它最早的起原，其实不错追念到 90 年代末 Netscape 浏览器里的一个组件，叫“通用字符编码检测器”。其后 Netscape 酿成了 Mozilla，再其后就是 Firefox。也恰是在这个基础上，最早的 Python 版块 chardet 被开发出来。

这个 Python 版块是在 2006 年由 Mark Pilgrim 写出来的，他把那套 C 讲话扫尾平直翻译成了 Python。

Sachin Kamdar：如果用更等闲一丝的面貌来诠释，你不错把它贯通成一个“乐高积木”：你搭建软件的时候，会把它作为一个基础模块嵌进去。它的作用，是帮软件判断一些内容——比如，这个文档是用什么讲话写的、弃取什么字符编码。

你刚才提到它每个月有 1.3 亿次下载，那基本不错说明，这个东西也曾被嵌进了多样各样的软件里，到处皆在用？

Dan Blanchard：对，没错。之是以用得这样多，很大一部分原因是因为一个 Python 库，叫 requests。基本上只须写过 Python 的东说念主，应该皆用过它。

requests 是用来作念采集肯求的，比如下载网页、考核 API，不错说是 Python 里最常用的采集库之一。而在底层，它就依赖字符编码检测。

早期版块里，它只用 chardet；其后新版也赞助另一个库，叫 CharSet Normalizer，用户不错二选一。

因为 requests 简直被扫数波及采集的 Python 设施使用，是以 chardet 也就随着被浅薄使用了。

原作家简直从“互联网”消失了，Dan 顶上成为了又名中枢崇拜者

Sachin Kamdar：是以这个库用处极大、掩盖面极广，你是若何成为它的崇拜者的呢？

Dan Blanchard：我那时在 ETS 责任，咱们算是比拟早一批启动弃取 Python 3 的团队。

概况在 15 到 20 年前，Python 社区其实有过一场很大的争议——讲话本人发生了比拟大的变化，导致你原来在 Python 2 里能跑的代码，到了 Python 3 基本皆得重写。

chardet 这个技俩，因为 Mark Pilgrim是在 2006 年写的，其后他在 2009 或 2010 年傍边就不再崇拜了（具体时刻我记不太清）。他那时简直是“从互联网消失”了，把我方谋划的代码仓库也皆删掉了，包括 chardet。其后是其他东说念主把这些代码给找纪念了，这个咱们不错背面再细说。

那时的情况是：有一个基于 Python 2 的 chardet，同期还有一个 Python 3 的分支，叫 charade，是 Ian Cordasco 作念的。他亦然 chardet 的崇拜者之一，同期亦然 Requests 这个库的崇拜者之一。Requests 那时正在尝试移动到 Python 3，于是他们就说：“咱们需要一个 Python 3 版块的这个库”，于是他就 fork 了一份。

我是在这个阶段加入进来的。那时我的指标很简便：把它重新变回一个和谐的代码库。也就是说，不再是 Python 2 一份、Python 3 一份，而是合并成一套代码，同期兼容双方。那时候作念这种“同期兼容 2 和 3”的事情，其实技艺上还挺难的，但我之前适值有不少这方面的申饬。

是以我把这两个代码库重新合并在了沿途。合并之后的版块概况是 chardet 2.3。从那之后，咱们启动发布同期兼容 Python 2 和 Python 3 的版块，一直不绝到很久之后才透顶毁掉对 Python 2 的赞助。

说真话，这个时刻点其实比联想中要晚了不少，但那时就是这样。

“一接办时就想换公约了，但并不是为了想赢利”

Sachin Kamdar：概况夙昔了 10 到 15 年，你一直在崇拜它。Mark Pilgrim 也曾很久没上线，也没给技俩孝敬代码了。此时基本上是你和几个其他东说念主崇拜这个库。

那么，你是什么时候启动计议换一个新许可证的？什么时候启动念念考那些最终激励争议的事情？

Dan Blanchard：我计议更换许可证也曾很深远。现实上，从我一启动崇拜 chardet 那天起，我就不想让它连续用 LGPL 许可证了。

先简便诠释一下：

LGPL 是“较宽松的 GNU 专家许可证”（Lesser GNU Public License）。GPL 是“普通的 GNU 专家许可证”（Greater GNU Public License，只是莫得前边的 L）。LGPL 一般用于库，因为它比 GPL 要宽松一些。GPL 的死心更严，其中一些司法对贸易用途不太友好，如果你想用它作念贸易技俩，就必须开源你的代码。

