How Next.js Used AI to Close 1,500 GitHub Issues in One Month But How?
Open-source software project যত বড় হয়, সেটি maintain করাও তত কঠিন হয়ে পড়ে।
বিশেষ করে জনপ্রিয় কোনো framework-এর GitHub repository-তে প্রতিদিন নতুন নতুন bug report, feature request এবং developer feedback আসতে থাকে। সব issue manually review করা তখন maintainerদের জন্য বড় চ্যালেঞ্জ হয়ে দাঁড়ায়।
Next.js-এর ক্ষেত্রেও বিষয়টি আলাদা ছিল না। তাদের GitHub issue tracker-এ বছরের পর বছর ধরে জমতে থাকা হাজারো issue maintainers-এর জন্য backlog তৈরি করেছিল।
তবে ২০২৬ সালে এসে Next.js এই সমস্যার সমাধানে ব্যবহার করেছে AI coding agents। এর মাধ্যমে মাত্র কয়েক সপ্তাহের মধ্যে তারা repository-এর ১,৪৬২টি GitHub issue close করতে সক্ষম হয়েছে এবং open issue-এর সংখ্যা ১,০০০-এর নিচে নামিয়ে এনেছে।
সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, AI শুধু issue close করেনি। প্রতিটি issue নিয়ে research, code analysis, reproduction এবং historical evidence সংগ্রহ করে maintainers-দের decision নিতে সাহায্য করেছে।
Why Was the Next js GitHub Issue Backlog a Problem?
Next.js বিশ্বের অন্যতম জনপ্রিয় React framework। লাখ লাখ developer বিভিন্ন web application তৈরি করতে এটি ব্যবহার করেন।
ফলে তাদের GitHub issue tracker-এ নিয়মিত নতুন bug report এবং developer feedback আসা স্বাভাবিক। গড়ে প্রতি সপ্তাহে প্রায় ৩৬টি নতুন report আসছিল।
এর সঙ্গে coding agent জনপ্রিয় হওয়ার পর আরেকটি পরিবর্তন দেখা যায়। AI tools ব্যবহার করে developerরা আরও detailed issue report তৈরি করতে পারছিলেন। ফলে issue-এর quality কিছু ক্ষেত্রে ভালো হলেও review করার workload অনেক বেড়ে যায়।
একটি পুরোনো issue review করতে একজন maintainer-কে হয়তো:
- পুরো GitHub conversation পড়তে হয়
- bugটি reproduce করার চেষ্টা করতে হয়
- বিভিন্ন Next.js version পরীক্ষা করতে হয়
- related pull request খুঁজতে হয়
- পুরোনো commit এবং release history দেখতে হয়
- documentation-এর সঙ্গে বিষয়টি মিলিয়ে দেখতে হয়
অর্থাৎ একটি issue close করার সিদ্ধান্ত নেওয়া সবসময় শুধু “পুরোনো issue” দেখে নেওয়া সম্ভব নয়।
২০২৫ সালের জানুয়ারিতে Next.js repository-তে open issue-এর সংখ্যা সর্বোচ্চ ৩,১০৯-এ পৌঁছেছিল।
পরবর্তীতে stale issue automation ব্যবহার করে backlog কিছুটা কমলেও ২০২৬ সালের ১০ আগস্ট পর্যন্ত open issue ছিল ২,২৪৪টি।
এবার প্রয়োজন ছিল আরও intelligent একটি solution।
Why Stale Issue Automation Wasn’t Enough
Next.js আগে issue inactivity-কে একটি signal হিসেবে ব্যবহার করেছিল।
দুই বছর কোনো activity না থাকলে issue-কে stale হিসেবে চিহ্নিত করা হতো এবং grace period-এর পর সেটি close করা হতো। পরে এই সময়সীমা ১৮ মাস করা হয়।
এই automation backlog কমাতে সাহায্য করেছিল। কিন্তু এখানে একটি সমস্যা ছিল inactivity মানেই issue irrelevant নয়।
একটি পুরোনো issue হতে পারে:
- ইতোমধ্যে fixed
- duplicate
- expected behavior
- unsupported version-এর সঙ্গে সম্পর্কিত
- এখনও valid একটি bug
শুধু issue-এ শেষ activity কবে হয়েছিল সেটি দেখে এই পার্থক্য বোঝা সম্ভব নয়।
তাই Next.js-এর প্রয়োজন ছিল এমন একটি system, যা প্রতিটি issue নিয়ে context বুঝে research করতে পারবে।
How AI Helped Next.js Review GitHub Issues
এই কাজের জন্য Next.js team তৈরি করে একটি research agent, যার নাম closability।
এটি Vercel-এর open-source agent framework eve-এর ওপর তৈরি করা হয়েছিল। Agent-কে এমন environment দেওয়া হয়েছিল যেখানে সে Next.js repository নিয়ে code run এবং পরীক্ষা করতে পারে।
