CodeBuddy NPC: IA que trabalha dentro de Issues, PRs e pipelines

IA dentro do fluxo de engenharia

A ideia central do CodeBuddy NPC é fazer a IA participar do sistema de desenvolvimento baseado em Git, e não funcionar apenas como um chat paralelo. Em vez de copiar requisitos, trechos de código e logs para uma conversa, o desenvolvedor pode mencionar uma função com @ em uma Issue ou em uma pull request (PR). A partir daí, o NPC é disparado de forma assíncrona e trabalha sobre os artefatos já existentes do projeto. 16

Na prática, o ciclo pretendido é: investigar a tarefa, planejar a solução, implementar, abrir uma PR, validar na integração contínua (CI), corrigir falhas e validar novamente. Isso não significa que toda alteração possa ser publicada sem revisão humana; a proposta é integrar o agente ao processo técnico e aos controles que a equipe já utiliza. 17

Git como contexto persistente

No modelo chamado de AI Native Git, o repositório funciona como a memória operacional do agente. Histórico de commits, Issues, PRs, resultados de CI/CD e critérios de qualidade fornecem o contexto para a execução. Assim, a IA trabalha nos mesmos registros e etapas que organizam o desenvolvimento da equipe, em vez de depender de informações deslocadas para uma interface externa. 17

A invocação ocorre sob demanda. A documentação do CNB prevê os eventos issue.comment@npc, quando o NPC é mencionado na descrição ou nos comentários de uma Issue, e pull_request.comment@npc, para menções em descrições, revisões ou comentários de PRs. 6

Colegas de IA definidos em YAML

As equipes podem criar funções específicas de NPC no arquivo .cnb/settings.yml. A configuração pode incluir nome da função, prompt, importação de bases de conhecimento e elementos de interação. 3

Isso permite separar responsabilidades, por exemplo, entre um agente voltado à implementação, outro à revisão de código, um terceiro à investigação de problemas ou à coordenação de tarefas. O comportamento personalizado do NPC pode ser configurado opcionalmente no .cnb.yml; caso não exista um pipeline próprio para o evento, o CNB usa um ambiente padrão para a execução. 36

Da investigação ao reparo da CI

Depois de acionado, o CodeBuddy NPC pode interpretar o código-fonte, formular uma abordagem, escrever alterações, abrir uma PR e acionar testes. Se a CI apontar uma falha, o retorno desse processo passa a integrar a próxima rodada de correção e validação. Como a execução é assíncrona, o desenvolvedor não precisa permanecer em uma sessão interativa durante todo o trabalho. 17

A infraestrutura do CNB sustenta esse processo com hospedagem Git, pipelines de CI/CD, repositórios de artefatos e ambientes de desenvolvimento em nuvem. O YAML de pipeline pode definir imagens Docker, imagens temporárias geradas por Dockerfile, dev containers, volumes montados, executores com tags e CPUs específicas e cache reutilizável de Docker. Isso favorece builds e testes repetíveis, isolados do computador local do desenvolvedor. 54

Permissões temporárias e trilha de auditoria

Durante a execução dos pipelines, o CNB fornece o CNB_TOKEN, um token temporário que pode ser usado para ações autorizadas de código, artefatos e API. As permissões variam de acordo com o tipo de evento que disparou o pipeline, e o token é destruído ao fim da execução. 15

Como a tarefa nasce em Issues ou PRs e deixa rastros em commits, comentários, pipelines e verificações de qualidade, a organização preserva uma trilha de auditoria semelhante à do fluxo tradicional de engenharia. Para dados sensíveis, a documentação do repositório de segredos do CNB descreve controles de acesso, restrições operacionais, logs de auditoria e marca d’água. 19

O que diferencia a proposta

A Tencent posiciona o modelo como colaboração de engenharia com IA. A diferença, nessa visão, é que o agente não apenas acelera a escrita de código nem executa uma ação isolada: ele recebe demandas pelos artefatos padrão da equipe, opera com ambientes e permissões definidos, pode assumir funções especializadas e percorre o ciclo de planejamento, implementação, validação e correção. 17

A empresa também atribui a redução do consumo na primeira interação — de mais de 20 mil tokens para cerca de 2 mil, queda superior a 90% — a ajustes contínuos de prompts, chamadas de ferramentas, saída da CLI e taxa de acerto de cache, além da seleção de estratégias de modelo conforme a dificuldade da tarefa. 811