MIT 许可证则愈加盛开——真谛是，你想若何用这段代码皆行，我分离你作念什么负责。如果你修改了代码，最佳能孝敬且归，但并莫得强制要求。总体来说，这是一个相配纯真的许可证。

Sachin Kamdar：是以这三种皆是针对开源技俩的许可证，它们对使用和死心的进度不同。开发者如果是技俩的创建者，不错弃取其中一种来诓骗在我方的技俩上。你之是以对 LGPL 感到起火，是因为它有一些死心？

Dan Blanchard：对。我对 LGPL 的一些死心感到起火，并不是因为我想从中赢利。现实上，这场争议让我最持狂的一丝就是，有东说念主说“他只是想借这个赚大钱”。我完全莫得赢利的假想。有东说念主豪放付钱让我赞助它那天然很好，但我不会靠一个变装就能赚到数百万好意思元。

这是一个也曾存在了 30 年的字符编码检测库。当今的新版块是完全重写的，是以从技艺上来说，它是一个不同的东西。这亦然为什么有东说念主会责问我对它作念了什么的原因。

Doyle Irvin：如果其他东说念主想在贸易软件中使用它，这个新许可证就会让事情简便得多。换句话说，即便这个库也曾被浅薄弃取，许可证的改变可能会让它使用得更浅薄。开源技俩得到更多热心，也意味着能得到更多东说念主的赞助——尤其是你这种持久无偿崇拜的东说念主，多一丝匡助老是好的，对吧？

Dan Blanchard：没错，完全快活。比如你看 chardet 仓库里的第 36 个 issue，是 2014 年 10 月的。我在里面说了一段当今回头看挺挑升念念的话，概况是：“这对我来说有点奇怪，因为我我方就是崇拜者之一，但我照旧想问一句，咱们能不可改一下许可证？”

然后我和 Ian，还有那时参与较多的 Eric Rose 伸开了一番谋划。临了咱们得出的论断是：咱们需要谋划 Mark。但没东说念主知说念若何谋划 Mark，因为他也曾消失了，是以咱们完全不知说念该若何办。

概况在那之后六个月，我其实又挖到了一些痕迹。已矣挺烦的是，我其后把我方的 Twitter 账号给删了，因为我那时在 2015 年还在 Twitter 上和 Python 之父 Guido van Rossum 聊过这件事。

那时的对话大致是这样的：Guido 问我，是否赞助把 chardet 加入 Python 圭臬库。我回答说“天然，那太好了”。

之是以谋划这个，是因为那时有东说念主提议把 requests 加入圭臬库。临了没成，但 requests 有两个依赖，其中一个是 chardet，还有另一个我记不太清了。我记稳当时他们说，“chardet 是 LGPL 的许可”，是以这是个问题，因为圭臬库不可加 LGPL 的依赖。

Sachin Kamdar：这是 Guido 说的真谛——他以为，如果许可证不允许，就不可加入圭臬库。

Dan Blanchard：对，他那时说，“但是许可证……”

于是咱们就想，也许不错换个许可证。他那时的格调是，“如果能想办法换，那太好了。”

我铭刻在谋划里，有东说念主看到这件事之后谋划了 Mark，但我不清醒这个东说念主。他们问 Mark，Mark 回答说，“不行，许可证是 LGPL，因为我代码的基础就是 LGPL。”

这就是 GPL 系列许可证的一部分特质，它有所谓的“copyleft”要求——任何基于原作品的派生作品皆必须使用交流的许可证。是以把代码从一种讲话翻译到另一种讲话，现实上就是派生作品，昭着也需要雷同的许可证。

兴致的是，当 Mark 复制这些代码时，它如实是 LGPL，但其后这些代码的许可证改成了 Mozilla 专家许可证（MPL），比 LGPL 宽松一些。但那时咱们想改我方的许可证成 MPL 是不可能的。

原因是：想改许可证，咱们需要 Mark 的署名授权，也需要那时扫数孝敬者的署名——因为往往改许可证必须得到每位孝敬者快活，这简直不可能作念到。如实不错扫尾，但相配凄婉，从现实操作角度讲，根柢不现实。

