L06a-3 依赖拼图与引用:组合起来的许可冲突,以及怎样写明来源和版本
从零讲清两件事:每个组件单独合法、拼进同一个项目却可能无法发布;以及只有许可还不够,引用要写明来源、版本和持久链接,项目层面还要有 CITATION.cff、README 和固定版本号。
一句话版
三样各自合法的东西拼进同一个项目,许可义务可能互相打架,结果哪样都发不出去。就算许可全部理顺,还要写明你用的是谁的、哪一版、在哪能长期找到。
这一页先讲组合冲突,再讲引用,最后落到项目根目录该放的三样文件。
先认识这几个词
读之前最好先看三类许可各自的要求,见 L06a-2。
| 词 | 全称 / 读法 | 一句人话 |
|---|---|---|
| 依赖 | dependency | 你的项目要用到的别人的库、脚本或数据 |
| 专有 | proprietary | 权利人保留全部权利,没有给出开放许可 |
| legal limbo | 法律上悬而未决 | 各项义务互相冲突,不知道还能不能发布 |
| provenance | 来源 | 东西是谁做的、从哪来 |
| DOI | Digital Object Identifier,数字对象标识符 | 一个长期不变、能找回对象的编号链接 |
| commit 哈希 | commit hash | Git 给每次提交的唯一编号,能定位到某一版代码 |
| CITATION.cff | Citation File Format | 放在仓库根目录、机器可读的引用信息文件 |
一个类比:借来的零件和借条
你在拼一台机器。主体是自己做的,按「随便用,留下名牌」的规矩借出。中间装了一个借来的马达,它的规矩是「整台机器借出时,要把全部图纸一起附上」。另一个控制器是朋友公司的,规矩是「图纸绝不外传」。
每个零件单独看都没问题。装到一台机器里再借出去,马达要求附全部图纸,控制器不许外传图纸,两条规矩没法同时满足。
机器能借出了,还有借条的事。别人要能照着借条找到同一个马达、同一个型号,而不是一个「大概长这样」的马达。
类比在哪里失效:
- 真实许可里,「放在一起」和「组合成一个程序」在条款上可能是两回事,零件的比喻分不出这一层。
- 借条只要写清一次就好;数据集和代码仓库会持续更新,引用必须写到具体版本。
从零讲起
1. 依赖拼图:单独合法,组合冲突
它解决什么问题
前一页每次只读一份许可。真实项目里,一个 notebook 可能同时用了自己的代码、一个开源库和一段别人给的脚本。问题变成:这几份许可放在一起,项目还能不能公开发布?
直觉
课件用三格漫画讲这件事。第 1 格,学生自己的代码是 MIT,Copyright (c) 2024,又引入了一个 GPL v3 的库,学生觉得 “Looks compatible!”。
第 2 格又加了一个专有组件,上面写着 “No open license. Proprietary software. All rights reserved.”。
第 3 格三块拼图拼不到一起,周围是一圈问题:许可兼容吗?算衍生作品吗?分发义务是什么?GPL 的源码要求怎么办?专有限制呢?到底还能不能发布?
冲突的来源很具体。GPL 要求分发时整体按 GPL 提供源码;专有组件不允许公开或再分发。两条义务同时压在一个发布包上,课件把这种状态叫 legal limbo。
一步一步看
目标:把一个三块拼成的 notebook 拆开、合起来、再找出路,看单独合法的几块怎样在组合后义务相撞。
把一个三块拼成的 notebook 拆开、合起来、再找出路,每一步推进一行。
-
拆开看每一块:主代码 MIT,绘图库 GPL v3,清洗脚本是实习公司的,All rights reserved。
-
合起来看义务:GPL 要求整体按 GPL 给源码,清洗脚本不许公开,两条义务撞在一起。
-
找出能发布的路:换掉专有脚本,或换一个宽松许可的绘图库,或者只在内部用、不分发。
怎么判断
看一个项目能不能发布,先列出所有组件和各自的许可,再问两件事:有没有一份许可要求「分发时整体怎样」,有没有一份许可要求「不许公开」。两者同时出现,就要先解决冲突再发布。
更省事的做法在前面:加依赖之前先查许可,并在 README 里列出每个上游依赖的许可。等项目写完再查,换依赖的代价就大了。
补充一条课件没引的条款:GPLv3 §5 末段说,和其他独立作品只是放在同一存储或分发介质上、不组合成更大程序的「聚合体」(aggregate),许可不会延伸到聚合体的其他部分。所以「放在一起」和「组合成一个程序」在条款上不同。具体项目算哪一种,课件没有给标准,这里也不下结论。
常见误解
以为每个组件都合法,整个项目就合法
课件这一页讲的正是反例。单独合法只说明每份许可本身被遵守了,组合之后各份义务要同时满足,可能根本满足不了。
以为只要自己的主代码是 MIT,整个项目就按 MIT 发布
你只能给自己写的部分定许可。引入的 GPL 库和专有组件各带自己的条件,项目发布时这些条件一起生效。
试一下
你的数据分析脚本是 MIT,用了一个 MIT 许可的绘图库和一个 CC BY 4.0 的公开数据集。要发到公开仓库,会撞上依赖冲突吗?要做什么?
