← ステッカーウォール AGENT · DETAIL

Devonを活用したオープンソースプロジェクトのバックログチケット消化の月額定額サービス、月収8000元

ワークフロー：毎朝、対象リポジトリのOpen Issueリストを取得し、バグまたはgood first issueとしてタグ付けされたチケットをフィルタリングし、難易度と再現の明確さでソートした上で、3〜5件をDevonに処理させます。Agentは自動的

AGENT

主要項目

FIELD STAMPS

業界AI・大規模モデル

地域グローバル

規模中小企業

チャネルオンライン

🔧 ワークフロー

毎朝、対象リポジトリのOpen Issueリストを取得し、バグまたはgood first issueとしてタグ付けされたチケットをフィルタリングし、難易度と再現の明確さでソートした上で、3〜5件をDevonに処理させます。Agentは自動的にリポジトリのクローンを作成し、コードを読み込み、根本原因を特定し、修正コードを記述してテストを実行し、最後にPRを送信します。人間が各PRのコード品質、境界条件、テストカバレッジを再確認し、問題がないことを確認した上でメンテナーのレビューに回します。成果物として、週単位で集計されたマージ済みPRリスト、失敗したチケットの振り返り記録、バックログ消化の進捗レポートを出力します。

🛠 構築のハードル

GitとGitHubの操作ができ、一般的なバックエンドやフロントエンドのコードを読んで人間によるレビューができること、コマンドラインの基礎に慣れていることが必要で、深いアルゴリズムの基礎知識は不要です。ローカルまたはクラウドサーバーでDockerを使用してDevonを実行し、OpenAIまたはAnthropicのモデルAPIに接続します。クリーンなGitHubアカウント、個人の受託用ホームページ、過去のPRのポートフォリオを準備します。初期の環境構築と最初のデモチケットの実行完了までに約2〜3日かかります。レビューの難易度を下げるため、自分が慣れ親しんだ言語エコシステムから始めることをお勧めします。

🧰 ツールチェーン

🔧 DevonオープンソースAgent
🔧 GitHub
🔧 OpenAIまたはAnthropic API
🔧 Docker

💰 収入

オープンソースプロジェクトのメンテナーや商業企業と取り決めた月額保守料に基づいて課金し、1プロジェクトあたり月額2000〜4000元（マージ済みPRの固定数量を保証）とします。立ち上げ期には2〜3つのプロジェクトを同時に担当し、月収4000〜8000元となります。評判が確立した後は、そのオープンソースプロジェクトに依存する商業企業に対して値上げしたり、マージされたPRの数に応じて追加料金を請求したりすることができ、1人あたりの上限は約12000元となります。

💸 コスト

モデルAPIは呼び出し量に応じて課金され、1チケットの修復につき数元レベルのトークン費用がかかり、月全体で約200〜600元となります。クラウドサーバーまたはローカルマシンの電気代は月約100元です。GitHubやDockerなどの基本ツールは無料です。全体の月間コストは800元以内に抑えることができ、初期の主なコストは人間によるレビューに費やす時間です。

⏱ 時間投入

毎日2〜3時間。主に適切なチケットの選択、Agentが提出したPRのレビュー、PRのコメント欄でのメンテナーの修正意見への対応、および週1回の進捗同期に費やします。

🚀 初心者ガイド

最初のステップとして、GitHub上で自分が使用経験があり、Issueの蓄積が顕著で、メンテナーが依然としてアクティブなオープンソースプロジェクトを3〜5個見つけ、Agentの補助を借りて高品質な修正PRを2つ無料で提出し、信用を築きます。最初のマージ実績を獲得した後、それを事例のスクリーンショットとして整理し、プロジェクトのディスカッションエリア、メンテナーのメールアドレス、開発者コミュニティに月額2000元のトライアル案件としてバックログ消化プランを提案します。

🔑 成功のカギ

✅ 人間によるレビューを最終防衛ラインとしてPRの品質を担保し、粗悪なコードを提出して看板に泥を塗るくらいなら提出数を減らすこと
✅ 影響範囲が小さく、テストカバレッジが完全で、再現の手順が明確なチケットを優先してマージ率を高めること
✅ 自分の技術スタックで理解できるプロジェクトのみを受託し、レビュー能力がこのビジネスの核心的な参入障壁となること
✅ マージされた各PRを公開ポートフォリオとして整理し、検証可能な実績を用いて次の顧客との契約を獲得すること

⚠️ 风险

⚠️ Agentが生成したコードに隠れたバグが混入する可能性があり、一旦メインブランチにマージされて本番環境で問題を引き起こした場合、メンテナーの信頼を失い協力関係が終了する恐れがあること
⚠️ GitHub Copilot AgentモードやCodexなどの大手企業のツールが同様の機能を無料で公開した場合、月額の人間によるサービスの価格が継続的に押し下げられる可能性があること
⚠️ 一部のオープンソースコミュニティにはAI生成コードに対する反発や、明確な表示を義務付けるルールがあり、コミュニティの規範を遵守しない場合ブラックリストに載せられ、個人のGitHubの信用に悪影響を及ぼす可能性があること

📌 実例

📌 DevonはProxifyによってリリースされ、GitHub Issueの自動分析、修正コードの作成、PRの送信を行うことができ、2025年のリリース以来、自動コードメンテナンスとマネタイズの道筋について開発者の間で幅広い議論を引き起こしました
📌 類似の道筋はすでに実証されています。Devinの公開デモでは、AIが本来8か月かかる予定だったレガシーコードの移行を8日間で完了させ、バックログ消化シナリオにおいてエンドツーエンドの自律修復が実際に可能であることを示し、コーディング効率は人間の数倍に達すると言われています
📌 アリババクラウドの開発者コミュニティの報道によると、GitHubエコシステムではすでに実践が行われています。CIの失敗がトリガーとなってCodexが自動分析し、直接修正PRを送信します。github-sre-agentプロジェクトはさらに一歩進んで、自律的なモニタリング、根本原因分析、および救済を実現しており、チケットの自動消化のワークフローが実際のシナリオで機能していることを示しています

出典