Uber: ИИ-агент Debug Assist делает около 9 000 анализов первопричин в месяц

Инженеры Uber разбирают большой поток проблем в приложениях. По докладу Крити Данги, в год инженерам назначается почти 50 000 проблем, около 90% из них затрагивают клиентов, а командам приходит 12 000 оповещений. Источник такой нагрузки — внутренние системы Wisdom (отчёты сотрудников и бета-тестеров) и Healthline (автоматическая фиксация сбоев, зависаний и деградации производительности). Задача Debug Assist — начать расследование раньше, чем инженер возьмётся за проблему: найти причину, подготовить и проверить исправление и передать его человеку на проверку.

Debug Assist — ИИ-агент на LangGraph, который сочетает детерминированные шаги и шаги на больших языковых моделях. Основные этапы заданы заранее: сбор контекста, классификация и расследование, смягчение последствий или исправление, проверка, создание PR с анализом. Этап RCA работает на модели Sonnet с ограниченным числом ходов, этап исправления — на Opus с большим бюджетом. Параллельные субагенты восстанавливают действия пользователя, сопоставляют сбой с релизом и ищут коммит, внёсший проблему. Через MCP-подключения агент обращается к трассировке, журналам, данным об инцидентах и флагам функций; при сильной связи с флагом может откатить его.

Платформа общая: на момент доклада работает около восьми агентов в пяти монорепозиториях на единой кодовой базе. Реализация лежит в Python-монорепозитории и упакована как исполняемый файл PEX; домены добавляют специализированные навыки и плагины, например для исправлений под Android и соглашений о PR. Исправление проверяется воспроизведением сбоя: сначала модульным тестом, затем при необходимости сквозной автоматизацией и симулятором. После создания PR инженеры могут просить правки, обсуждать диагноз с агентом и вносить исправления, которые идут на улучшение промптов и навыков. Агент ведёт трассировку вызовов моделей, субагентов, MCP и команд Bash.