不会撞上冲突:三者都没有「整体必须怎样」或「不许公开」的要求。要做的是保留绘图库的版权声明和许可文本、给数据集署名,并在 README 里列出两样依赖各自的许可。
2. 只有许可不够:引用三要素
它解决什么问题
你按 CC BY 4.0 的要求给一个数据集署了名,法律上做完了。可是别人读你的报告,想找到你用的那一份数据,只看到一个名字和一个首页链接,数据集已经更新过好几次。引用要回答的是:别人能不能准确找回你用的那一版。
从哪来(补充)
DOI 系统由国际 DOI 基金会(International DOI Foundation)管理,从 2000 年起投入使用。它的特点是编号固定不变,对象搬家时只更新编号背后的元数据,所以旧链接不会失效。
出处:Wikipedia: Digital object identifier
直觉
课件的标题是 Licensing a Dataset is NOT enough。遵守许可是法律层面的事,引用是学术层面的事,两者都要做。
课件给了一条数据集引用样例,并提炼出三个要素。PROVENANCE 是来源:谁做的、放在哪个存放库。VERSION 是版本:你用的是原始导出,还是清洗后的子集。PERSISTENCE 是持久链接:用 DOI 这类长期链接,不用临时 URL。
代码也一样。仓库会持续更新,只写仓库地址等于没写版本。课件的行内注释样例最后一行是 Commit 哈希,它起的作用和数据集的版本号相同。
一步一步看
目标:把课件的数据集引用样例逐段归进三要素,看哪两段落在三要素之外、各说明什么。
把课件的数据集引用样例按三要素逐段归类。
- 先找来源:作者、年份、标题、存放库。
- 再找版本:版本号和类型标注。
- 再找持久链接:DOI。
- 最后看剩下的两段:许可和访问日期。
| 段落 | 原文 | 归到哪一类 |
|---|---|---|
| 作者和年份 | Author, A. (2026). | PROVENANCE |
| 标题 | Title of Dataset | PROVENANCE |
| 版本和类型 | (Version 1.2) [Data set]. | VERSION |
| 存放库 | Repository Name. | PROVENANCE |
| 链接 | https://doi.org/10.xxxx/xxxxx. | PERSISTENCE |
| 许可 | License: CC BY 4.0. | 法律层面,说明能怎么用 |
| 访问日期 | Accessed Sep 2026. | 补充,说明什么时候取的 |
怎么判断
检查一条引用,问三个问题:看了它,能不能知道东西是谁的、在哪;能不能确定是哪一版;过几年链接还能不能打开。三问都答得上,引用才算完整。
许可那一段单独看:它回答的是能不能用。版本号和 DOI 解决可复现,许可和署名解决合法使用,缺一不可。
常见误解
以为按许可署了名,引用就完成了
署名满足的是 CC BY 的法律条件。课件这一页的标题就是只有许可还不够:没有版本和持久链接,别人还是找不回你用的那一份。
以为代码写上 GitHub 仓库地址就够了
仓库地址指向的是一直在变的最新版。课件的行内注释样例要求写 Commit 哈希,只有哈希能定位到你实际用的那一版。
试一下
同学在报告里写:数据来自「某城市交通数据集,见官网首页」。按三要素,缺了哪些?
