FOSDEM 2025 参与开源项目是在开发、文档编写、国际化等方面积累经验的绝佳方式,但这并不像看起来那么容易。
去年,我们的 Steven J. Vaughan-Nichols 曾写到开源社区正在老龄化,需要新鲜血液。这促使瑞典开发者 Jesper Olsson 与我们取得联系,我们在布鲁塞尔的 FOSDEM 大会上与他会面。Olsson 是 SchemaSpy 项目复兴团队的成员,该项目此前已沉寂近十年。
对于年轻人来说,参与开源软件开发存在哪些问题?
进入门槛虽然并不总是可见,但确实存在,而且可能相当高。
能举个例子吗?
比如说,如果你要贡献自己的代码,需要达到很高的标准。通常感觉你必须超越现有的功能。仅仅是为了让代码被接受,你就必须提供比某些可能已存在几十年的产品更好的东西。
另外,如果你既是新手又很年轻,让年轻人把自己的代码展示给全世界看是一件非常令人生畏的事情。许多首次贡献者是学生。大学课程很长,深入讲解编程语言和代码编写,但问题是,他们往往不涉及贡献代码所必需的内容。例如,使用 Git 这样的工具,不仅是 Git 本身,还包括 GitHub 等支持基础设施。这同样适用于 GitLab 和其他替代方案。
一些潜在的贡献者可能非常熟悉编程、阅读和编写代码,但他们可能从未提交过 issue 或发送过 pull request。这是一个令人害怕的第一步。还有一些人可能具备必要的技术技能,但缺乏创造力。他们应该从哪里开始?此外,如果someone感到恐惧,可能会导致冒名顶替综合症。害怕全世界都会看到你糟糕的代码,这是阻碍分享的重要因素。
另一个方面是一个不仅限于 IT 或计算机领域的普遍技术问题。比如汽车,在 1980 年代自己修车要比现在容易得多。现在的设备不仅更复杂,而且对业余爱好者来说也更加封闭。你想尝试做什么,从哪里开始?实际上,为什么要开始?我们创造代码和工具,但我们没有创造激励机制来鼓励人们进入并开始探索、研究和改变它。
动机呢?
是的,没错。为什么要参与开源软件开发?为什么要写些东西并开源?为什么不把时间和精力花在创业和致富上?正如大多数贡献者所说,从事开源工作往往会导致糟糕的生活/工作平衡。
这对你有影响吗?
是的,实际上我最近刚结婚。但我在 SchemaSpy 的一个共同维护者有妻子和两个孩子。这会导致冲突的冲动。当你也想花更多时间陪伴家人时,如何找时间编写代码?
众所周知,开源软件的资金支持是一个持续存在的问题。
资金很重要,但这不是唯一的问题。你无法真正用资金来购买时间。
解决这些问题不是技术问题。这些问题更适合通过市场营销、沟通,是的,还有资金支持来解决。沟通在这里是一个重要问题。比如 Linux 内核本身。
我们知道内核开发者倦怠是个问题。
不仅仅是这样。内核很引人注目,但团队很小。但有些事情不仅仅存在于科技领域。例如,有很多人在做视频游戏模组。这可以是一个很有创意的活动,有很大的创新空间,还有流媒体等途径来接触观众。这适用于各种游戏,如《宝可梦》、《上古卷轴》和《我的世界》。游戏模组是一个很好的入门方式。它甚至可能成为创建公司或谋生的途径。但它并不被视为开源软件。对于刚开始感兴趣的新手来说,它甚至可能吸引人们远离开源软件开发。
有太多不同的因素在吸引人们离开,从社交媒体到科技巨头公司吸纳所有人。即使对于大学生来说,也有其他事物在分散他们的注意力。对于那些真正想要参与、想要帮助发现开源软件问题并更重要的是帮助找到解决方案的人来说,这并不容易。
我们想为社会做贡献,但社会并没有告诉我们它需要什么!
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。