Passo 1: Extraindo dados de CI/CD do GitHub
Como a PostHog possui um monorepo de código aberto no GitHub, a maior parte dos dados de CI reside lá. Consultar esses dados frequentemente via API poderia atingir limites de taxa. Por isso, a empresa decidiu integrar os dados de CI/CD em seu próprio produto como uma fonte de data warehouse, sincronizando pull requests, execuções de fluxo de trabalho (workflow runs) e tarefas individuais.Passo 2: Criando uma camada consultável para agentes
Em vez de utilizar serviços externos voltados para produtividade, a PostHog construiu seu próprio produto interno chamado Engineering Analytics. A visão principal é tratar pull requests como “usuários” e o que acontece com eles no caminho para produção como “eventos”. O Engineering Analytics fornece suporte a MCP (Model Context Protocol), permitindo que agentes consultem dados específicos ao investigar falhas de CI ou buscar otimizações. Habilidades específicas foram desenvolvidas para ajudar os agentes a identificar, por exemplo, qual commit quebrou um determinado job e se commits posteriores corrigiram o problema.Passo 3: Tornando o processo autônomo
O Engineering Analytics gera seus próprios “sinais” baseados em detectores determinísticos:- Flaky check: jobs que falham e passam em seguida no mesmo commit.
- Broken default branch: fluxos que falham persistentemente na branch principal.
- Duration regression: fluxos que se tornaram mais lentos do que em janelas anteriores.
Traduzido e adaptado pela Equipe CRO Brasil