Open source нейросети меняют GitHub: проекты закрывают пул-реквесты и отдают код ИИ-агентам

Издание The New Stack описало новый подход, который набирает обороты среди крупных опенсорс-проектов. Vercel, Astro, Flue, tldraw перестали принимать внешние пул-реквесты (PR, предложения по изменению кода) от сообщества. Вместо ревью чужого кода мейнтейнеры разворачивают собственные «софтверные фабрики», цепочки ИИ-агентов (программ, которые сами выполняют задачи без постоянного контроля человека), каждый из которых отвечает за свой этап: воспроизвести баг, написать исправление, проверить его и передать человеку на финальное слияние.

Для тех, кто ведёт открытые модели (open-source) или любые проекты с внешними участниками, это практическое руководство: как выстроить такую фабрику у себя, даже без ресурсов на ручное ревью сотен входящих задач.

Что понадобится

• Репозиторий на GitHub (или GitLab) с включённым трекером задач (Issues)
• Доступ к LLM (большой языковой модели) для агентов: Claude, GPT-4o или открытая модель вроде Llama, в РФ подойдут YandexGPT или GigaChat
• Инструмент для автоматизации действий в репозитории: GitHub Actions, Webhook или кастомный бот
• Песочница (sandbox) для безопасного запуска и тестирования кода агентами
• 2 часа на первоначальную настройку, далее агенты работают автономно

Как устроена софтверная фабрика по шагам?

1. Закройте приём внешних пул-реквестов и переведите их в задачи. Проект Flue автоматически закрывает каждый входящий PR и конвертирует его в issue (задачу) или discussion (обсуждение). Баг-репорты становятся задачами, запросы на функции уходят в обсуждения. Для этого достаточно настроить GitHub Actions с правилом автозакрытия.

2. Разверните агента-триажника. Первый агент в цепочке читает входящие задачи, классифицирует их по типу (баг, фича, вопрос) и приоритету. Astro называет это «auto-triage», автоматическая сортировка. Фред Шотт, создатель Astro, описывает результат так:

Теперь мы можем решать эти задачи с помощью автоматизации: сортировка, воспроизведение бага, подтверждение исправления пользователем, и только потом мы смотрим на это сами. : Фред Шотт, создатель Astro

1. Добавьте агента-репродюсера. Этот агент берёт баг-репорт и пытается воспроизвести ошибку в изолированной песочнице. Если баг подтверждён, задача переходит к следующему агенту. Если нет, задача возвращается автору с уточняющими вопросами.

2. Настройте агента-кодера с проверенным промптом. Ключевая идея Vercel: каждый агент работает со специализированным промптом (prompt, инструкция для модели), оптимизированным под конкретную категорию задач.

Пример системного промпта для агента-кодера:

Ты исправляешь баги в проекте AI SDK.
Контекст: [описание архитектуры проекта]
Задача: воспроизведённый баг из issue #{номер}.
Требования: минимальное изменение, сохранение обратной совместимости,
покрытие тестами.
Выведи: патч в формате diff и объяснение изменений.

1. Добавьте агента-ревьюера. Отдельный агент проверяет код, написанный агентом-кодером: соответствие стилю проекта, прохождение тестов, отсутствие регрессий. В системе Vercel ревьюер и кодер работают независимо, это снижает вероятность «слепых зон».

2. Передайте результат человеку для финального слияния. Человек-мейнтейнер видит готовый PR с воспроизведением бага, исправлением и результатами ревью. Его задача: принять решение, а не писать код.

3. Синхронизируйте всё через единый интерфейс. Ларс Граммель, инженер Vercel, описывает архитектуру фабрики: веб-приложение, API, пространство для выполнения задач и песочницы, всё синхронизировано с GitHub и автоматически запускает следующие действия.

Для опенсорс-проектов стоит задуматься о собственных агентах и собственной настройке, а не доверять сообществу, потому что это реально сокращает время на ревью. : Ларс Граммель, инженер Vercel

Что показывают первые результаты?

Через четыре недели после запуска софтверной фабрики Vercel сообщает: агенты пишут от 25 до 35% всех PR, которые сливаются в основную ветку, и закрывают от 70 до 80% входящих задач. До внедрения фабрики проект AI SDK (более 20 миллионов загрузок в неделю через npm) накопил более 1 000 открытых задач и почти 800 пул-реквестов.

У Astro (62 000 звёзд на GitHub) трансформация заняла шесть месяцев. Шотт говорит, что за 10 лет работы с опенсорсом он впервые видит ситуацию, когда задачи перестали быть бесконечным бэклогом и превратились в еженедельный приоритизированный список.

Что делать с этим прямо сейчас?

Авторам Дзена и копирайтерам. Если вы пишете про технологии и ведёте документацию на GitHub, подход «PR превращается в задачу» применим и к текстам: вместо того чтобы принимать чужие правки в статью, собирайте их как предложения и решайте сами, что включить.

Разработчикам в РФ и СНГ. Подход софтверных фабрик решает болезненную проблему: когда нет ресурсов на ручное ревью сотен PR, а открытые нейросети (open-source) позволяют развернуть агентов локально. YandexGPT и GigaChat через API могут выступить основой для агента-триажника и агента-ревьюера. Для агента-кодера, где нужна работа с кодом, лучше взять специализированные открытые модели.

Предпринимателям. Если у вас продукт с открытым кодом или публичным трекером задач, софтверная фабрика сокращает время от баг-репорта до исправления с дней до часов. Четыре недели на внедрение, и 70 до 80% задач закрываются без участия разработчиков (данные Vercel по AI SDK).