GitHub 上的 Awesome Lists 曾是开发者公认的寻宝图。这些以 awesome- 为前缀的仓库，通过人工策展（Human Curation）建立起各个技术领域的知识图谱，避开了搜索引擎中的 SEO 垃圾信息。然而，开发者 Erik Gahner 近期指出，这一开源生态的最后净土正遭受双重打击，一方面是维护者因精力有限导致内容严重陈旧，另一方面则是 AI 辅助编程（Vibe-coding）带来的垃圾流量轰炸。
这种割裂的背后是一场不对称的消耗战，人类维护者在面对铺天盖地的 AI 自动生成 PR 时，正逐渐丧失对列表质量的把控权。
垃圾流量如何击穿开源防火墙
开源协作本是基于互信的契约，但在 Vibe-coding 工具极大降低建站成本后，这套机制被恶意滥用。一个典型的案例发生在 abdessamadbettal/awesome-free-online-tools 仓库，这个仅有 13 颗星的冷门库，在作者撰文时竟堆积了 91 个待处理的 Pull Request。
这种操作并非个例。据观察，有单一用户在短时间内利用 AI 批量生产了包括 StatOrigin、ScanChess 在内的至少 6 个所谓工具网站，并疯狂向各类 Awesome 列表提交了超过 100 个推广 PR。尽管部分仓库如 brandonhimpfen/awesome-online-learning 通过严苛的质量门槛（要求证明教育者评审与学习成果）拒绝了此类 PR，但仍有诸如 public-apis 等高权重仓库因审核不及，让这些 AI 垃圾内容成功混入，污染了优质的数据语料。
人工策展的失灵与 AI 的“投毒回旋镖”
除了外部攻击，Awesome 列表自身也在老化。以 qinwf/awesome-R 为例，该库已超过一年未更新，其置顶链接竟包含一份 2016 年的下载量排名前 50 宏包概览。在对话式 AI 能够即时提供定制建议的今天，这种静态目录的入口价值已被大幅稀释。
但这只是现象的一面。更深层的危机在于 AI 投毒的回旋镖效应。当人类开发者因为 Awesome 列表内容过时且被垃圾 PR 污染而放弃维护，转而依赖 AI Agent 进行搜索时，AI 模型抓取的恰恰是这些被污染的 GitHub 仓库。
- 风险.如果人类放弃人工策展防线，AI 将从已被 Vibe-coding 污染的语料库中学习，最终形成 AI 制造垃圾、污染人类策展库、喂养 AI Agent 再向人类推荐垃圾的恶性循环。
谁在承担寻路成本的上升？
这一转变对三类人群影响最为直接，开源列表维护者不得不面对不对称的审核压力，如果不耗费大量精力核验提交者的 PR 历史，仓库即沦为垃圾站；独立开发者将 Awesome 列表视为低成本的 SEO 流量杠杆；而普通开发者则发现，他们曾经依赖的高质量索引库，正逐渐变成充斥着同质化工具的低信噪比空间。
目前，GitHub 社区尚未针对此类批量化攻击出台标准化的风控手段。对于广大开发者而言，警惕那些更新频率异常、PR 列表堆积如山的 Awesome 列表，或许是当前维持信息获取效率的必要选择。当机器生成吞噬了一切，如何重新建立一套高信噪比的筛选机制，成了摆在开源生态面前的新问题。