Dobar GitHub issue obično nastane u pogrešnom trenutku: dok ste na mobitelu, na sastanku ili usred testiranja. Ako tada otvorite GitHub i pokušate napisati naslov, opis, repro korake i očekivano ponašanje, lako odustanem ili ostavim bilješku kojoj kasnije fali konteksta.
Zato sam složio mali workflow s OpenClawom i Signalom. Cilj nije "AI koji sam vodi projekt", nego nešto puno skromnije: uhvatiti kratku bilješku dok je svježa i pretvoriti je u dovoljno dobar issue bez ručnog copy-pastea.
Workflow koji radi jer je namjerno usko fokusiran
Sustav ima četiri dijela: dedicirani Signal broj, allowlistu pošiljatelja, OpenClaw agent s ograničenim GitHub pristupom i custom skill koji zna kako napisati issue. Nema širokih ovlasti i nema otvorenog "radi što misliš da treba" prostora.
Tipična poruka
"Na mobile checkoutu error toast nestane prije nego korisnik stigne pročitati poruku. Dogodi se nakon neuspjele kartice. Treba provjeriti timeout i ponovni pokušaj plaćanja."
Skill iz te poruke izvuče naslov, opis problema, kontekst, repro korake, očekivano ponašanje, rizik i prijedlog labela. Agent ne pokušava riješiti bug. Samo priprema kvalitetan intake.
Najvažnije je ograničiti ovlasti
Kod ovakve automatizacije nije dovoljno pitati "može li agent ovo napraviti?". Važnije je pitati "što se događa kada dobije loš input ili kada model krivo zaključi?". Zato agent ima usku ulogu: kreira draft issue, ne dira kod, ne mijenja milestoneove i ne dodjeljuje prioritet bez jasnih pravila.
- Signal pošiljatelji su ograničeni allowlistom.
- GitHub token ima minimalne ovlasti za issue intake.
- Skill definira obavezna polja i ton issuea.
- Za nejasne bilješke agent traži dopunu umjesto da izmišlja detalje.
Gdje je stvarna vrijednost
Vrijednost nije u tome da AI piše issueve. Poanta je da se mali problemi ne gube, a tim dobiva konzistentan format koji je dovoljno dobar za trijažu. To smanjuje mentalni trošak prijave buga i povećava šansu da se problem riješi dok je kontekst još svjež.
Ovo je dobar primjer engineering produktivnosti: ne uvodi se velika platforma, nego se uklanja jedno ponavljivo trenje iz procesa. Takve male automatizacije često se više isplate od velikih "AI transformacija" koje nitko ne koristi.
Što bih napravio u timu
Za timsku upotrebu dodao bih tri stvari: pregled prvih desetak issuea prije automatskog otvaranja, jasnu politiku labela i mjerenje koliko draftova stvarno završi u backlogu. Ako većina automatiziranih issuea traži ručnu preradu, skill treba popraviti.
AI workflow mora biti mjerljiv. Ako ne znate što je poboljšao, vjerojatno ste samo premjestili posao iz jednog alata u drugi.
Josip Budalić
HOTFIX tim
Josip vodi HOTFIX d.o.o. i radi na software arhitekturi, AI-assisted development workflowima, modernizaciji codebasea i praktičnoj isporuci softwarea.