指南指南 · 自主工程开发

根据错误报告自动草拟拉取请求的 AI

作者： Doğan Turan，联合创始人，Qualia8 min read

简而言之。 当生产环境触发错误时（Sentry、Rollbar、日志聚合器），大多数团队只能手动排查：阅读堆栈追踪、查找对应文件、理解上下文、编写修复代码、创建 PR。而一个 AI 员工能全自动完成这一切，直接呈上可供审查的 PR 而不是一条报警通知，从而大幅削减积压的 Bug。在 2026 年，有三种方案可实现这一点：Qualia（覆盖整个产品组合，一个 AI 员工贯穿所有产品）、 Viktor （作为其工程师角色的一部分），以及基于 Cursor 或 Claude Code 加上自定义自动化的自建方案。

你真正付费的工作流。

2026 年的手动 Bug 排查流程是这样的：

Sentry 触发告警。
有人收到通知（非工作时间则要等到第二天早上）。
工程师打开 Sentry，阅读堆栈追踪，打开代码库。
阅读周边代码以理解具体情况。
如果修复方法显而易见，直接编写修复代码。
如果并非如此，打开 Slack 查找最后修改该文件的人。
附带上下文创建 PR。
合并。

最好情况：每个错误 30 分钟。对于多项目组合运营者的现实情况：每个错误 2 小时，因为"打开代码库"需要重新加载你数周未曾查看的产品上下文。

对于每天产生数十个错误的 15 款产品来说，这相当于一个全职岗位。否则，积压任务就会每周与日俱增。

AI 员工取而代之的做法。

Sentry 触发告警。
AI 员工会阅读告警、堆栈追踪、周边代码、git blame、近期提交记录以及 Slack 上下文。
判定：是真正的 Bug 还是噪音？（过滤不稳定的测试、第三方 API 抖动、已知重复项。）
如果确实是 Bug：起草修复方案，针对正确的分支创建 PR，在 PR 描述中添加上下文，并标记审查者。
工程师进行审查（通常仅 5 到 20 行代码），批准或修改。
合并。

节省时间：简单修复节省 90%，复杂修复节省 60%。

在多项目组合规模下，这就是"我们有专门的 Bug 分流处理"与"修复一出现我们就立即交付"之间的差距。参见自主化运营了解更广泛的模式。

评估 PR 起草 AI 时需要关注的要素。

1. 阅读实际代码，而非仅看报错信息。 仅查看错误消息的产品往往会产生幻觉修复。
2. 读取 git 历史记录。 最后是谁修改了这个文件？不了解 git 的产品很容易重新引入已修复的 bug。
3. 遵循团队的 PR 规范模式。 描述清晰的提交信息，并在需要时附带测试。
4. 过滤噪音。 并非每次警报都是真实的 Bug。
5. 具备产品组合全局视野，而非仅限于单一代码库。 对于单一产品，任何编程 AI（Cursor、Claude Code、Codex）均可胜任。但对于包含 5 个以上产品的组合，AI 必须清楚具体涉及哪个产品、哪个代码库、哪个团队。
6. 从容应对误报 PR。 关闭错误的 PR 应仅需一键。

2026 年实现这一能力的产品。

Qualia

覆盖整个产品组合的 AI 队友。读取所有产品中的 Sentry 警报，并针对正确的代码库起草 PR。专为运营 3 到 20 款产品的 2 至 10 人团队打造。

Viktor

属于其"工程师" AI 员工角色的一部分。最适合希望每个团队都拥有一位专属指定 AI 工程师的团队。不适用于多项目组合范畴。参见 Qualia 对比 Viktor.

Cursor / Claude Code 加自定义自动化

自行搭建方案。如果您有足够的工程时间来构建，此方案可行。

Sentry AI Autofix

Sentry 自身的测试版。仅限于 Sentry，并与其产品路线图绑定。

GitHub Copilot Workspace

适合提供修复建议；需要人工触发。不具备自主性。

Devin / Cognition

通用自主编程智能体。对于大多数 PR 起草工作流而言有些大材小用。

在做出承诺前如何进行评估。

步骤 1。 从过去 30 天中挑选 10 个真实的 Sentry 错误，兼顾简单与复杂问题。
步骤 2。 将每个错误输入给 AI 队友，让其起草 PR。
步骤 3。 评估每个 PR：正确性、完整性、代码规范、上下文理解。
步骤 4。 横向对比不同产品。一个能正确解决 10 个中的 8 个且能体面处理其余 2 个的产品，远胜过在简单错误上拿到 10/10 却在复杂问题上产生幻觉的产品。

常见误区。

未设置审查关卡就直接部署。 切勿让 AI 起草的 PR 自动合并。
未将 AI 连接至 Git 历史记录。 仅能看到错误信息的 AI 会重新引入已被修复的 Bug。
过滤规则过于严苛。 "只处理真正的 Bug"会遗漏边缘情况。"全部处理"又全是噪音。建议迭代测试 2 周。
误以为单仓库级产品具备跨产品组合的视野。 单代码库工具（Cursor、Copilot）无法原生处理"哪个产品、哪个代码库"。

继续阅读。

继续阅读