我铭刻以前我也参与过一个开源技俩，忘了具体哪个。阿谁技俩由一家公司运营，他们想换许可证，于是给扫数也曾孝敬过代码的东说念主发了一封邮件——哪怕只是改了一转代码，也要签署一份快活改许可证的公约。如果你不快活，他们就把你的孝敬删掉，他们的格调基本是，“不要紧，咱们不错毋庸那部分代码。”

是以我想说，换许可证一直是我很想作念的事。当今我重写的新版块，用了一个不同的许可证。严格来说，这算是一种重新授权，因为我保留了原来的名字。我之是以保留名字，是想让用户不错平直替换上新版块，而毋庸切换到一个全新的库。

而且新版块的公道不单是是许可证不同。性能简直提高了 50 倍，准确率也大幅提高。在我手上 2000 多个文献的测试麇集，准确率提高了约 10 个百分点。更快、更准确、内存占用更低——简直各方面皆比老版块好。

是以，对用户来说，这是在许多方面皆更好的弃取。计议到每个月有 1.3 亿次下载，这还不算每天的现实使用量。如果你作念一个能显耀提高性能的转换，致使会对合座筹谋资源产生可测量的节能恶果。有东说念主开打趣说，这可能是 AI 限度第一个“碳中庸”致使“负碳”的诓骗，我以为也许是吧。

Doyle Irvin：我以为这个说法挺合理的。

Sachin Kamdar：是以基本上，你想过改许可证，但现实上操作上不现实，于是你干脆用 Claude 代码从零重写，用上一个本该有的许可证，对吗？

Dan Blanchard：是的，而且不单是是为了许可证。我一直想作念一些更大幅度的结构性转换，让它运行得更好、更快。但如果连续在旧版块上改，我插足了多半元气心灵，却照旧被原有的死心照料住，这让我很消沉。

我的指标一直是，但愿这个库能进入 Python 圭臬库。那样的话，不单是我一个东说念主负责崇拜，会有更多东说念主参与赞助。而且它本人就是一个圭臬用具库，不应该缺席。

Sachin Kamdar：好的，你作念到了。没什么大不了的。当今有了新的 chardet，更快、更强、更好，还有了新的许可证。

“我以为专家的反映有点高出了”

Sachin Kamdar：那咱们来说说这些事情的影响吧。当今许多谋划皆麇集在许可证的价值上。如果你不错平直用 AI 从零构建东西，也能重新作念一遍，那现实上并莫得变化，只是当今扫尾起来容易多了。某些东西的门槛致使可能消失了。

Dan Blanchard: 对。

Sachin Kamdar：那你若何想？你是若何贯通这种变化的？

Dan Blanchard: 我以为大讲话模子（LLM）让你作念以前专家皆能作念的事情，只是快了许多。

有点挖苦的是，夙昔摆脱软件的赞助者会庆祝那些本来私有的软件被改写得更摆脱。比如 Richard Stallman，他创立摆脱软件畅通，现实上就是因为电脑上的打印机驱动不可用，他想改好它，但无法取得源码，只好逆向工程。还有一些 Windows 模拟器，如果你有 Steam Deck，也能玩扫数 Windows 游戏，天然它跑的是 Linux，这皆是因为有东说念主逆向了多半 API。咱们皆为此欣忭，因为这让软件对专家更好、更免费。而当今有些东说念主反而对我作念的事情起火——我让本来有死心的免费软件死心更少了。

Sachin Kamdar：你以为他们为什么起火？当今和夙昔有什么不同？

Dan Blanchard: 我以为原因之一是我保留了原来的名字。许多东说念主认为，如果换了名字，这场争议就不会发生。我以为这个说法有道理。名字本人除了装置包之外，其实没什么现实道理。我并不留意叫什么。如果有办法让新版块代替旧的 chardet 装置，我会更名字。我保留名字，是为了让用户替换顺利、无痛。

假定法律上必须更名字，我仍然会负责旧技俩，把旧技俩在 GitHub 上存档，并标注“技俩已罢手崇拜，请转到新型样”。我致使会让旧版块装置时提醒：“此版块不再赞助，请下载新版块。”

