CI Doctor

Was das Unternehmen zu sein scheint: CI Doctor ist ein selbst gemeldetes, von KI gestütztes System, das dazu konzipiert ist, defekte CI (Continuous Integration)-Pipelines zu reparieren, indem es in einer Sandbox validierte Pull Requests generiert. Es nutzt GPT-5.6 und Codex für Diagnose und Reparatur, mit strengen Policy-Gates und Docker-basierter Validierung, bevor jeglicher GitHub-Schreibzugriff gewährt wird.

Was sich geändert hat: Die Projektbeschreibung deutet auf die Entwicklung eines security-first KI-basierten CI-Reparatursystems hin, das den Zielkonflikt zwischen der Beschleunigung von Entwickler-Workflows durch KI und der Aufrechterhaltung der Produktionssicherheit adressiert. Es wurde im Rahmen einer OpenAI 2026 Hackathon-Einreichung erstellt.

Die wichtigste offene Frage: Gibt es Belege für eine Nutzung in der Praxis, Traction oder Kundenfeedback über die Hackathon-Einreichung hinaus? Die Beschreibung gibt an, dass keine Daten zu Umsatz, Kunden oder Adoption verfügbar sind.

Die Beschreibung gibt an, dass CI Doctor ein "security-first KI-basiertes CI-Reparatursystem" ist, das fehlgeschlagene GitHub Actions-Workflows verarbeitet. Es behauptet, einen echten Fehler in einen evidenzbasierten, in einer Sandbox validierten Pull Request umzuwandeln, durch die folgenden Schritte:

• Validierung des Webhook-HMAC und der Repository-Whitelist
• Aufzeichnung eines append-only-Incident-Trails mit musterredigierten Belegen
• Einsatz von GPT-5.6 für strukturierte Diagnose
• Einsatz von Codex für Reparatur und Vorschlag von Regressionstests
• Policy-Gates, die Befehle, schreibbare Pfade, geschützte Dateien, Dateianzahl, geänderte Zeilen, Echtzeit und Wiederholungsversuche einschränken
• Docker-basierte Validierung in einer netzwerkisolierten Umgebung ohne GitHub-Schreibzertifikate
• Ein separater GitHub App Broker öffnet den PR erst, wenn ein Validierungsnachweis vorliegt

Das System wird als ereignisgesteuerte TypeScript-Anwendung beschrieben, die mit Fastify, Zod, PostgreSQL und Docker entwickelt wurde. Der Autor gibt an, dass das System ein Fixture-Repository mit realistischen Fehlern enthält und eine echte, validierte Reparatur sowie einen von einem Bot erstellten Pull Request (PR #4) hervorgebracht hat.

Die Beschreibung gibt an, dass CI Doctor von "diesem Zielkonflikt" inspiriert wurde: "Wie kann eine KI einen echten CI-Fehler reparieren, ohne ein neues Produktionssicherheitsrisiko zu werden?" Dies positioniert es als Lösung für einen spezifischen Schmerzpunkt in Entwickler-Workflows, bei dem KI-Tools vertraut werden müssen, aber nicht uneingeschränkten Zugriff erhalten dürfen.

Die Entwicklung der Behauptungen zeigt:

• Anfängliches Problem: Defekte CI-Pipelines sind teuer und erfordern die manuelle Übersetzung von Fehlerprotokollen
• Vorgeschlagene Lösung: KI-Beschleunigung mit Sicherheitsgrenzen
• Kernpositionierung: "KI kann vorschlagen. Evidenz entscheidet. Menschen genehmigen."

Der Autor merkt an, dass er die Falle des "KI-Wrappers" vermieden hat, indem er Vorschlag, Ausführung und Veröffentlichungsbefugnis getrennt hat.

Nicht belegt. Die Beschreibung identifiziert keine spezifischen Zielkunden oder ideale Kundenprofile über allgemeine Entwickler hinaus, die mit CI-Pipelines arbeiten.

Nicht belegt. In der selbst gemeldeten Beschreibung gibt es keine Erwähnung von Preismodellen, Umsatzquellen oder Annahmen zum Geschäftsmodell.

Die Beschreibung gibt an:

• Als ereignisgesteuerte TypeScript-Anwendung entwickelt
• Nutzt Fastify und Zod für die API
• PostgreSQL speichert Incidents, Events, Artefakte, Reparaturversuche und Broker-Nebenwirkungen
• Docker ist die Ausführungsautorität (die Modellausgabe markiert eine Reparatur nie allein als erfolgreich)
• GitHub Actions-Fehler → HMAC-Verifizierung + Repository-Whitelist → append-only-Nachweisprotokoll + Musterredaktion → strukturierte Diagnose durch GPT-5.6 → Reparatur- und Regressionstestvorschlag durch Codex → Policy-Gate → netzwerkisolierte Docker-Validierung → separater GitHub-PR-Broker
• Enthält ein Fixture-Repository mit realistischen Fehlern in Bezug auf Null-Handling, Paginierungsgrenzen, asynchrone Reihenfolge und Typannahmen
• Das öffentliche Proof-Dashboard zeigt den Richtern einen protokollierten, verifizierten Vorfall an, ohne Zugangsdaten preiszugeben

Nicht belegt. Die Beschreibung besagt, dass dies beim OpenAI 2026 Hackathon eingereicht wurde, und enthält keine Informationen zu Umsatz, Kunden, Adoption oder Traction über die Hackathon-Einreichung hinaus.

Nicht belegt. In der selbstberichteten Beschreibung wird weder auf Wettbewerber noch auf den Marktbezug eingegangen.

• Das System wird als Hackathon-Projekt beschrieben, ohne Belege für eine Nutzung in der Praxis
• Der Autor gibt an, dass "keine Daten zu Umsatz, Kunden oder Traction verfügbar sind, über das hinaus, was sie selbst angeben"
• Das System nutzt GPT-5.6, das nicht öffentlich verfügbar ist (der Autor behauptet, es verwendet zu haben)
• Die Beschreibung weist auf keinen Produktivbetrieb, keine Skalierbarkeitsaspekte oder keine operative Reife hin
• Keine Belege für die Behandlung von Sicherheitsvorfällen, Monitoring oder Observability-Systeme
• Die Einzelperson-Teamgröße wirft Fragen zur Entwicklungsgeschwindigkeit und operativen Kapazität auf

1. Wie hoch ist die tatsächliche Nutzungs- oder Adoptionsrate über den Hackathon hinaus?
2. Wie behandelt CI Doctor Grenzfälle bei CI-Fehlern, die nicht im Fixture-Repository enthalten waren?
3. Welche spezifischen Policy-Einschränkungen wurden implementiert und wie werden sie durchgesetzt?
4. Gab es Tests mit echten unternehmensweiten CI-Umgebungen?
5. Wie ist der aktuelle Status des Docker-Validierungsprozesses und wie skaliert er?
6. Wie planen Sie, Modell-Halluzinationen oder fehlerhafte Reparaturen zu behandeln, die die Validierung bestehen?
7. Welche spezifischen Sicherheitsgrenzen wurden implementiert und wie wurden sie validiert?
8. Gibt es Pläne für die Integration mit anderen CI-Plattformen neben GitHub Actions?