Maige
Rubric Labs · Programmation
Maige est un copilote open source qui applique des règles en langage naturel à votre dépôt GitHub pour étiqueter les issues, assigner les relecteurs, commenter les pull requests et relire le code.
À propos de Maige
About
Qu'est-ce que Maige
Maige est un agent GitHub développé par Rubric Labs, un petit studio de logiciels spécialisé en IA. Le mainteneur l'installe sur un dépôt puis décrit ce qui doit se passer quand une issue ou une pull request arrive. Maige lit cette consigne et agit via l'API GitHub : il ajoute une étiquette, désigne un relecteur, laisse un commentaire ou prépare une revue.
L'objectif consiste à retirer à une personne les corvées qui se répètent. Sur un projet open source actif, une première réponse rapide, la bonne étiquette et le bon assigné décident si le nouveau venu reste. Maige s'occupe de ces trois étapes en quelques secondes.
Deux limites se posent d'emblée. L'agent évolue dans GitHub, il ne peut donc rien modifier que vous ne pourriez pas modifier vous-même dans le navigateur. Et le code qu'il rédige est censé passer par la protection de branche en place, jamais pour contourner une relecture.
Le projet est publié sous AGPL-3.0 et reste en phase alpha. Rubric Labs précise que l'auto-hébergement n'est pas encore pris en charge, ce qui fait de l'application hébergée la voie réaliste pour presque toutes les équipes, le code public servant de porte de sortie.
Premiers pas
- Ouvrez maige.app, connectez-vous avec votre compte GitHub et choisissez le dépôt à couvrir.
- Validez l'installation. Maige crée un webhook, indexe le code pour que l'agent puisse y chercher et prépare un bac à sable pour ce dépôt.
- Écrivez vos règles en français courant, par exemple confier les issues d'interface à un mainteneur précis ou signaler les pull requests qui touchent aux fichiers d'environnement.
- Ouvrez une issue ou une pull request de test et suivez le tableau de bord. Si une règle se déclenche au mauvais moment, reformulez la consigne.
- Prévenez vos contributeurs que le bot est actif, puis ajustez les règles à mesure que de nouveaux schémas apparaissent.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Maige.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Mainteneurs de projets open source qui font le tri seuls
- Petites équipes produit sur un dépôt public
- Projets ouverts aux contributions extérieures
Tâches
- Trier les issues entrantes par domaine
- Signaler les pull requests sensibles pour une relecture humaine
- Première réponse aux nouveaux contributeurs
- Préparer une revue de code selon un document de style
Cas d'usage
- Une avalanche d'issues le week-end après une sortie
- Une file de pull requests qui grossit plus vite que les relecteurs
- Un nouveau mainteneur sur un gros dépôt
Fonctionnalités clés
Règles en langage naturel
Vous écrivez vos consignes comme vous brieferiez quelqu'un qui rejoint l'équipe, et Maige transforme chacune en action sur les événements GitHub. Une règle qui marque les changements de fichiers d'environnement comme nécessitant une approbation s'applique à chaque pull request concernée, sans YAML à apprendre ni fichier de workflow à maintenir. En cas de dérapage, la règle se corrige depuis le tableau de bord.
Triage automatique des issues
Quand une issue s'ouvre, l'agent choisit les étiquettes et la personne responsable d'après vos règles et le contenu du rapport. Le triage des issues GitHub commence par la lecture du rapport, l'étiquetage automatique traite la partie la plus fastidieuse du travail communautaire, à savoir décider qui doit regarder et dans quelle case ranger. L'assignation automatique s'occupe du reste. Tout s'appuie sur les étiquettes que vous utilisez déjà.
Revue des pull requests
Maige relit les pull requests entrantes en suivant les consignes fournies, le plus souvent un guide de contribution ou une liste de vérification. Les commentaires arrivent là où un relecteur humain les mettrait. Il s'agit d'une première passe, pas d'un remplaçant pour le mainteneur principal, et ce qui est fusionné passe toujours par l'approbation et la protection de branche habituelles.
Bac à sable de code par dépôt
Chaque dépôt connecté reçoit son propre bac à sable de code, isolé des autres. L'agent y clone le projet, installe les dépendances et peut lancer des commandes comme le ferait une personne junior, qu'il s'agisse d'exécuter des tests ou de reproduire un bug signalé. Il peut ensuite écrire une modification, la committer sur une nouvelle branche et ouvrir la pull request avec l'identité du bot.
Recherche dans le code par embeddings
À l'installation, Maige indexe tout le dépôt dans une base vectorielle : les questions sur le projet trouvent donc leur réponse dans le code réel plutôt que dans une supposition. Demandez quels paquets le dépôt utilise ou où se définit une valeur de configuration, vous obtiendrez une réponse fondée sur des fichiers qui existent vraiment.
Tableau de bord et historique
Le tableau de bord liste ce que l'agent a fait sur chaque issue et pull request, ce qui devient indispensable quand une règle réagit autrement que prévu. Vous remontez d'une étiquette fautive jusqu'à la phrase qui l'a provoquée, vous corrigez le texte et vous surveillez la passe suivante.
Avantages et inconvénients
Avantages
- Les règles s'écrivent en langage courant, donc le triage se met en place sans toucher à un fichier de configuration ni apprendre une syntaxe de workflow.
- Le bot passe par l'API GitHub et s'insère dans les habitudes de l'équipe au lieu d'imposer un nouvel outil.
- Le code est publié sous AGPL-3.0 : une équipe qui craint l'enfermement peut lire exactement ce qui tourne sur son dépôt.
- Chaque dépôt dispose de son bac à sable, où l'agent lance des tests et reproduit des bugs au lieu de se contenter de commenter.
- L'offre gratuite convient aux petits projets, et le tarif démarre ensuite à 30 dollars par mois.
Inconvénients
- Le produit reste étiqueté alpha et l'éditeur indique que l'auto-hébergement n'est pas pris en charge : le quotidien repose donc sur le service hébergé.
- Les règles en langage naturel interprètent parfois mal une phrase, et les premières semaines demandent une surveillance de chaque étiquette.
- L'agent ne couvre que GitHub, ce qui exclut les équipes sur GitLab ou Bitbucket.
- L'installation demande des droits d'écriture sur les issues et les pull requests, une demande que certains mainteneurs n'accordent pas sans discussion sur la sécurité.
Questions fréquentes
Maige AI automatise l'entretien d'un dépôt sur GitHub. À l'ouverture d'une issue ou d'une pull request, il applique les règles que vous avez rédigées en langage naturel : étiquetage, assignation, commentaire et relecture de code. C'est un copilote de dépôt tourné vers la maintenance du projet, pas un assistant de rédaction, et il rejoint la catégorie des outils pour mainteneurs qui demandent des règles plutôt que des interrupteurs.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Maige.
Alternatives à Maige
Chit
Ravdesigns · Programmation · ProductivitéChit transforme l'historique Claude Code déjà présent sur votre Mac en reçu quotidien de travail, classé par projet et prêt à coller dans un stand-up ou une feuille d'heures.
Eclatira
Eclatira Inc. · Voix et langage · Programmation · ChatbotEclatira est une plateforme d'agents vocaux qui crée des assistants IA capables de parler en temps réel, de voir ce que montre une caméra ou un écran et d'appeler vos outils.
Kaiku
Kaiku · Programmation · Productivité · EntrepriseKaiku est un gestionnaire de tâches et un wiki pour les équipes qui travaillent avec des agents IA. Les agents se connectent en MCP, le coût de chaque exécution reste sur le ticket concerné et le wiki vit à côté du tableau.