A Cloudflare Blog - Astro AI issue triage (blog.cloudflare.com) desenvolveu um fluxo automatizado de triagem de issues para o framework Astro, baseado em agentes de IA isolados que rodam em GitHub Actions. Com isso, o projeto reduziu as issues abertas de mais de 200 para cerca de 30, uma queda de aproximadamente 85%.
- Agentes isolados reproduzem, diagnosticam, verificam e corrigem bugs no Astro.
- O backlog de issues caiu 85%, de mais de 200 para cerca de 30.
- A solução virou a GitHub Action triagebot-action e o framework Flue.
- A validação humana continua essencial antes de abrir pull requests.
Contexto: o problema das issues em projetos open source
O framework Astro enfrentava uma quantidade grande de issues abertas, o que sobrecarregava os mantenedores. A Cloudflare, uma das empresas que apoiam o projeto, decidiu testar um modelo de automação baseado em agentes de IA isolados, executados em GitHub Actions.
Como funciona o fluxo de triagem com agentes de IA
O workflow foi implementado como uma máquina de estados impulsionada por labels do GitHub. Cada issue nova recebe o label 'triage needed'. A partir daí, quatro agentes especializados atuam em sequência, compartilhando informações apenas por um arquivo report.md.
# publicidade
- Agente de reprodução verifica se o bug é real.
- Agente de diagnóstico instrumenta o código para encontrar a causa raiz.
- Agente de verificação analisa testes, documentação e comentários.
- Agente de correção transforma a reprodução em teste e implementa a solução.
Redução de 85% e o papel da validação humana
Com esse fluxo, o Astro viu suas issues abertas caírem de mais de 200 para cerca de 30, uma redução de 85%. Quando um agente propõe uma correção, o bot cria uma preview release e envia instruções para o reporter validar. Somente após a validação humana é que o pull request é aberto.
Casos como o da Container API, marcado como 'triage: fix verified', demonstram o papel central da aprovação humana no processo.
Lições de manutenibilidade e a evolução para o flue
A Cloudflare observou que agentes também podem revelar problemas de manutenibilidade. Em um caso de HMR, o agente alterou o código repetidamente porque faltavam testes. A adição de um comentário descritivo foi suficiente para corrigir o comportamento do agente.
O modelo foi então disponibilizado como triagebot-action e evoluiu para o Flue, um framework de workflows duráveis. No Flue, a definição é declarativa e o estado é persistido em um event log append-only, o que permite retomar execuções interrompidas.
Impacto para o ecossistema de desenvolvimento
A abordagem do Astro é exemplo de como agentes de IA podem ser integrados a ciclos de desenvolvimento reais, com limites claros, isolamento de tarefas e pontos de aprovação humana. O modelo pode ser replicado para outros projetos open source, reduzindo o trabalho braçal dos mantenedores e acelerando a resolução de bugs.
| Agente | Função | Saída |
|---|---|---|
| Reprodução | Validar se o bug relatado ocorre | Instruções de reprodução |
| Diagnóstico | Localizar a causa raiz no código | Análise técnica |
| Verificação | Conferir testes, docs e comentários | Relatório de validação |
| Correção | Criar teste e implementar a solução | Patch e preview release |
Arraste para o lado para ver toda a tabela.
