TREX: ИИ-ревьюер кода от Greptile, который запускает ваш код

Компания Greptile выпустила TREX (Test, Run, Execute) — исполнительный слой, который запускает ваш код во время AI-ревью. Вместо простого чтения diff'ов TREX фактически выполняет изменённый код и выявляет баги времени выполнения — регрессии UI, логические ошибки, зависящие от состояния, состояния гонки — которые не может поймать статический анализ.

Архитектура: Оркестратор + под-агенты для каждой проблемы

Ранние версии использовали отдельные агенты или один комбинированный. Оба варианта провалились: отдельные агенты дублировали работу без общего контекста; один агент перегружался управлением настройкой, скриншотами и тестами. Решением стал оркестратор (главный ревьюер Greptile), который читает diff, выявляет подозрительные проблемы и запускает выделенного под-агента TREX для каждой проблемы, работающих параллельно. Каждый под-агент наследует контекст оркестратора и имеет собственное окно контекста, ограниченное своим исследованием.

Пример: функция UI за шлюзом аутентификации. Под-агент автономно настраивает окружение, обрабатывает аутентификацию, переключает флаги функций и возвращает скриншот отображаемой функции.

Мультимодальные артефакты vs. маркированные списки

Изначальный вывод TREX был в виде тезисов — но тезисы допускали галлюцинации (например, утверждение, что тест пройден, хотя это не так) и не давали возможности проверить. Исправление: каждый результат TREX подкреплён набором мультимодальных артефактов: скриншоты, логи выполнения, трассы API и скрипты выполнения. Каждый модальность рассказывает часть истории, позволяя точно отследить, что произошло. Первым впечатляющим артефактом стала видеозапись изменения анимации — показывающая реальный эффект во время выполнения.

Что он ловит

TREX нацелен на баги, которые не видны в diff'ах кода: логические ошибки, требующие определённых последовательностей состояний, регрессии UI после загрузки страницы и состояния гонки, требующие реальных запросов. Он генерирует и запускает тесты, но фокус на поиске багов, а не просто на написании тестов. Под-агент сам разбирается с настройкой.

Как говорит Шлок Мехротра, инженер, стоящий за TREX: «Можно идеально прочитать diff и всё равно полностью пропустить такие баги».