来源只有一半:有数据集名,缺作者或发布机构和存放库。版本完全缺:不知道是哪次发布、是原始数据还是清洗后的子集。持久链接也缺:官网首页是临时 URL,应换成 DOI 或其他长期链接。另外还应写上许可和访问日期。
3. 项目层面:三样文件放在根目录
它解决什么问题
单条引用写在报告里,单条注释写在代码里。可是别人打开你的仓库,第一眼看的是根目录。课件的 PROJECT LEVEL 回答:一个项目整体要怎样交代自己用了什么、别人怎样引用它、怎样跑起来。
直觉
课件列了三件事。
CITATION.cff 是机器可读的引用信息,别人想引用你的项目时可以直接用。
README 列出上游依赖和各自的许可,也就是依赖拼图那里要求的清单。
Requirements 固定版本号(pin versions),让别人装到的依赖和你用的是同一版。
三样分别回答三个问题:怎样引用我、我用了谁的、怎样复现我。
一步一步看
目标:给一个准备公开的课程项目补齐三样文件,看它们各回答引用、依赖和复现中的哪个问题。
给一个准备公开的课程分析项目补齐三样文件。项目用了一个 MIT 绘图库、一个 CC BY 4.0 数据集,并改编了一段网上的代码。
- 先写 README 的依赖清单。
- 再固定依赖版本。
- 最后加 CITATION.cff。
| 步 | 文件 | 写什么 |
|---|---|---|
| 1 | README | 绘图库名称和 MIT;数据集的作者、版本、DOI 和 CC BY 4.0;改编代码的原项目、URL、许可、commit 哈希 |
| 2 | Requirements | 每个依赖写到具体版本号,不只写库名 |
| 3 | CITATION.cff | 本项目的作者、标题、版本、链接,供别人引用 |
怎么判断
打开一个仓库根目录,看三样文件在不在。缺 README 的依赖清单,别人不知道能不能用;缺固定版本,别人跑不出同样的结果;缺 CITATION.cff,别人想引用也不方便。
这一套和上一讲讲过的数据与代码引用是同一种做法,这一讲多了「许可」这一项。
常见误解
以为 README 写项目简介就够了
课件要求 README 列出上游依赖及其许可。只有简介,读者无法判断这个项目里每样东西能不能用。
以为 requirements 里写库名就算固定了依赖
只写库名,安装时会拿到最新版,行为可能和你当时不一样。课件说的是 pin versions,写到具体版本号。
试一下
一个仓库有 LICENSE 和一份写得很详细的项目简介,没有其他文件。按课件的 PROJECT LEVEL,还缺什么?
缺三样中的大部分。README 里没有上游依赖及其许可的清单;没有固定版本号的 requirements;没有 CITATION.cff。LICENSE 说明了你自己的代码怎么用,但没交代别人的东西。
把它们串起来
许可单独读不够,还要放进项目里一起读。每个组件单独合法,组合起来义务可能冲突:GPL 要整体给源码,专有组件不许公开,同时存在就卡在 legal limbo。办法是加依赖之前先查,在 README 里列清楚。
许可理顺之后,还要交代来源。引用三要素是来源、版本、持久链接,代码用 commit 哈希定版本。许可和署名解决能不能用,版本和 DOI 解决能不能复现。
项目层面把这些收进三样文件:CITATION.cff、README、Requirements。到这里,前半讲的许可和引用就讲完了。下一页换一个角度,看法律到底保护代码和算法的哪一部分。
课件里的坑
- [读图提醒] p.14 文字框写 “GPL library and a proprietary dataset”,漫画画的却是专有的 data scraper(代码)。数据集按许可条件判断能否使用和再分发;scraper 是软件,牵涉衍生作品和源码义务。理解时统称「专有组件」即可
- [读图提醒] p.14 第 3 格把 conflicting 拼成了 complicting,不影响理解
- [读图提醒] p.15 代码复用一格原文是 “specific logic logic reuse”,多了一个 logic
- [课件推断] p.14 只说组合后可能无法发布,没有区分「放在一起」和「组合成一个程序」;GPLv3 §5 的聚合体条款是补充,具体项目属于哪种,课件没有给标准
课后 10 分钟
这 10 分钟怎么用:合上页面,先默写依赖冲突的成因、引用三要素和项目层面三样文件。再对照课件 p.14–15 做课件例题和变式题。最后回查一个易错点:署了名为什么还不算完成引用。
必背
- 每个组件单独合法,组合后各许可的义务可能互相冲突:GPL 要求分发时整体给源码,专有组件不许公开,同时存在就可能无法发布(legal limbo)
- 加依赖之前先查许可,并在 README 里列出每个上游依赖的许可
- 遵守许可是法律层面,引用是学术层面,两者都要做
- 引用三要素:PROVENANCE 来源、VERSION 版本、PERSISTENCE 持久链接(DOI,不用临时 URL);代码复用时 commit 哈希起版本号的作用
- 项目层面三件事:CITATION.cff 机器可读引用、README 列依赖及许可、Requirements 固定版本号
- 版本号和 DOI 解决可复现,许可和署名解决合法使用,缺一不可
课件例题
例 1(课件 p.14):MIT 主代码、GPL v3 库、专有组件拼在一起
见下方完整例题。
例 2(课件 p.15):读一条数据集引用
题面:课件的引用样例是 Author, A. (2026). Title of Dataset (Version 1.2) [Data set]. Repository Name. https://doi.org/10.xxxx/xxxxx. License: CC BY 4.0. Accessed Sep 2026. 指出三要素分别在哪里,并说明许可那一段解决什么问题。
提示
三要素是 PROVENANCE、VERSION、PERSISTENCE。许可属于法律层面还是学术层面?
解答
PROVENANCE:作者 Author, A.、年份 2026、标题、存放库 Repository Name。VERSION:Version 1.2,加上类型标注 [Data set]。PERSISTENCE:https://doi.org/ 开头的 DOI 链接。
License: CC BY 4.0 说明能怎么用,属于法律层面;访问日期是补充。三要素保证可复现,许可保证合法使用,两者缺一不可。
例 3(课件 p.15):复用一段代码时怎么写注释
题面:你从 GitHub 上一个项目改编了一段逻辑,放进自己的代码。按课件,行内注释要写哪几项?为什么要写 Commit?