但这样作念的恶果适值和我想抒发的相悖——想象一下，如果每个用户装置时皆弹出这个提醒，对于数百万次装置来说，这个能量败坏很大。

我以为专家的反映有点高出了。有东说念主致使说我应该像性作恶者一样被列入软件工程师黑名单，持久不被雇佣，简直疯了。

Sachin Kamdar：我也想知说念，如果回到夙昔，你莫得效 Claude 的代码，而是我方一转行地写、改、重写这个东西，你以为会不会引起争议？照旧说恰是因为用了 AI 才让东说念主以为可怕？

Dan Blanchard: 嗯，我以为这个问题不错从两个方面来看。

我弃取用 AI 的原因之一是速率快。我曾看到一篇著作，同事共享给我，说有家公司在几周内就重写了 Next.js。我记不清是哪家公司了，但我那时就以为，“哇，这也太纵容了。” 我心想，如果他们能作念到，我用 AI 重写 chardet 天然也能作念到。

但我之前莫得我方动手的原因之一，是因为传统上有东说念主用一种叫“洁净室（clean room）论”的面貌来为重写或调动许可证辩说。我的贯通是，如果你想让别东说念主重写 Windows 的代码，需要有一组东说念主看过原始代码，他们了解代码作念了什么，然后写敷陈，比如“如果能扫尾 A、B、C 功能就好了”，但不可告诉开发者具体若何写。然后另一组东说念主字据这些标准去扫尾。这种作念法在法律上几十年来皆可辩说。

而我我方是唯独在作念这个的东说念主，是以如果我我方重写，别东说念主可能会说，“Dan 对代码太熟谙了，不可算净室操作。”但是我用 Claude 的作念法十分于模拟了净室：我莫得告诉它该若何写，只说，“竣工不要用之前的代码。”

还有件事我还没公开，但假想很快共享——你当今算是提前知说念了。我让 Claude 作念了一个袖珍单页诓骗，把我重写 chardet 五天内的全部对话历史整合起来。

因为那时文献散在多个目次，我还改了土产货文献名，通盘经由凌乱无章。这个诓骗把扫数内容整合成一个完整历史，然后总结每次会话的内容。点击某次会话，就能看到每轮对话的具体内容。任何波及外部操作的，比如网页搜索、持取文献，皆有记号，便捷检察它在责任时参考了什么。

有东说念主指出，我在一些筹谋文档（不是提醒，而是 superpowers 生成的 plan docs）里，让 AI 去检察 chardet 仓库里的一个文献，这个文献主若是编码的元数据，比如“这个编码往往用于日语，这个用于英语”，记号哪些是当代编码、哪些是旧编码。这本人是公开信息，而且那份文献是我我方写的。

其实一直以来，如果能让原作家快活，调动许可证是允许的。我写的文献完全是我我方完成的，是几年前作念的一个研究技俩，整理了每种讲话对应的编码。接下来我发布时还会揭示几个可能引起争议的点，但基本上皆不错归结为两类：

要么是我我方写的内容，比如用于西宾模子的剧本；

要么是 AI 在完成扫数内容后作念的临了查验，保证 API 兼容性——它参考了这些文献，但内容是它我方写的。

我以为说“写完之后不可回高出去比拟内容”，这不太合理，但我不是讼师，是以发布后再看法律若何解读。

可能有东说念主会以为这更火上浇油，但我一直尽量透明。如果把扫数事实公开，它们就是事实。如果以后因此产生诉讼，这些信息也会被走漏，那干脆当今就放出来。

Sachin Kamdar：对，当今争议也曾闹大了，许多东说念主启动站队了。你当初启动作念的时候昭着没料想会这样。当今你若何看？会不会以为，“也许我应该换种面貌作念”？

Dan Blanchard: 不，不是那样……

Sachin Kamdar：就像当今回头看，胜率是 20/20。

Dan Blanchard: 我以为我有时候可能太稚子了。我以为就算别东说念主对我起火、对我坏心相向，我也不会改变我的看法。

如果有东说念主能拿出事实、感性地谋划，而不是像十二岁小屁孩那样胡乱争辩，在网上纳闷，我很乐意和对方交流，致使可能会被劝服。我豪放认为我方是一个相对感性的东说念主，东说念主生中也在许多紧迫问题上改变过看法，如果有东说念主能让我意志到我方错了，我不错收受。

