What is Qualia, in one line?

A company brain with hands: a shared memory of how your studio actually works, plus a workforce of specialist agents that read it, decide, and do the work.

Game publishers, game and app studios, and multi-product companies operating several apps with a small team.

How is this different from an AI agent framework or a chatbot?

Frameworks give you building blocks. Chatbots answer questions. Qualia is the operating layer on top: shared portfolio memory, specialist agents, and an approval-first workflow that ships real changes across your stack.

Do the agents act on their own, or do I approve every step?

By default, approval is the step that ships. Autonomy is a ladder: task types with a proven approval record can be promoted to run unsupervised, and demoted anytime.

What does Qualia connect to?

Repos, ticketing, analytics, ad platforms, Sentry, Slack, storefronts. Read-only by default; write access is scoped per agent and per task type.

How is my data handled?

Read-only access by default, action log for every write, reversible operations, and no training on your data.

How do I get started?

Book a demo. We map your portfolio, plug in the memory, and run a first task under approval within the first week.

Does the AI actually write good fixes?

For simple fixes (null checks, type coercion, missing imports), yes. For complex fixes, the AI should flag uncertainty rather than produce confident wrong fixes.

Can I use this alongside Cursor or Claude Code?

Yes. Most portfolio operators use Cursor for interactive coding and an AI teammate for autonomous triage.

What if the AI opens too many PRs?

Configure the filter to only trigger above a threshold. Iterate weekly.

Does this replace engineers?

No. It replaces engineer time spent on triage.

How much does this cost?

Portfolio-priced products include this as one capability. Dedicated bug-fixing products price per-fix or per-repo.

What if I only have one product?

A single-repo tool might be enough. Portfolio scope matters at 3+ products.

How long before it's useful?

Days for first PRs. Weeks for filter calibration. Months for the feedback loop to make it consistently better than a mid-level engineer at triage.

主页 › AI 自动从错误中起草 PR

指南 · 自主工程

AI 根据您的错误报告起草拉取请求

作者 Doğan Turan，Qualia 联合创始人

太长不看。 当生产环境中出现错误（Sentry、Rollbar、日志聚合器）时，大多数团队会手动分类：阅读堆栈跟踪，找到文件，理解上下文，编写修复程序，然后打开 PR。一个 AI 队友可以自动完成所有这些工作，并为您提供一个可供审查的 PR，而不是一个警报，从而显著减少您的错误积压。到 2026 年，有三种选择可以实现这一点：Qualia（涵盖整个产品组合，一个 AI 队友服务所有产品）、 Viktor （作为其工程师角色的一部分），以及在 Cursor 或 Claude Code 上进行 DIY 设置并结合自定义自动化。

您实际为此付费的工作流程。

2026 年的手动错误分类流程如下：

Sentry 警报触发。
有人收到通知（如果非工作时间则等到早上）。
工程师打开 Sentry，阅读堆栈跟踪，打开代码库。
阅读周围代码以理解发生的情况。
如果修复显而易见，则编写修复程序。
如果不是，则打开 Slack 查找上次修改此文件的人。
打开一个包含上下文的 PR。
合并。

最佳情况：每个错误 30 分钟。对于一个管理多个产品的操作员来说，实际情况是：每个错误 2 小时，因为“打开代码库”涉及加载您数周未曾查看过的产品的上下文。

对于每天有数十个错误的 15 个产品来说，这是一项全职工作。否则，积压的工作量每周都会增加。

AI 队友会怎么做。

Sentry 警报触发。
AI 队友会阅读警报、堆栈跟踪、周边代码、git blame、最新提交和 Slack 上下文。
判断：是真 bug 还是噪音？（过滤掉不稳定的测试、第三方 API 瞬时故障、已知重复项。）
如果是真 bug：起草修复方案，针对正确分支打开 PR，在 PR 描述中添加上下文，并标记审阅者。
工程师审阅（通常 5 到 20 行），批准或编辑。
合并。

