💻 Tech-радар: Как мы перестали писать описания к merge request руками: AI Describer в GitLab CI и Jenkins
Фулстек-разработчик компании TravelLine, которая делает единую систему для гостиничных предприятий — отелей, санаториев и других средств размещения, — рассказал о внедрении ИИ для генерации описаний PR/MR. В компании два хостинга репозиториев и столько же билд-серверов: одни команды работают в GitLab со сборкой в GitLab CI, другие — в Bitbucket Server (внутри компании его по-прежнему называют Stash) со сборкой в Jenkins. Результатом стал AI Describer — CLI-инструмент, который запускается в пайплайне, берёт git diff относительно целевой ветки, отдаёт его LLM и публикует структурированное описание в MR/PR.
Проблема, которую решает инструмент, общая для обеих инфраструктур: поле описания merge/pull request зачастую пустое или содержит только список commit messages. Ревьюер открывает diff на несколько десятков файлов и не понимает, с чего начать, а писать описание руками — рутина, на которую часто забивают. Задача хорошо формализуется: на входе diff, на выходе текст по шаблону, что и делает его подходящей работой для LLM.
Обоснование структуры описания опирается на исследования. Бакелли и Бёрд, изучив ревью в Microsoft (ICSE 2013), показали, что ключевой аспект ревью — понимание кода и самого изменения, а главной мотивацией называют поиск дефектов, хотя комментарии про дефекты составляют небольшую долю. Ко, ДеЛайн и Венолия (ICSE 2007) наблюдали за работой семнадцати разработчиков и выяснили, что хуже всего дело шло с вопросами «почему код написан именно так» и «как он должен работать»: ответ знал только коллега, которого не было на месте. Поэтому в описании две секции — «Что сделано» (diff, поднятый на уровень абстракции) и «Зачем», для которой инструменту понадобился Jira-контекст, чтобы секция не стала выдумкой. Обоснование изменений и решаемые проблемы выносятся в 1–3 пункта.
Генерация срабатывает не всегда: автор может решить, что для конкретного MR/PR ИИ бесполезен. Если в тексте есть маркер HELP_AI, описание обновляется, причём затрагиваются только блоки; если текст написан человеком и маркера нет — он не трогается. При перегенерации заменяется содержимое внутри тегов, а всё, что автор дописал руками вне этого блока, остаётся нетронутым — разработчикам оказалось важно дополнять сгенерированный текст. Первый прототип появился в сентябре 2025 года: около 1700 строк на Python, упакованные в docker-образ. Выбор LLM пал на deepseek-v3 — тогда это была самая дешёвая модель с приемлемым качеством, поскольку на пересказ изменений много «ума» не нужно.
В ходе проверки гипотезы выявились и ограничения. Объём описания приходится ограничивать: без этого текст разрастается до нелепых размеров, и читать пачку непричёсанного нейрослопа сложнее, чем саму вкладку «Diff». Возникла и проблема дистрибуции: docker-образ хорошо живёт в GitLab CI и плохо — в Jenkins-джобах, которые собирают .NET-проекты на Windows-агентах, а тащить туда Python ради одной утилиты слишком муторно для PoC. Кроме того, язык не совпадал со стеком: подавляющее большинство проектов написаны на .NET, и инструмент на C# может ставиться как dotnet tool рядом со сборкой — той же командой и из того же NuGet-реестра, что и остальные внутренние пакеты.
Категория: Технологии
Теги: #Технологии #Tech #IT #Искра