ホーム › エラーからPRを起草するAI
ガイド · 自律型エンジニアリング
エラーレポートからプルリクエストを起草するAI
実際に費用を支払うワークフロー。
2026年の手動バグトリアージは次のようになります。
- Sentryアラートが発動します。
- 誰かが通知を受け取ります（営業時間外であれば朝まで待ちます）。
- エンジニアはSentryを開き、スタックトレースを読み、コードベースを開きます。
- 何が起こっているかを理解するために、周辺のコードを読みます。
- 修正が明白であれば、それを記述します。
- そうでなければ、Slackを開いて、最後にこのファイルを触った人を見つけます。
- コンテキスト付きでPRを開きます。
- マージします。
最良のケース：エラーあたり30分。ポートフォリオオペレーターの現実的なケース：エラーあたり2時間。なぜなら、「コードベースを開く」には、数週間見ていなかった製品のコンテキストを読み込む必要があるからです。
1日あたり数十のエラーが発生する15の製品の場合、これはフルタイムの役割です。あるいは、毎週増え続けるバックログです。
AIチームメイトが代わりに行うこと。
- Sentryアラートが発動します。
- AIチームメイトは、アラート、スタックトレース、周辺コード、git blame、最近のコミット、Slackコンテキストを読み取ります。
- 判断します：実際のバグかノイズか？（不安定なテスト、サードパーティAPIの一時的な問題、既知の重複をフィルタリングします。）
- 実際のバグの場合：修正案を作成し、適切なブランチに対してPRを開き、PRの説明にコンテキストを追加し、レビュー担当者をタグ付けします。
- エンジニアがレビューし（通常5〜20行）、承認または編集します。
- マージします。
時間短縮：単純な修正で90%、複雑な修正で60%。
ポートフォリオ規模では、これは「専門のバグトリアージがある」と「修正が入り次第出荷する」の違いです。より広範なパターンについては、 自律運用 を参照してください。
PRをドラフトするAIに求めるもの。
- 1. エラーだけでなく、実際のコードを読み取ります。 エラーメッセージしか認識しない製品は、幻覚的な修正を生み出します。
- 2. Git履歴を読み取ります。 最後にこのファイルを触ったのは誰か？Gitを認識しない製品は、既に修正されたバグを再導入します。
- 3. チームのPRパターンを使用します。 記述的なコミットメッセージ、必要に応じたテスト。
- 4. ノイズを除去します。 すべてのアラートが実際のバグではありません。
- 5. リポジトリ認識ではなく、ポートフォリオ認識。 単一の製品であれば、どんなコーディングAI（Cursor、Claude Code、Codex）でも機能します。5つ以上の製品のポートフォリオの場合、AIはどの製品、どのリポジトリ、どのチームかを理解する必要があります。
- 6. 誤検知のPRを適切に処理します。 間違ったPRを閉じるのはワンクリックであるべきです。
2026年にこれを実現する製品。
Qualia
ポートフォリオスコープのAIチームメイト。すべての製品のSentryを読み取り、適切なリポジトリに対してPRをドラフトします。3〜20の製品を運用する2〜10人のチーム向けに構築されています。
Viktor
「エンジニア」AI従業員ロールの一部。チームごとに1人の名前付きAIエンジニアを希望するチームに最適です。ポートフォリオスコープではありません。参照 Qualia vs Viktor.
Cursor / Claude Codeとカスタムオートメーション
DIYセットアップ。構築するエンジニアリング時間がある場合に機能します。
Sentry AI Autofix
Sentry独自のベータ版。Sentryに限定され、その製品のロードマップに縛られます。
GitHub Copilot Workspace
修正案には適していますが、人間が開始する必要があります。自律的ではありません。
Devin / Cognition
汎用自律型コーディングエージェント。ほとんどのPR作成ワークフローには過剰。
コミットする前に評価する方法。
- ステップ1. 過去30日間のSentryエラーから、単純なものと複雑なものを混ぜて10個選びます。
- ステップ2. それぞれのエラーをAIチームメイトに与え、PRを作成するよう依頼します。
- ステップ3. 各PRを、正確性、完全性、慣習、コンテキストで評価します。
- ステップ4. 製品間で比較します。単純なエラーでは10個中10個正しくても、複雑なエラーで幻覚を起こす製品よりも、10個中8個正しく、残りの2個を適切に処理する製品の方が優れています。
よくある間違い。
- レビューゲートなしでデプロイする。 AIが作成したPRを自動マージさせないでください。
- AIをgit履歴に接続しない。 エラーしか見ないAIは、すでに修正されたバグを再導入します。
- フィルタリングが厳しすぎる。 「実際のバグのみ」ではエッジケースを見逃します。「すべて」はノイズです。2週間かけて反復します。
- リポジトリスコープの製品からポートフォリオスコープを想定する。 単一リポジトリツール（Cursor、Copilot）は、「どの製品、どのリポジトリ」をネイティブに処理しません。
よくある質問。
AIは実際に良い修正を記述しますか？
単純な修正（nullチェック、型強制、不足しているインポート）の場合、はい。複雑な修正の場合、AIは自信満々の間違った修正を生成するのではなく、不確実性を指摘すべきです。
これをCursorやClaude Codeと一緒に使用できますか？
はい。ほとんどのポートフォリオオペレーターは、インタラクティブなコーディングにはCursorを、自律的なトリアージにはAIチームメイトを使用しています。
AIがPRを多すぎるとどうなりますか？
閾値を超えた場合にのみトリガーされるようにフィルターを設定します。毎週繰り返します。
これはエンジニアに取って代わるものですか？
いいえ。トリアージに費やされるエンジニアの時間を置き換えるものです。
費用はいくらですか？
ポートフォリオ価格の製品には、この機能が含まれています。専用のバグ修正製品は、修正ごとまたはリポジトリごとに価格設定されます。
製品が1つしかない場合はどうなりますか？
単一リポジトリツールで十分かもしれません。ポートフォリオの範囲は、3つ以上の製品で重要になります。
いつから役立ちますか？
最初のPRは数日。フィルターの調整は数週間。フィードバックループにより、トリアージにおいて中堅エンジニアよりも一貫して優れるようになるには数ヶ月かかります。