Rethinking open source mentorship in the AI era

Context

오픈소스 생태계에서 AI 생성 코드의 증가로 저품질 PR이 폭증하고 있다. 2025년 월평균 4,500만 개의 PR이 병합되면서(전년 대비 23% 증가) 메인테이너의 검토 시간은 변하지 않아 멘토십 비용이 급증했다. tldraw는 PR을 폐쇄했고, Fastify는 HackerOne 프로그램을 중단하는 등 주요 프로젝트들이 이관리 불가능한 상황에 직면했다.

Technical Solution

• Comprehension(이해도) 검증: 기여자가 이슈를 먼저 열고 승인받은 후 PR 제출하도록 요구(Codex, Gemini CLI 사례)
• Context(문맥) 제공: PR에서 이슈 링크, 트레이드오프 설명, AI 사용 공개를 필수화(ROOST 3원칙, Fedora 정책, Processing Foundation 체크박스)
• Continuity(지속성) 추적: 같은 기여자의 재방문 여부로 멘토십 투자 결정(1차 PR → 피드백 반영 → 재방문 시 심화 멘토십)
• AGENTS.md 도입: robots.txt 형식의 AI 에이전트 지시 파일로 기여자 도구가 프로젝트 규범 자동 준수하도록 유도(scikit-learn, Goose, Processing 사례)
• 자동 필터링 플로우: PR 도착 → 가이드라인 미준수 시 즉시 종료 → 준수 시 검토 → 재방문 시 멘토십 투자 여부 판단

Impact

멘토십의 곱셈 효과 수학 모델: 2년마다 2명씩 멘토링하면 5년 후 59,049명 도달(1년 1,000명 규모 대비), 이는 체계적 기여자 필터링으로 메인테이너당 멘토링 효율을 극대화함을 의미한다.

Key Takeaway

오픈소스 메인테이너는 모든 기여자를 멘토링할 수 없으므로, 3C 프레임워크로 명확한 기준(이해도·문맥·지속성)을 수립하고 진정한 기여 의지를 보인 자에게만 집중 투자해야 한다. 이는 심사숙고 없는 PR을 효율적으로 필터링하면서도 진정한 신인을 놓치지 않는 균형을 달성한다.