提示
对照数据集引用:代码里什么东西起「版本号」的作用?
解答
四项:# Adapted from [Project Name]、# URL: github.com/owner/repo、# License: MIT、# Commit: 4a2b3c...。
仓库会持续更新,只写 URL 指向的是最新版。Commit 哈希能定位到你实际用的那一版,作用和数据集的版本号相同。
完整例题
题面(课件 p.14):学生自己的代码是 MIT,Copyright (c) 2024。他引入一个 GPL v3 的库,觉得 “Looks compatible!”;又加了一个写着 “No open license. Proprietary software. All rights reserved.” 的专有组件。① 每块单独看合法吗?② 打包发布时冲突在哪?③ 有哪些出路?④ 课件给的预防做法是什么?
约定:按「拆开 → 合起来 → 找出路 → 预防」四步写。
解法:
- 拆开:MIT 主代码是自己的,可以发;GPL v3 库允许使用和修改;专有组件是权利人给的,在约定范围内使用也可以。每块单独都合法。
- 合起来:把三块组合成一个程序分发时,GPL 要求整体按 GPL 提供对应源码;专有组件不允许公开或再分发。两条义务同时作用在一个发布包上,没法同时满足,这就是 legal limbo。
- 找出路:换掉专有组件,或把 GPL 库换成宽松许可的替代品,或者只在内部使用、不分发(不分发就不触发 GPL 的源码义务)。补充:如果三者只是放在同一介质上、并不组合成一个程序,GPLv3 §5 的聚合体条款可能适用,但课件没给判断标准,答题时点到为止。
- 预防:加依赖之前先查许可,在 README 里列出每个上游依赖的许可。
要点:冲突来自义务的组合,不来自任何一块单独违规。看到 GPL 和专有组件出现在同一个发布计划里,就要先停下来。
答题格式:每一问先给结论,再写出是哪两份许可的哪两条要求撞在一起。
变式题
自编情境:小组要把课程项目公开到 GitHub 当作品集。仓库里有:A 写的主代码;从某开源项目复制的一个 MIT 工具函数,文件头已被删掉;一份 CC BY-NC 许可的公开数据集,README 里只写了数据集名;一个从模型平台下载、代码为 Apache 2.0 的预训练模型。组里还打算之后拿这个项目参加带奖金的商业路演。逐件读许可,再检查引用,指出直接公开会出什么问题。
提示
先逐件用四问读许可,再看组合起来有没有冲突。商业路演会碰到哪一个 CC 模块?模型的代码许可能不能代表权重?引用部分用三要素检查数据集那一行。
判分点与答案
判分点:① 指出 MIT 声明缺失;② 指出 NC 与商业路演冲突;③ 指出权重许可要单独查;④ 指出数据集引用缺版本和持久链接;⑤ 给出 README 依赖清单。
许可:MIT 函数的唯一条件是保留版权声明和许可文本,必须补回文件头。CC BY-NC 数据集要署名,商业路演属于商业用途,要换数据或另行取得授权。模型代码是 Apache 2.0 只说明代码部分,权重的许可要单独查,可能有 NC 限制。
引用:数据集只有名字,缺作者或机构、版本号、DOI 和访问日期,按三要素补齐。MIT 函数的注释补上原项目、URL、许可和 commit 哈希。
项目层面:README 列出三样上游依赖及各自许可,requirements 固定版本号。
闪卡自测
1. 什么是 legal limbo?
各组件单独合法,组合后各许可的义务互相冲突,不知道项目还能不能发布的状态(p.14)。
2. GPL 库和专有组件为什么会冲突?
GPL 要求分发时整体按 GPL 提供源码,专有组件不允许公开或再分发,两条义务无法同时满足(p.14)。
3. 防止依赖冲突,课件给的做法是什么?
加依赖之前先查许可,并在 README 里列出每个上游依赖的许可(p.14、p.15)。
4. 引用三要素是什么?
PROVENANCE 来源,VERSION 版本,PERSISTENCE 持久链接,用 DOI 而不用临时 URL(p.15)。
5. 代码复用时,什么起版本号的作用?
Commit 哈希。仓库会持续更新,只有哈希能定位到实际用的那一版(p.15)。
6. 项目层面三样文件各管什么?
CITATION.cff 是机器可读的引用信息,README 列上游依赖及许可,Requirements 固定版本号(p.15)。
下一讲
许可和引用讲完了。下一页 L06b 换到法律保护本身:版权保护代码的哪一部分,算法能不能申请版权或专利,两者的期限怎么算。
个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。