开发者 Alexis Purslane 采用统计学方法（参考其妻建议）分析了 rsync 项目引入 Claude AI 提交前后的 bug 数据，发现后续版本 bug 数量落在历史分布极端尾部，暗示存在显著增长。报告在 HN 获得 500+ 热度，引发关于 AI 辅助代码质量的激烈讨论。
2026 年 5 月，rsync 项目因用户指责其引入 Claude AI 生成的代码导致回归 bug 而引发热议。开发者 Alexis Purslane 随后发布了一份详细分析报告，使用 DuckDB 和 Python 脚本从 Git 历史中提取数据，对比 Claude 提交前后的 bug 率。为避免方法偏差，其妻（拥有宾夕法尼亚州立大学统计学硕士学位）建议将后续发布版本放入历史分布中，观察其极端程度——而非简单的每十行代码 bug 数比较。报告中所有数字、图表均由 Python 脚本自动生成，避免 AI 幻觉。
该分析之所以值得关注，在于它直面了开源社区对 AI 生成代码质量的核心担忧：当 LLM 开始直接贡献生产级项目时，其引入的 bug 是否显著高于人类？报告显示，rsync 在引入 Claude 提交后的发布版本，其 bug 量落在历史分布中“最差”的 5% 以内。尽管作者明确区分了分析流程（脚本由 GLM 5.1 编写，但数据和处理方法均为手动设计），帖子仍被大量反 AI 情绪淹没——HN 上 81 条评论充满指责“认知投降”的声音，而作者则强调应关注实际数字而非立场。
此事以 500+ 点赞登上 HN 首页，反映出社区对“AI 辅助编程”从尝鲜到警惕的转折。rsync 作为核心系统工具，其代码质量变化直接影响数千用户，而此案例也为定量评估 LLM 贡献的风险提供了首个公开参考样本。
原文链接: https://alexispurslane.github.io/rsync-analysis/