Este artigo descreve um método para automatizar a manutenção de forks de software usando agentes de codificação por IA, aplicando-o ao fork do vLLM pela Cohere. A abordagem reduz o tempo necessário para absorver lançamentos da ramificação principal de semanas para dias, substituindo a intervenção manual por um ciclo de feedback automatizado.
- O fluxo de trabalho decomõe a manutenção em três componentes automatizáveis por agentes: injeção de perturbação (rebase e resolução de conflitos), coleta de medições (execução de testes e benchmarks) e um controlador (correção iterativa).
- O sistema usa git rebase para reproduzir commits personalizados acima das novas tags da ramificação principal, aproveitando o rerere para resoluções conhecidas.
- Um agente monitora os resultados dos testes e aplica correções iterativamente até que todas as verificações sejam aprovadas, com humanos revisando apenas o resultado final.
- Este método reduz a atenção dos desenvolvedores em tarefas intermitentes, permitindo que o fork permaneça sincronizado automaticamente com as melhorias da ramificação principal.
Ao automatizar o ciclo de feedback de sincronização, medição e correção, esta abordagem permite que equipes absorvam recursos e correções de bugs da ramificação principal com mínima intervenção humana.