TLDR;

A IA quebrou o modelo do GitHub ao gerar um influxo de pull requests de baixa qualidade em projetos open source como o Tldraw, levando mantenedores a preferirem não receber contribuições externas a lidar com código nocivo.. O caso do Tldraw envolve o mantenedor Steve Ruiz anunciando o fechamento automático de pull requests ruins gerados por IA, pois é melhor não fazer nada do que algo errado.. Escrever boas issues se tornou mais valioso que código em si, já que ferramentas de IA tornam a geração de código barata e fácil, mas exige conhecimento da codebase para propor soluções úteis.

Resumo

Na era da IA, onde escrever código se tornou praticamente gratuito, surge um novo paradigma no open source: contribuições ruins, muitas geradas por ferramentas de IA de baixa qualidade, são vistas como nocivas, preferível a inação a erros. O vídeo discute o caso do Tldraw, cujo mantenedor Steve Ruiz anunciou uma política drástica — fechar automaticamente pull requests (PRs) de colaboradores externos ruins, especialmente os "prolal" impulsionados por IA e motivados por currículos. Em vez de código, a habilidade valiosa agora é escrever boas issues, capturando problemas reais em codebases. Antes, há um patrocínio da Abacusi, serviço acessível (R$50/mês) com modelos top como Claude Opus 4.5 e deep agents para workflows, como análise semanal de sentimento em e-commerces via banco de dados e e-mails automáticos. O mantenedor é razoável: aceita IA se o contribuinte conhece o projeto. Uma anedota ilustra: uma PR inicial para mais pontas de seta no Excalidraw (pré-Tldraw) foi rejeitada por falta de issue; após discussão de design, o autor persistiu, implementou e expandiu opções. Hoje, com IA, o foco é alinhar contexto e protótipos, reduzindo custo de produção, mas valorizando compreensão profunda sobre codificação superficial. (198 palavras)