Разработчики представили repo-slopscore — утилиту на языке Rust, предназначенную для выявления следов использования LLM и автоматизированной генерации кода в Git-репозиториях через анализ паттернов и специфических токенов.
Что произошло
Инструмент repo-slopscore позволяет анализировать историю коммитов (до 5000 записей) и исходный код на наличие так называемого «slop» — признаков машинной генерации. Проект доступен в виде CLI-приложения, а также через веб-сервис slopscan.ava.pet, который уже предоставляет аналитику по тысячам отсканированных репозиториев.
Контекст
С ростом популярности AI-агентов в процессе разработки программного обеспечения становится все более сложным отличить вклад человека от автоматизированных систем. Это создает потребность в инструментах аудита, способных верифицировать происхождение кода и контролировать качество разработки в эпоху массового использования нейросетей.
Почему это важно для индустрии
Для ИТ-индустрии появление подобных инструментов знаменует формирование новой ниши в области DevTools: аудита качества кода и верификации авторства. Это может привести к внедрению стандартов прозрачности, где происхождение кода становится проверяемым метаданным, а метрики AI-contributions — частью оценки технического долга.
Почему это важно для пользователей
Разработчики и команды могут использовать инструмент для точечного аудита open-source или внутренних репозиториев, чтобы понять, какая часть документации и кода написана нейросетями. Это позволяет более эффективно проводить код-ревью и контролировать уровень «замусоренности» проекта ИИ-контентом.
Что пока неизвестно / ограничения
Эффективность метода во многом ограничена использованием паттерн-матчинга, что не обеспечивает глубокого семантического понимания кода. При внедрении в production-циклы требуется дополнительная оценка точности детекции и потенциального влияния на CI/CD пайплайны.
Источники
Автор
Look at AI, редакция