BookinglyTech News
Software

Epiq: gestor de incidencias que reproduce acciones de agentes de IA sobre Git

Proyecto de código abierto y autohospedable que registra y reproduce las acciones de agentes de IA en un tablero de tareas, con el diff incluido.

2 min de lecturar/selfhosted0 vistas

Epiq es un proyecto de código abierto que añade una capa de revisión a los flujos de trabajo con agentes de IA en la gestión de incidencias. Su propuesta: poder reproducir, como si fuera una grabación, lo que un agente hizo en un tablero de tareas, con el diff de código asociado integrado en el propio ticket.

La herramienta, que se ejecuta en local o en tu propio servidor, mantiene un registro de eventos en vivo y filtrable de todos los commits y movimientos del tablero. Eso permite ver, a nivel de proyecto, cada acción que tus agentes están realizando en tiempo real. No hace falta acudir a los logs del agente: todo queda registrado y accesible desde la interfaz.

Epiq ofrece dos formas de uso: una interfaz gráfica y otra de texto. Ambas acceden al mismo backend, que guarda los datos en un repositorio Git. El proyecto está pensado para integrarse con LLMs como Claude, que es con el que su desarrollador lo usa a diario.

La utilidad práctica está clara para quien trabaja con agentes automatizados en tareas de desarrollo: cuando un agente toca código, no siempre se sabe por qué lo hizo. Con Epiq se puede ir al ticket, ver qué evento disparó ese cambio y revisar el diff exacto. Y si un agente cometió un error hace semanas, se puede recrear su secuencia de acciones para encontrar dónde falló la lógica.

El proyecto es relativamente joven, así que faltan detalles sobre el rendimiento con repositorios grandes o la integración con gestores de incidencias existentes (de momento parece funcionar con su propio flujo). Tampoco hay información sobre cómo maneja la concurrencia si varios agentes trabajan sobre el mismo tablero. Pero la idea es sólida: añade trazabilidad y auditoría a un punto ciego típico del trabajo con agentes. Quien haya intentado depurar el comportamiento de un LLM en un entorno de producción sabe lo valioso que es poder reproducir su actuación.