JetBrains для стартапов
Узнайте, как стартапы создают, выпускают и масштабируют продукты с помощью JetBrains — погрузитесь в их истории
Интервью
Что такое «Беседы»?
«Беседы» — это наша рубрика с короткими вопросами и ответами с основателями компаний из программы JetBrains для стартапов. Они своими словами отвечают на несколько вопросов о том, что они создают, почему они начали этот путь и к каким выводам пришли. Никаких питчей и прикрас — всего двухминутное чтение, чтобы познакомиться с человеком за кулисами продукта.
На этот раз мы пообщались с Прасуном Кумаром, генеральным директором и основателем Oppex AI — создателем ИИ-агентов, которые помогают разработчикам исправлять баги, возникающие только в продакшене. Он рассказал нам о том, что происходит до того, как инженеру поступает вызов, о «хаос-обезьяне», которая обучает его агентов, и о том, почему он уже 25 лет верен IntelliJ IDEA.
Прасун Кумар, генеральный директор и основатель Oppex AI
Oppex AI создает ИИ-агентов, которые помогают разработчикам устранять инциденты в продакшене. Когда что-то ломается, система собирает воедино логи, облачные метрики, состояние базы данных, данные о пострадавших клиентах и недавние изменения в коде, проверяет, возникала ли эта проблема раньше, и выдает дежурному инженеру рекомендацию еще до того, как его вызовут. Ее цель — сократить среднее время разрешения (MTTR) менее чем до 10 минут. Спустя примерно год команда из 15 человек запустила продукт и уже работает с первыми корпоративными клиентами
Коротко о главном
- Oppex AI — это ИИ-агент для дежурных инженеров, который собирает всю информацию, связанную с инцидентом в продакшене (от логов до недавних изменений в коде), еще до того, как разработчика разбудят.
- Команда совершенствует своих агентов, сталкивая их с хаос-обезьяной, которая ломает тестовые системы, не сообщая агенту подробностей.
- Команда Прасуна выполняет 90% работы в IntelliJ IDEA, а также в WebStorm, PyCharm, DataGrip и с использованием JetBrains AI Assistant, и движется к созданию самовосстанавливающихся систем для продакшена.
Чем вы занимались до создания Oppex AI?
Я начал свой путь в качестве разработчика программного обеспечения в 2001 году и всегда работал со стартапами. Oppex AI — мой седьмой стартап и второй в роли основателя. Я всегда занимался технологиями и продуктами, возглавляя разработку в компаниях, которые в итоге успешно продали свой бизнес. И все это время я пользовался продуктами JetBrains — я был ранним последователем еще в 2001 году.
Почему вы решили запустить Oppex AI?
При масштабировании разработки во всех этих компаниях противоречия всегда были одними и теми же. Как двигаться быстро и ничего не сломать? С помощью ИИ можно быстро генерировать много кода, но проблемы в продакшене все равно остаются. Когда что-то падает, на устранение уходит много времени, потому что контекст распределен по огромному количеству систем. Кроме того, теперь каждый инженер отвечает за больший объем кода, чем когда-либо, и значительную часть этого кода писал не он сам. Так что вопрос стоял просто: как с помощью ИИ, а не другого человека, помочь разработчику с ограниченным контекстом быстро решить проблему в продакшене?
Что на самом деле происходит при возникновении инцидента?
Еще до того, как мы разбудим разработчика, наши агенты собирают контекст. Они читают логи, вытягивают метрики из облака, проверяют, испытывает ли база данных нагрузку, и смотрят на работающий продукт, чтобы понять, какие клиенты затронуты. Они проверяют журнал изменений в GitHub (поскольку многие проблемы начинаются с того, что кто-то что-то изменил), а также выясняют, возникала ли эта проблема раньше и как она была решена. К тому моменту, когда разработчику поступает звонок, все данные уже собраны в виде готовой рекомендации. Если проблема кроется в самом коде, наш плагин переносит этот контекст в кодовую базу на компьютере разработчика и указывает точно на место сбоя.
Что по-настоящему сложно при создании надежного решения?
