Jazzberry
Jazzberry · Programação
O Jazzberry é um bot do GitHub que encontra bugs reais ao executar seu código em um ambiente isolado sempre que um pull request é aberto, e depois publica o resultado como comentário.
Sobre Jazzberry
About
O que é o Jazzberry
O Jazzberry é um buscador de bugs com IA que se conecta ao GitHub. Quando alguém abre um pull request, o serviço clona o repositório em uma microVM protegida, entrega o diff a um agente de IA e deixa esse agente rodar o código. O agente pode ler arquivos, buscar, instalar pacotes, acionar interpretadores e executar trechos de teste, e então observa o que acontece e vai estreitando o cerco até achar a falha. Em vez de adivinhar a partir de padrões, ele confirma o bug fazendo o erro acontecer.
Mateo Perez e Marco Dewey criaram a ferramenta e a levaram pela Y Combinator em 2025. Perez tem doutorado em aprendizado por reforço e métodos formais, e Dewey estudou modelos de linguagem para gerar testes automáticos. Mais tarde a equipe renomeou a empresa para Cartpole e migrou o site antigo, então o endereço original do jazzberry.ai agora aponta para outro lugar.
Vale conhecer os limites logo de cara. O Jazzberry não é uma ferramenta geral de revisão de código, então não opina sobre estilo nem nomes. Ele só examina as mudanças de um pull request, dá o melhor sinal quando o código roda isolado e envia o seu repositório a um serviço de terceiros para testar.
Como começar
- Abra a página do Jazzberry no GitHub e instale o app na conta ou organização que você quer cobrir.
- Escolha os repositórios que o bot deve acompanhar.
- Abra um pull request como de costume e espere o agente clonar o repositório e rodar os testes.
- Leia o relatório de bugs publicado como comentário no pull request e corrija ou descarte cada achado.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Jazzberry.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de backend e de API
- Equipes com foco em segurança
- Criadores solo e equipes pequenas
- Responsáveis por QA e por releases
Tarefas
- Testar um pull request de forma automática
- Achar bugs de segurança cedo
- Reproduzir bugs difíceis de enxergar
- Triar achados por gravidade
Cenários
- Dar merge em um pull request grande escrito por IA
- Manter um processo de revisão enxuto
- Avaliar uma dependência ou integração nova
- Entrar em uma base de código desconhecida
Principais recursos
Detecção automática de bugs executando código de verdade
A ideia central do Jazzberry é que rodar o código vale mais do que lê-lo. Em cada pull request, um agente de IA trabalha dentro do repositório clonado, escreve e executa trechos para confirmar que existe uma falha. Como o agente observa o comportamento real, essa detecção automática de bugs consegue apontar erros de lógica e problemas de execução que um scanner estático deixaria passar. A equipe apresenta isso como prova concreta do que está quebrado e de como quebra, e não como uma lista de supostos problemas.
Uma microVM segura para cada revisão
Cada revisão roda na própria microVM blindada. O repositório é clonado nessa máquina isolada, o agente trabalha ali e o ambiente é destruído depois. Assim a execução de um projeto fica separada das demais e se limita o que cada tarefa pode tocar. A contrapartida é que o seu código sai da sua infraestrutura enquanto a checagem dura.
Integração automática com os pull requests
Não existe um painel à parte para vigiar. Depois que o app do GitHub é instalado, o Jazzberry escuta os pull requests e começa sozinho. Os achados chegam como comentário no próprio pull request, bem onde o revisor já está lendo. Isso cai bem em equipes que vivem no GitHub e não querem mais uma aba aberta.
Relatórios em markdown com gravidade e reprodução
A saída é uma tabela markdown publicada no pull request. Cada linha nomeia o bug, marca uma gravidade de Crítico até Baixo, mostra um caso de teste de exemplo e explica o que dá errado. Essa estrutura deixa o revisor percorrer a tabela e decidir o que tratar, sem garimpar logs. Os primeiros usuários relataram achados como uma falha de injeção de SQL e um erro na validação da chave de API.
Testes independentes de linguagem
O Jazzberry não fica preso a um único stack. Como o agente instala pacotes e aciona interpretadores dentro do sandbox, ele funciona com linguagens comuns como Python, JavaScript, TypeScript, Go, Java e Ruby. Equipes com bases de código mistas não precisam de uma ferramenta por linguagem, e montagens de build muito incomuns talvez só exijam alguma configuração extra.
Prós e contras
Prós
- Confirma os bugs rodando o código, então os achados trazem evidência em vez de palpite.
- Publica os resultados direto no pull request, sem painel extra para consultar.
- As execuções em microVM isolada mantêm cada revisão contida e descartável.
- Funciona com linguagens comuns, então um repositório misto precisa de uma só ferramenta.
- Os rótulos de gravidade ajudam a equipe a priorizar os bugs mais graves.
Contras
- Seu repositório é enviado a um serviço de terceiros para teste, algo que algumas equipes não podem permitir.
- Olha apenas as mudanças de um pull request, então não é uma auditoria completa do código.
- Sistemas complexos ou cheios de integrações são difíceis de rodar em ambiente isolado, o que enfraquece os resultados.
- Os achados ainda pedem julgamento humano, porque testes dinâmicos podem perder contexto.
Perguntas frequentes
É um buscador de bugs com IA para o GitHub. Quando um pull request é aberto, o Jazzberry clona o repositório num ambiente isolado, roda o código alterado com um agente de IA e publica um relatório de bugs como comentário no pull request.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Jazzberry.
Alternativas a Jazzberry
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.