Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Show HN
Show HN: Farol, un mapa de riesgo de una pull request para quien la aprueba
Farol es una CLI y una GitHub Action open source (MIT) que, tras la revisión de un agente de IA, calcula el riesgo de fusionar una pull request y señala qué archivos lo concentran. Usa análisis estático, no un modelo, y soporta TypeScript/React, Go y Python.
Foto: vía github.com
1 medio · MadridPublicada 25 oct, 15:00Actualizada 25 oct, 17:45· Ya no está en portadaEscrita por IA · cómo funciona
El planteamiento del proyecto es que, cuando los agentes escriben y revisan el código, la decisión final de aprobar el merge sigue siendo de una persona, y repartir esa atención por igual entre todas las PR la convierte en un vistazo rápido. Farol («faro» en portugués) no sustituye a la revisión con IA, sino que va después: el agente comenta líneas del diff y Farol indica qué alcanza el cambio y cuánto riesgo tiene aceptarlo.
Para cada PR responde a tres preguntas: qué alcanza el cambio (páginas, operaciones de API, métodos RPC, jobs y scripts que ejecutan el código modificado, con la cadena de llamadas), cómo de arriesgado es el merge (un veredicto —vía rápida, revisión rápida o revisión cuidadosa— y una puntuación de 0 a 100 basada en alcance, cobertura del diff, hallazgos de seguridad, cambios de contrato y de dependencias) y por dónde empezar (los archivos más arriesgados primero, con diffs en línea, líneas sin tests marcadas y una lista de cosas que probar a mano).
Según el README, construye un grafo de declaraciones con los propios compiladores (el type checker de TypeScript, go/types y el ast de Python), así que la misma PR produce siempre el mismo informe y cada afirmación viene con su cadena de llamadas. Cuando no puede leer parte del cambio, lo marca como desconocido y pide revisión cuidadosa. También detecta cambios que rompen contratos (campos eliminados, parámetros nuevos obligatorios, tipos cambiados) en GraphQL, FastAPI, handlers de Go y gRPC, y aprovecha los informes de cobertura, lint y auditoría que el CI ya genera.
Se ejecuta con npx @winninjs/farol o como GitHub Action (winnin/farol/action). No requiere cuenta ni servicio alojado, corre en la máquina o en el runner de CI, nunca ejecuta el código ni lo envía a ninguna parte, comenta en cada PR y no bloquea el merge. Necesita Node.js 22+ y git, más go o python3 3.11+ según el proyecto. En cada push genera dos informes: la PR completa y solo los commits desde el push anterior. El README incluye una demo con una PR sobre la plantilla full-stack de FastAPI que contiene un cambio de API incompatible, SQL construido con un f-string y un componente compartido sin tests.
«Show HN: Farol – a risk map of a pull request for the person who approves it» · puesto 4 · 48 puntos · enviado por ericholiveira
Lo que dicen los comentarios
Los comentarios son en general escépticos con la ejecución. Varios opinan que el informe de ejemplo es demasiado largo y ruidoso, y que en el backend cuesta más leerlo que leer el código; alguien señala que entre los archivos sugeridos primero había simples imports. El autor responde que el orden sale de los archivos más usados según el grafo de dependencias y que se pueden ignorar archivos. También se critica el diseño de la interfaz, que el autor admite haber hecho con IA, y la desconfianza hacia la evaluación de riesgo automatizada, aunque otro matiza que, si funciona, sirve para enfocar la atención. El código SQL con interpolación de la PR de demo abre un desvío sobre SQLAlchemy Core y psycopg, y hay bromas sobre un monorepo del artículo citado y sobre sobornos al estilo Jia Tan. Un hilo aparte trata de por qué el comentario del autor aparecía marcado como muerto.
Herramientas así harán falta y serán estándar. Pero el informe de backend de la demo parece más largo y complejo que leer el código. El mapa de riesgo debe ser conciso y denso, y anotar el código en vez de sustituir la interfaz de revisión.
Tiene buena pinta, pero lo usaría con cautela. Si algo sigue necesitando a una persona, es evaluar el riesgo; usar LLMs para puntuarlo me parece mala idea.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.