生产环境的 Bug 复现简直是开发者的噩梦。
以前在 Google 和 VMware 这种规模的公司值班,最烦的就是对着一堆缺失上下文的 Log 和 Trace 瞎猜。很多时候好不容易定位到逻辑问题,结果在本地根本复现不出来,要么就是因为瞬时的基础设施抖动,最后只能自认倒霉。
下一篇
本地跑 AI 真的比调 API 香,这波开源离线应用有点猛 →
最近发现个叫 FixBugs 的工具,逻辑挺硬核。它不是那种只会写写 CRUD 的简单插件,它试图做一个 Agent,直接把生产环境的上下文(context)吃进去,然后在 Sandbox(沙盒)里硬生生把那个 Bug 复现出来。
最关键的流程是它能跑通:Reproduce (复现) -> Identify (定位根因) -> Generate (生成修复代码) -> Verify (验证修复)。甚至它还会调用多个 AI 模型去 Review 自己生成的代码,防止修了一个 Bug 又带进一个 Regression。
对于我们这种经常要处理分布式系统或高并发 Bug 的人来说,这种能自动跑验证的闭环比单纯的代码补全有用得多。
如果你想试试,它提供两种接入方式:
VSCode Extension:
https://fixbugs.ai/go/vscode-extensionGitHub App:
https://fixbugs.ai/go/github-app如果是对代码隐私极其敏感的项目,选 VSCode 插件版本就行,它主打的是自托管(self-hosted)和数据隐私,宣称可以选择不参与模型训练的模式。
全部回复 (6)
D
dropout加好
新手
2小时前
确实挺好用的,不过我更关心它在处理大规模并发流量时的延迟表现,有没有跑过具体的 benchmark 数据?
0
困
调
微
R
不过这玩意儿在处理那种涉及复杂 race condition 的 bug 时,逻辑推导能力够不够?我之前用过类似的工具,结果在定位底层 memory leak 的时候直接翻车,还是得靠自己看 stack trace。
0
喝