节省时间：简单修复节省 90%，复杂修复节省 60%。

在产品组合规模上，这区别于“我们有专门的 bug 分类”和“我们随到随修”。请参阅自主运营以了解更广泛的模式。

在起草 PR 的 AI 中寻找什么。

1. 阅读实际代码，而不仅仅是错误。 只看到错误消息的产品会产生幻觉修复。
2. 阅读 git 历史记录。 谁最后修改了这个文件？没有 git 意识的产品会重新引入已修复的 bug。
3. 使用您团队的 PR 模式。 描述性提交消息，必要时进行测试。
4. 过滤噪音。 并非每个警报都是真正的 bug。
5. 具备产品组合意识，而非仓库意识。 对于单个产品，任何编码 AI（Cursor, Claude Code, Codex）都适用。对于 5 个以上产品的组合，AI 需要了解是哪个产品、哪个仓库、哪个团队。
6. 优雅地处理误报 PR。 关闭错误的 PR 应该只需一键操作。

2026 年实现此功能的产品。

Qualia

产品组合范围的 AI 队友。读取您所有产品中的 Sentry 数据，并针对正确的仓库起草 PR。专为 2 到 10 人团队运行 3 到 20 个产品而构建。

Viktor

其“工程师”AI employee 角色的一部分。对于希望每个团队拥有一名指定 AI engineer 的团队最有效。不具备产品组合范围。请参阅 Qualia vs Viktor.

Cursor / Claude Code 加自定义自动化

DIY 设置。如果您有工程时间来构建它，则可行。

Sentry AI Autofix

Sentry 自己的测试版。仅限于 Sentry，与该产品的路线图绑定。

GitHub Copilot Workspace

适用于建议修复；需要人工启动。非自主。

Devin / Cognition

通用自主编码代理。对于大多数 PR 起草工作流程来说，过于强大。

如何在承诺前进行评估。

步骤 1. 从过去 30 天中挑选 10 个真实的 Sentry 错误。混合简单和复杂的。
步骤 2. 将每个错误输入给 AI 队友。要求它起草一个 PR。
步骤 3. 评估每个 PR：正确性、完整性、规范性、上下文。
步骤 4. 比较不同产品。一个在 10 个中正确处理 8 个并优雅处理另外 2 个的产品，优于一个在简单错误上 10 个中正确处理 10 个但在复杂错误上产生幻觉的产品。

常见错误。

未经审查门部署。 切勿让 AI 起草的 PR 自动合并。
未将 AI 连接到 git 历史记录。 一个只看到错误的 AI 会重新引入已修复的 bug。
过滤过于激进。 “只有真正的 bug”会遗漏边缘情况。“所有内容”都是噪音。迭代 2 周。
从仓库范围的产品推断出产品组合范围。 单仓库工具（Cursor, Copilot）无法原生处理“哪个产品，哪个仓库”的问题。

常见问题。

AI 真的能写出好的修复方案吗？

对于简单的修复（空值检查、类型强制转换、缺失导入），是的。对于复杂的修复，AI 应该标记不确定性，而不是自信地给出错误的修复方案。

我可以将它与 Cursor 或 Claude Code 一起使用吗？

可以。大多数投资组合运营者使用 Cursor 进行交互式编码，并使用 AI 队友进行自主分类。

如果 AI 提交了太多 PR 怎么办？

配置过滤器，使其仅在超过阈值时触发。每周迭代。

这会取代工程师吗？

不会。它取代了工程师花在分类上的时间。

费用是多少？

按投资组合定价的产品将其作为一项功能包含在内。专门的错误修复产品按每次修复或每个仓库定价。

如果我只有一个产品怎么办？

一个单仓库工具可能就足够了。投资组合范围在 3 个以上产品时才重要。

多久才能发挥作用？

几天内即可提交第一个 PR。几周内完成过滤器校准。几个月后，反馈循环使其在分类方面持续优于中级工程师。