Две вещи. Во-первых, логи разработчиков — это не совсем английский язык, поэтому обычные языковые модели их не понимают. Некоторые из наших клиентов запускают 5000 машин и более 250 микросервисов, и все, что у нас есть, — это логи; мы читаем их и строим граф знаний о том, как связана вся система. Во-вторых, закалка агента. Представьте это как игру. У нас есть агент и у нас есть хаос-обезьяна, единственная задача которой — сломать систему, не объясняя агенту как. Иногда хаос-обезьяна побеждает, но агент учится. Мы запускаем это в тестовой среде, и именно это делает систему надежной в продакшене.
Вы создаете все это в средах разработки JetBrains. Почему?
Около 90% нашей работы выполняется в IntelliJ IDEA, потому что мы активно используем Java. WebStorm обрабатывает фронтенд на JavaScript, DataGrip — уровень данных, а PyCharm — наш небольшой компонент на Python вместе с JetBrains AI Assistant. Что удерживает нас здесь, так это глубина. ИИ теперь может писать код, но задача человека по-прежнему включает чтение большей части этого кода, ведь нельзя вслепую отправлять код от ИИ в продакшен. Поэтому мы используем IDE как наши глаза, а не только как руки. Мы можем быстро просматривать, искать и перемещаться по коду, а также видеть, какие классы от чего зависят. Спустя 25 лет она просто продолжает делать свою работу правильно.
Каковы дальнейшие планы для Oppex AI?
Прямо сейчас мы сосредоточены на том, чтобы сократить среднее время разрешения (MTTR) менее чем до 10 минут. Это все еще модель «человек в контуре», то есть мы будим человека и говорим ему dokładnie, что делать. Нашей следующей целью станет процесс «ИИ рекомендует, человек одобряет», при котором рекомендация будет настолько надежной, что можно будет просто нажать кнопку — и все готово. В конце концов, людям даже не придется вставать с постели. Когда возникает проблема, ИИ разберется в ней и исправит ее, и система исцелит себя сама. Люди уже генерируют код быстрее. Когда обслуживание кода в продакшене также будет автоматизировано, весь жизненный цикл получит преимущества.
И последний вопрос. Что вы посоветуете другой команде в Индии, которая только начинает свой путь?
Это абсолютно потрясающее время для создания продуктов. Функции, на разработку которых у компаний уходило 10 лет, теперь можно создать за год за малую долю прежней стоимости. Поэтому многие существующие ниши созрели для переворота, и не только новые, ведь если вы мыслите с точки зрения приоритета ИИ, крупные компании будут реагировать медленно. Если вы понимаете ИИ и умеете им пользоваться, возможности у вас прямо под рукой.
Прочитайте полный вариант исследования здесь.
Часто задаваемые вопросы по программе JetBrains для стартапов
В: Подхожу ли я под критерии?О: Вы подходите, если ваша компания является частной, зарегистрирована менее пяти лет назад и имеет веб-сайт или другое доступное онлайн-присутствие.
В: Куда подать заявку?О: Вы можете подать заявку здесь.
В: Каковы сроки рассмотрения заявок в программе JetBrains для стартапов?О: После подачи заявки наша команда изучит ее в течение 48 часов. Если вы соответствуете критериям, вы получите электронное письмо о принятии, а следом — коммерческое предложение на продукты. Если вы не приняты, наша команда свяжется с вами и объяснит причины. Заявка может быть отклонена либо из-за отсутствия информации (например, документа или веб-сайта), либо потому, что вы не соответствуете нашим критериям отбора (например, вашему бизнесу более пяти лет).
В: Какие продукты входят в понятия «подписка на IDE», «подписка на ИИ» и «подписка на инструменты для команд или обучения»?О: По подпискам на IDE доступен широкий спектр продуктов, включая сами IDE, а также инструменты для .NET и Visual Studio. Под «подпиской на инструменты для команд» понимаются командные инструменты, включая TeamCity, YouTrack, Datalore, Qodana, а также наш инструмент обучения (JetBrains Academy).
