10–15 багов в месяц превратились в 200–300 — а кому их фиксить?
Фиксить рутинные баги — это отстой. Никто в здравом уме не просыпается с мыслью: «О, как же я хочу сегодня весь день ковырять чужой легаси-код, чтобы понять, почему кнопка в IE11 уезжает на три пикселя влево!» Так-то мы хотим пилить фичи, строить архитектуру, пить кофе и приходить на перфоманс-ревью просить зарплату больше. В наш сегмент прилетало ну, может, пара десятков багов в месяц. Мы слегка размазывали их по спринтам. Некоторые особо скучные и мелкие не сдвигались годами. Но примерно 4 месяца назад поменялась система атрибуции багов, и они стали уноситься не в подразделение, которое писало изначальный код, а к тем, кто этот код эксплуатирует. Бизнес за это время сильно вырос, и начали всплывать редкие с трудом воспроизводимые баги краевых случаев. Короче, нас засыпало. Если раньше приходило 10–15 в месяц, то стало 10–15 в день. А дальше классическая дилемма: — Если заставить сеньора месяц разгребать минорные баги, он просто выгорит и уйдёт. — Нанимать джунов фиксить баги — хорошая идея, но не в этом случае. — Поручить всё это дело нейросетям — возможно, выстрелить себе в ногу. А когда мы пропускали шанс выстрелить себе в ногу? Короче, сейчас процесс выглядит так: баг попадает на доску в нашем Кайтене, летит в специальную колонку, там его подхватывает модель, пишет фикс, делает саморевью, делает тесты, собирает Pull Request, второй независимый агент в репозитории делает ещё контрольное ревью, и дальше это попадает на ревью к человеку. Как это ни странно, за 3 месяца у нас не случилось такого, что фикс бага поломал что-то другое. Но тут надо сказать, что мы фильтруем, что попадает к модели, — и ситуации, когда модель не справилась, — они тоже случаются.
https://habr.com/ru/companies/kaiten/articles/1054378/
#нейросети #искусственный_интеллект #LLM #багфикс #автоматизация_рутины #промптинжиниринг #процессы_разработки #Kaiten
