Pular para o conteúdo

Notícia · Comunidade

Engenheiros estão entregando código mais rápido, então a PostHog criou um CI autônomo para acompanhar

A PostHog está entregando código em um ritmo acelerado, e essa velocidade aumentou consideravelmente nos últimos meses devido à adoção de LLMs. A empresa passou de 1.354 PRs (Pull Requests) mesclados em outubro de 2025 para mais de 6.500 em outubro de 2026, um aumento superior a 380%. O desafio da equipe de Developer Experience

Redação CRO Brasil

· 3 min de leitura

Neste artigo · 3 seções
  1. Passo 1: Extraindo dados de CI/CD do GitHub
  2. Passo 2: Criando uma camada consultável para agentes
  3. Passo 3: Tornando o processo autônomo
A PostHog está entregando código em um ritmo acelerado, e essa velocidade aumentou consideravelmente nos últimos meses devido à adoção de LLMs. A empresa passou de 1.354 PRs (Pull Requests) mesclados em outubro de 2025 para mais de 6.500 em outubro de 2026, um aumento superior a 380%. O desafio da equipe de Developer Experience é garantir que os engenheiros continuem entregando o mais rápido possível, equilibrando qualidade de código e estabilidade do CI. Com a meta de facilitar a entrega de 10.000 PRs por mês, tornou-se difícil manter o CI apenas com observação e reação manual. Inspirada em outras áreas da empresa, onde 11% dos PRs mesclados em outubro foram “self-driving” (abertos autonomamente por agentes após identificarem algo relevante nos dados), a equipe decidiu aplicar a mesma abordagem à manutenção do CI.

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.
Esses detectores já levaram a correções reais, como a resolução de jobs de CI que falhavam em cada push, a eliminação de instabilidades em testes de Rust e a aceleração de verificações em PRs, reduzindo o tempo de execução de 51 para 33 segundos em alguns casos. A abordagem MCP-first e a interface do Engineering Analytics tornaram-se o ponto central da equipe de DevEx para uma visão geral da saúde do CI. A empresa agora trabalha em otimizações de performance e novos recursos, como o “CI Explorer”, que mapeia graficamente os fluxos de trabalho de forma mais intuitiva que a interface padrão do GitHub. Artigo original: https://posthog.com/blog/self-driving-ci
Traduzido e adaptado pela Equipe CRO Brasil