我铭刻这件事发生之后，有个叫 Brian Fontana 的东说念主留言，他是最新版块 LGPL 的作家之一。严格说，chardet 用的不是最新版块，而是 LGPL v2，他写的是 v3。不外他在 chardet 的 issue 里开了个谋划，说，“这段代码到底有若干是东说念主类写的？”

我那时的回答是：基本上莫得，我简直莫得平直写过这些代码。他说，字据刻下的法院案例，如果一段代码完全由 AI 写成，那么很可能属于公有限度。我也计划了另外两位讼师，这似乎如实是共鸣。

是以现实上，如果最终论断是 chardet 必须进入公有限度，我也不会感到不快，因为那意味着它愈加摆脱。但复杂的问题在于，公有限度的见解在好意思国之外并不存在，在其他国度并莫得法律基础，这就很虚浮。

不外在谋划中，也有信得过的讼师也参与进来了。有东说念主提到一个叫 Zero BSD 的许可证，我还没深入研究，但它访佛公有限度，而且可能在国外上也适用，我可能会计议把许可证改成这个。

另一个兴致的谋划是：如果代码进入公有限度，一朝开源后有东说念主启动孝敬，他们的孝敬若何办？因为技艺上，他们不错弃取孝敬的许可证。

按我贯通，面前并莫得完善的法律机制能够让你明确地说：“这个仓库是公有限度，你对它的任何孝敬皆自动进入公有限度。”这在法律上简直莫得可行的方法。我认为这是开源发展的下一阶段需要解决的问题。

我看到 Sentry 也发布过访佛的见解，他们称之为“Fair Source”，大致真谛是当东西属于公有限度时，它不受版权保护，是以他们的决策不是传统版权许可证。他们在想，如果这些代码不可版权化，咱们若何才略不相互为难？fair source 的想法就是，你签一个公约，但具体扩充机制不太明确，比如保证你不会拿它去作念平直竞争。他们的念念路是，“代码完全公有限度，但别搞坏心竞争”。我以为这个见解挺挑升念念的。

原作家的顿然发声

Doyle Irvin: 我最大的疑问是，这“他们”到底指谁？谁会去采纳行动？像 Mark Pilgrim 会不会从他机要消失的深处重新出现，然后说：“我要采纳行动”？到底谁会信得夙昔扩充？

Dan Blanchard: 这场争议之是以强烈，是因为 Mark Pilgrim 再次出现，在 issue 上提了一个问题。传闻也曾有东说念主证实是他本东说念主。

我弃取确信说这话的就是他本东说念主。因此这是一个简直没作念过什么事情的 GitHub 账户，但它是在 15 年前创建的。是以嗅觉像是他以前有的一个“GitHub 小号”，一直没用过。趁机说明，我除了这一次外，从未见过他，也没跟他说过话。有东说念主说我对他有敌意，其实莫得。

他当初作念了一个东西，很有效，但其后他毁掉了，其他东说念主接办了。对我来说，说某个也曾删除的东说念主“领有”它，有点奇怪。

另一丝让我不太认可的是，东说念主们说“他作念了这一切”。我承认，但他那时用的算法，其实原始代码基本上就是逐行翻译的 Python 种子代码，看起来完全不像 Python，变量名皆很奇怪，皆是 Netscape 里面定名标准的留传。原始 chardet 版块里的这些东西，当今皆没了。

Doyle Irvin：是以他我方亦然从别的处所拿来的，他不可说“这是我的”。他把它翻译成了别的东西，然后弃掉了。你从“垃圾堆”里接办崇拜了十年，当今你试图让它更摆脱，而且你也没想从中赢利。

Dan Blanchard: 嗯。在新版块里面，我用了一个抄袭分析用具。

我那时心想，也许有个事实需要阐明——我明确告诉 AI，不要用任何 GPL 或 LGPL 的代码，也不要看原来的 chardet 代码。不错看测试数据，因为测试数据本人不是代码，是它从网高低载的文献，还有我我方下载的文献，用来测试。测试文献一直标注了各自版权，从没附 LGPL，因为它们根柢不是代码。

具体而言，我用一个叫 J-PLAG 的用具作念了抄袭测试。

我运行了它，然后在修起 Mark Pilgrim 对于我莫得权益修改代码的留言时，我展示了谋划数据：如果你看一下 chardet 包里、从他初版下载的代码——他只参与了初版的开发，第二版及之后的版块皆是其他东说念主作念的——那么新版块与旧版块中任何文献的最高相似度惟有 1.3%，平均相似度大要 0.6%。

