Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РазборКод / SDK · В работуGitHub Blog→ оригинал

GitHub и Microsoft свели тысячи ИИ-находок к 99 отчётам с патчами, больше половины исправлено

Мейнтейнеры open source завалены отчётами об ошибках от ИИ, и каждый надо проверять вручную. В пилоте Codename MDASH GitHub и Microsoft сократили тысячи сырых находок до 99 проверенных приватных отчётов с предложенным исправлением для шести проектов. Это не «тут что-то подозрительно», а баг с патчем, который можно принять за один заход. Больше половины уже исправлено, поэтому ценность ИИ-поиска — в закрытых багах, а не в числе находок.

AI-обработка оригинала GitHub Blog; редакция Hamidun News
GitHub и Microsoft свели тысячи ИИ-находок к 99 отчётам с патчами, больше половины исправлено
Источник: GitHub Blog. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникGitHub Blog ↗
Главный редактор
Ключевой факт #1Из тысяч сырых находок ИИ до мейнтейнеров дошли только 99
Ключевой факт #2Отчёты приватные, к каждому приложен вариант исправления
Ключевой факт #3Пилот охватил шесть широко используемых open source проектов

Представьте, что вы ведёте популярную open source библиотеку. Утром в трекере десяток новых сообщений об ошибках, многие написаны нейросетью, и непонятно, какие из них настоящие. Проверять и чинить всё это приходится мейнтейнерам, то есть людям, которые поддерживают проект. GitHub и Microsoft предложили другой подход и рассказали об итогах пилота Codename MDASH. ИИ нашёл тысячи сырых проблем в шести широко используемых открытых проектах. До мейнтейнеров дошло только 99 отчётов. Они проверены, отправлены приватно и содержат предложенное исправление. Больше половины этих проблем мейнтейнеры уже исправили. Идея простая: вместо сообщения «в этой функции, возможно, дыра» человек получает подтверждённый баг и заготовку патча.

Что получилось в пилоте

Цифры в анонсе короткие, но показательные. Из тысяч сырых находок ИИ осталось 99. Это воронка, в которой основную часть выдачи отсеяли до того, как она попала в чужой трекер. Сами отчёты не публиковались: их передавали приватно, то есть закрытым каналом. К каждому приложили предложенное решение.

Для мейнтейнера разница ощутима. Сырой отчёт нужно прочитать, воспроизвести и либо закрыть, либо чинить самому. Проверенный отчёт с патчем можно просмотреть, принять или поправить за один заход. Результат пилота: больше половины переданных проблем уже исправлено.

Почему это важно

Нагрузка на мейнтейнеров растёт не из-за нехватки багов, а из-за избытка плохо проверенных сообщений о них. Когда отчёт создаёт модель, его создание почти ничего не стоит. Разбор по-прежнему стоит времени живого человека. Поэтому ставка на «ещё больше находок» только ухудшает ситуацию.

В MDASH проверка и подготовка исправления происходят до отправки. Тем самым часть работы переходит на сторону того, кто отправляет отчёт. Метрика успеха здесь понятная: сколько проблем действительно закрыто, а не сколько найдено.

Что из этого вынести

Если вы делаете инструменты поиска багов или уязвимостей на базе ИИ, считайте не число находок, а число исправленных проблем. Это показатель, который понятен и пользователям.

Если вы мейнтейнер или отвечаете за open source в компании, требуйте от автоматических отчётов три вещи: воспроизводимость, приватный канал для чувствительных проблем и предложенный патч. Отчёт без них лучше считать черновиком.

Если вы продакт, обратите внимание на паттерн: «фильтр плюс доведение до результата» ценнее, чем просто «генератор». Внимание пользователя ограничено, и беречь его — часть продукта.

Ограничения

Пилот небольшой: шесть проектов и 99 отчётов. Это не доказывает, что схема масштабируется на тысячи репозиториев с разными процессами. В анонсе не сказано, сколько человеческого времени ушло на проверку внутри команд GitHub и Microsoft, поэтому полную экономику подхода оценить нельзя. Кроме того, «исправлено» не обязательно значит «предложенный патч принят без правок»: мейнтейнеры могли переписать решение по-своему.

Тем не менее направление понятно. Следующий шаг для ИИ в безопасности open source — от потока сигналов к закрытым задачам. Для экосистемы, которую держат на себе мейнтейнеры, это полезнее очередной сотни «потенциальных проблем».

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что получилось в пилоте?

Цифры в анонсе короткие, но показательные. Из тысяч сырых находок ИИ осталось 99. Это воронка, в которой основную часть выдачи отсеяли до того, как она попала в чужой трекер. Сами отчёты не публиковались: их передавали приватно, то есть закрытым каналом. К каждому приложили предложенное решение. Для мейнтейнера разница ощутима. Сырой отчёт нужно прочитать, воспроизвести и либо закрыть, либо чинить самому. Проверенный отчёт с патчем можно просмотреть, принять или поправить за один заход.

Что известно по теме: почему это важно?

Нагрузка на мейнтейнеров растёт не из-за нехватки багов, а из-за избытка плохо проверенных сообщений о них. Когда отчёт создаёт модель, его создание почти ничего не стоит. Разбор по-прежнему стоит времени живого человека. Поэтому ставка на «ещё больше находок» только ухудшает ситуацию. В MDASH проверка и подготовка исправления происходят до отправки. Тем самым часть работы переходит на сторону того, кто отправляет отчёт. Метрика успеха здесь понятная: сколько проблем действительно закрыто, а не сколько найдено.

Что известно по теме: что из этого вынести?

Если вы делаете инструменты поиска багов или уязвимостей на базе ИИ, считайте не число находок, а число исправленных проблем. Это показатель, который понятен и пользователям. Если вы мейнтейнер или отвечаете за open source в компании, требуйте от автоматических отчётов три вещи: воспроизводимость, приватный канал для чувствительных проблем и предложенный патч. Отчёт без них лучше считать черновиком. Если вы продакт, обратите внимание на паттерн: «фильтр плюс доведение до результата» ценнее, чем просто «генератор».

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…