Sentry lleva mucho tiempo ayudando a los desarrolladores a monitorear y depurar su código de producción. Ahora, la compañía está agregando algo de inteligencia artificial a este proceso al lanzar AI Autofix, una nueva característica que utiliza todos los datos contextuales que Sentry tiene sobre el entorno de producción de una empresa para sugerir soluciones cada vez que ocurre un error. Si bien se llama Autofix, no es un sistema completamente automatizado, algo con lo que muy pocos desarrolladores se sentirían cómodos. En cambio, es una herramienta humana que es «como tener un desarrollador junior listo para ayudar bajo demanda», como explica la compañía.
«En lugar de pensar en el rendimiento de su aplicación (o sus errores) desde una perspectiva de infraestructura del sistema, realmente estamos tratando de centrarnos en evaluarla y ayudarlo a resolver problemas desde una perspectiva a nivel de código», explicó el gerente de ingeniería de Sentry, Tillman Elser. cuando le pregunté cómo encaja esta nueva característica en la línea general de productos de la empresa.
Elser argumentó que muchas otras herramientas de codificación basadas en IA son excelentes para completar automáticamente el código en el IDE, pero como no conocen el entorno de producción de una empresa, no pueden buscar problemas de manera proactiva. La principal propuesta de valor de Autofix, explicó, es que puede ayudar a los desarrolladores a acelerar el proceso de clasificación y resolución de errores en producción porque conoce el contexto en el que se ejecuta el código. “Estamos tratando de resolver problemas en producción lo más rápido posible. posible. No estamos tratando de convertirlo en un desarrollador más rápido cuando crea su aplicación”, dijo.
Créditos de imagen: Centinela
Al utilizar una arquitectura basada en agentes, Autofix estará atento a los errores y luego utilizará su agente de descubrimiento para ver si un cambio de código podría corregir ese error y, en caso contrario, proporcionará un motivo. Lo importante aquí es que los desarrolladores permanezcan informados en todo momento. Una característica interesante aquí, por ejemplo, es que pueden agregar contexto adicional para los agentes de IA si ya tienen alguna idea de cuál puede ser el problema. O pueden optar por presionar el botón «dame arreglar» y ver qué se le ocurre a la IA.
Luego, la IA seguirá algunos pasos para evaluar el problema y crear un plan de acción para solucionarlo. En el proceso, Autofix proporcionará a los desarrolladores una diferencia que explica los cambios y luego, si todo se ve bien, creará una solicitud de extracción para fusionar esos cambios.
Créditos de imagen: Centinela
Autofix es compatible con todos los lenguajes principales, aunque Elser reconoció que el equipo realizó la mayor parte de sus pruebas con código JavaScript y Python. Obviamente, no siempre hará las cosas bien. Después de todo, hay una razón por la que Sentry lo compara con un desarrollador junior. Sin embargo, el caso de falla más sencillo, me dijo Elser, es cuando la IA simplemente no tiene suficiente contexto, tal vez porque el equipo no ha configurado suficiente instrumentación para recopilar los datos necesarios para que Autofix funcione, por ejemplo.
Una cosa a tener en cuenta aquí es que, si bien Sentry busca construir sus propios modelos, actualmente está trabajando con modelos de terceros como OpenAI y Anthropic. Eso también significa que los usuarios deben optar por enviar sus datos a estos servicios de terceros para utilizar Autofix. Elser dijo que la compañía planea revisar esto en el futuro y tal vez ofrecer un LLM interno que se ajuste a sus datos.
Créditos de imagen: Centinela