如果你看第六版（第七版是阿谁有争议的版块），第六版其实是我在底层作念了紧要转换的版块，包括模子西宾面貌、存储面貌等等。即就是阿谁版块，最大相似度也才大要 80%，因为有些文献是沿用下来的，平均相似度概况在 10% 傍边，介于 10% 到 20% 之间，我手边莫得具体数字。

是以我以为，这澄澈地线路了代码简直完全不同。

我还作念了一张表，线路随着时刻推移，各版块的相似度是若何下跌的，但老是会有一些文献的最大相似度保持得比拟高，因为部分文献被保留了。这也说明，莫得任何文献完全沿用旧版，皆是全新的。

我一直在计议用不同的方法来作念这类分析。我筹谋写一些博客著作，逐步展示这些方法。趁机说一句，让 Clawd（大型讲话模子）襄理分析它我方，听起来挺可笑的，但我以为 LLM 在这方面作念得还挺好。是以我让它去看第六版和第七版的结构，并态状它们各自解决问题的方法，从架构上说明它们是若何责任的，然后指出相似点。

它的分析是：唯独相似的处所就是，它们皆在解决统一个问题，况兼皆使用统计和花式匹配——这本来就是解决这个问题的面貌。

另外还有一个叫 BOM（字节措施记号）的东西——有些编码在文献伊始有一个异常的少许字，用来表明这是 UTF-8 照旧 UTF-16。昭着，查验文献里有莫得这个记号，是笃定编码的一种简直百分百可靠的方法。但除此之外，除了这两个可想而知的技艺之外，两个版块简直莫得共通之处。它们解决统一个问题，用的只是一些基本念念路，这些念念路本人就是解决问题的唯独方法。

当 AI 生成的内容遇上开源许可

Sachin Kamdar：开源摆脱软件的许多发展皆离不开社区，这才是它信得过的价值。而社区对你作念的这件事反映也相配强烈。你若何看这件事？

你以为，这是不是像 Bruce Perens 所说的那样，开源软件许可需要迎来某种“清理”，照旧专家反映有点过度了？

Dan Blanchard：我以为 Bruce Perens 说得对。软件许可的近况，以及法院里迄今的案例，皆表明 AI 生成的代码很可能无法受版权保护。这对通盘行业的影响比 chardet 还要深远。

当今简直每家公司皆用 LLM 生成多半代码，任何我清醒的工程师皆在用 LLM 写代码，因为遵循太高了。如果这些代码皆不受版权保护，那咱们卖软件的面貌会有什么变化呢？这真的很难说。

这亦然 Bruce Perens 反映那么强烈的原因。他说，他不知说念靠卖软件若何赢利。

他举的例子是，有家公司用具很贵，他不想费钱，于是让 LLM 看文档，让它生成一个克隆版块，几天就治理了，他花在 token 上的钱远低于本来的购买本钱。软件即作事（SaaS）花式以前不错生计，因为你和用户相干精细，但当今有东说念主 10 分钟就能克隆你的东西，原来基于一个简便想法竖立的初创公司 MVP 也能被瞬息复制。

作为一个专科的软件工程师，我个东说念主不可爱这样的宇宙，但没办法，这就是现实。

Sachin Kamdar：你认为需要作念出哪些改变？

Dan Blanchard：我以为得从社会层面去改变，就像那些赞助全民基本收入的东说念主可能是对的。

随着我在专员责任致使开源技俩中越来越多地使用 AI，我会越来越有这种嗅觉：某个时候可能会出现一种情况，我的责任——即便我但愿公司连续付钱给我，也可能变得不那么必要了。

嗅觉就是，许多东说念主类在作念的查验责任，其实答复在递减。我不错想象有一种现象：有公司会说，东说念主类也会出错，是以咱们不必追求完整，因为东说念主类本人就不完整。这种想法，挺可怕的。

