AI 分析
痛点:开源项目维护者希望把'找bug→写复现测试→写修复→跑测试→审阅→提PR'这一整套耗费大量时间的重复流程交给自动化AI流水线,自己只做最终审批。
目标用户:开源项目维护者、小型开发团队、以及需要维护多仓库的独立开发者
证据:I have been running it nonstop since October 14 on storytold's Craft apps, 13 Rust repos... In those five days around 170 of its pull requests got merged, 60 of them in figcraft alone, and 151 more are open and waiting for review. Only 12 have been closed without a merge so far.
变现:托管SaaS订阅(按席位或按合并PR数量收费)+ 企业私有化部署授权 + 可选的自带/代理模型调用加价
MVP:做一个GitHub App插件,只聚焦'根据issue自动生成复现测试并提交修复PR'单点:调用Claude/GPT API,用GitHub Actions或Docker跑测试验证(修复前测试失败、修复后通过),默认PR需人工审批,2周可出可用版本。
竞品:Devin、Sweep、OpenHands、Aider、SWE-agent、GitHub Copilot coding agent、OpenAI Codex
摘要:作者用Claude Code构建了开源工具ApolloOffice,模拟一支AI团队自动修复GitHub bug,在13个Rust仓库上连续运行5天,约170个PR被合并(仅figcraft就有60个),另有151个待审、仅12个被关闭。免费的AGPL项目本身验证了'自动化修bug'这条流水线的真实需求,但尚无付费数据,且赛道已被Devin、Sweep、OpenHands、Copilot等占据,创业空间集中在托管服务与企业私有部署。