FixBugs：把线上故障放进沙箱复现，并验证修复结果

项目简介

Show HN 上出现了一个新项目，名字叫 FixBugs。开发者把它定义为一个 agent，目标很直接：读取生产环境 bug 周边的丰富上下文，在沙箱里把问题复现出来，再生成经过验证的修复方案。

这个工具目前有两种使用方式，一种是自托管的 VSCode 扩展，另一种是 Github app。

• VSCode Extension: https://fixbugs.ai/go/vscode-extension
• Github app: https://fixbugs.ai/go/github-app

两种接入方式

VSCode 扩展

开发者给出的重点有两条：

• full code and data privacy.
• zero data retention models opted out of training.

也就是说，这个版本主打代码和数据隐私，模型侧为零数据保留，并且不参与训练。

Github App

Github app 的说明更直接一些：

• we do access your code temporarily.
• pick a repo to install FixBugs on.

这意味着在使用 Github app 时，FixBugs 会临时访问代码，安装时可以选择具体仓库。

它想解决什么问题

开发者提到，线上或 staging 环境排查 bug 时，经常会碰到几类情况：

• Some context was missing.
• The bug wasn't reproducible.
• The alert was caused by a transient infrastructure issue.

这种低效排查带来的成本并不抽象，最终都要有人承担，开发者要花时间，客户也会受到影响。

当前能力

按项目介绍，FixBugs 目前已经支持这些流程：

• Reproduce the bug.
• Identify the root cause.
• Generate a fix.
• Verify the fix.
• Review the generated code using multiple AI models to help catch potential regressions.

换句话说，它覆盖了从复现、定位、修复到验证的一整段链路，最后还会借助多个 AI 模型审查生成代码，尽量把潜在回归问题提前拦下来。

希望获得的反馈

开发者特别提到，想听听两类工程师的意见：

• 与 distributed systems 打交道的工程师
• 负责高容量生产 bug 分诊的工程师

如果工作内容正好涉及这两个方向，这个项目显然很希望拿到更贴近真实场景的反馈。

链接信息

• 项目主页: https://fixbugs.ai
• Comments URL: https://news.ycombinator.com/item?id=48900465
• Points: 10

• Comments: 10