Sachin Kamdar：我以为裂缝区别在于，智能体莫得拖累感，但东说念主类有。在某种进度上，东说念主类的变装也曾从扩充酿成了“保障计策”。

Dan Blanchard：我完全快活。我想说，我在责任中有一条原则：每个 pull request 皆有你的名字，因为你要为它负责，需要切身阐明没问题。

这亦然我作念 chardet 时的作念法。我的名字在扫数 commit 上。我挑升让它线路“co-authored with Claude”（与 Claude 共同撰写），惟有我单独作念的 commit 才惟有我名字。除此之外，皆线路双作家。

我还作念了多半测试，掩盖了许多之前莫得测试的代码，如果毋庸 AI，我不会去作念这样透顶。想想以前 chardet 代码库里那些完全没测试的部分，当今 100% 单位测试掩盖，真的挺颤动的。

Sachin Kamdar：乐不雅来看，AI 天然带来了技俩开源许可方面的挑战，但也提高了遵循，让数亿开发者受益。

Dan Blanchard: 没错。我以为对 Python 社区来说，这竣工是一件善事。

Sachin Kamdar：尽管每个东说念主皆想信守行状操守，作念“正确且稳当说念德”的弃取，但在如今这种技艺爆炸的节律下，谁也无法信得过慢下脚步。毕竟，AI 用具带来的价值增长确切太显耀了，濒临如斯弘大的红利，任何东说念主皆很难简分工脆地说出一句：“不，咱们毫不使用。”

Dan Blanchard: 对。自从前次我发布了有争议的 7.0 版块之后，最近这段时刻我又推出了 7.01，只是开发了一个很小的 bug。之后我又发布了 7.1 和 7.2。

Sachin Kamdar：不得不说，这个技俩在短短三周内取得的施展，惟恐比夙昔任何一段时期皆要显耀。

Dan Blanchard: 是的。以前版块更新之间会有三年的停止，因为那时候只可在我有空的时候才去开发。但当今，如果有东说念主提交了一个 issue，我可能 10 分钟就能解决，然后趁机就发布个新版块了。

只须有 AI 的参与，东说念主类插足若干元气心灵，才算是技俩的作家？

Sachin Kamdar：相配感谢 Dan 和咱们共享通盘事件的始终如一。我以为不单是是你作念了什么、若何作念的挑升念念，更紧迫的是这对畴昔的发展也很有启发性。也许咱们不错一个月后再请你纪念聊聊。

Dan Blanchard: 好啊，我也很乐意。我但愿畴昔会有一些积极的施展，或者至少争议会小一些，天然也可能出现更多兴致、值得谋划的争议性事情。

概况不错用一句话抽象我的格调：我并不留意法院案件的最终已矣。我以为专家不太贯通这一丝。对每个东说念主来说，作念出一个明确的判决反而是成心的。当今最厄运的，就是这种不笃定性。

Sachin Kamdar：咱们当今就像在“西部旷野”，谁对谁错皆不澄澈。

Dan Blanchard: 对，就像有东说念主跟我说：“你必须把许可证改回 LGPL”，那如实挺厄运的，对吧？我我方也不太可爱，但好吧，这算是一个决定，也没比以前更厄运。

如果有东说念主跟我说：“这个必须放到公有限度，不受版权保护”，那我也没问题，因为这可能意味着它有契机被纳入圭臬库。

如果有东说念主说：“你当今不错保持 MIT 许可证不变”，那也很好，因为这恰是我刻下想作念的。

我以为唯独可能对我有法律风险的情况，就是如果我在法院败诉，然后需要补偿。但我真的不解白，一件免费的东西被另一件免费的东西告状，除了支付讼师费之外，还能有什么赔本呢？你知说念，我也不假想点名，但有东说念主曾主动暗示豪放帮我筹集法律基金，以防万一。

是以我但愿事情不会发展到那一步，但本分说，我也不知说念还有什么其他办法。

Sachin Kamdar：如简直的打讼事，这条路会波及许多不同确当事东说念主，可能会是一条漫长的说念路。

Dan Blanchard: 没错，如实是这样。说到这个，科罗拉多州最近有一个谋划的诉讼案挺挑升念念。有个东说念主用 AI 创作了一些艺术品，当今法院正在围绕一个中枢问题伸开谋划：一个东说念主到底得在这部作品里插足若干心力，才略名正言顺地手脚其“作家”？

天然我不笃定法律对“代码”的界定会不会和“艺术品”一样。总之云开体育，这如实是个值得热心的趋势。