প্রয়োজনে agent একটি isolated Vercel Sandbox environment ব্যবহার করত। সেখানে Next.js repository-এর পাশাপাশি Node.js, Playwright এবং Chromium-এর মতো প্রয়োজনীয় tools ছিল।
এরপর closability প্রতিটি issue নিয়ে কয়েকটি ধাপে investigation চালাত।
1. GitHub Issue Analysis
প্রথমে agent issue-এর পুরো conversation পড়ে এবং report-টি কোন Next.js version-এর সঙ্গে সম্পর্কিত তা যাচাই করে।
এতে বোঝা যায় সমস্যাটি কোন environment বা release-এ দেখা গিয়েছিল।
2. Related Evidence Search
এরপর agent GitHub-এর বিভিন্ন জায়গায় related information খুঁজে দেখে।
এর মধ্যে থাকে:
- Related issues
- Pull requests
- Commits
- Releases
- Documentation
- Previous fixes
এভাবে শুধু issue-এর description-এর ওপর নির্ভর না করে historical context-ও বিবেচনা করা হয়।
3. Bug Reproduction
যখন প্রয়োজন হয়, agent reported version, latest stable release এবং canary version-এ bug reproduce করার চেষ্টা করে।
এটি গুরুত্বপূর্ণ, কারণ কোনো bug পুরোনো version-এ থাকলেও current Next.js release-এ সেটি আর নাও থাকতে পারে।
4. Contradictory Evidence Search
সবচেয়ে interesting অংশগুলোর একটি হলো agent শুধু নিজের initial conclusion-এর পক্ষে evidence খোঁজে না।
বরং এমন evidence-ও খোঁজে যা তার conclusion-কে ভুল প্রমাণ করতে পারে।
এতে false positive কমানোর চেষ্টা করা হয়।
AI Agent কীভাবে Issue Close করার Decision নেয়?
closability সরাসরি কোনো issue close করার সিদ্ধান্ত blindly নেয় না। বরং এটি একটি structured investigation result তৈরি করে।
সেখানে থাকে:
- Close confidence score
- Primary reason
- Summary
- Evidence
- Relevant references
উদাহরণ হিসেবে কোনো bug যদি ইতোমধ্যে fix হয়ে থাকে, তাহলে agent সেই fix-এর pull request, release এবং current version-এ reproduction status-এর মতো evidence দিতে পারে।
তবে শুধু একটি failed reproduction দেখেই issue close করার recommendation দেওয়া হয় না।
High confidence score পেতে strong এবং current evidence প্রয়োজন।
এখানেই AI-powered issue management-এর বড় সুবিধা AI সিদ্ধান্তের পাশাপাশি সিদ্ধান্তের পেছনের evidence-ও সাজিয়ে দেয়।
Human Review Was Still Important
এখানে একটি বিষয় বিশেষভাবে গুরুত্বপূর্ণ।
Next.js AI agent-কে সম্পূর্ণ স্বাধীনভাবে GitHub issue close করার permission দেওয়া হয়নি।
Agent ছিল মূলত read-only।
অর্থাৎ সে:
- issue research করতে পারত
- code inspect করতে পারত
- reproduction চালাতে পারত
- evidence সংগ্রহ করতে পারত
কিন্তু নিজে থেকে:
- issue comment করতে পারত না
- issue close করতে পারত না
- code push করতে পারত না
- deployment করতে পারত না
চূড়ান্ত decision maintainers-রাই নিতেন।
এটি open-source project-এ AI automation ব্যবহারের একটি গুরুত্বপূর্ণ দিক দেখায়: AI কাজের বড় অংশ automate করতে পারে, কিন্তু human oversight এখনও গুরুত্বপূর্ণ।
How Next js Closed 1,462 Issues
পুরো backlog-এর ওপর closability agent চালানোর পর Next.js team একটি Close Queue তৈরি করে।
প্রতিটি investigation-এর result maintainers review করতেন। Agent ইতোমধ্যে evidence এবং relevant references সংগ্রহ করে রাখায় maintainers-দের অনেক ক্ষেত্রে শুধু summary এবং source যাচাই করলেই decision নেওয়া সম্ভব হয়েছে।
Investigation-এর average সময় ছিল প্রায় ৩০ মিনিট।
AI-Driven
AI-Driven Full Stack Web Engineering with Programming Hero Batch 15
তাই তারা ধীরে ধীরে concurrency বাড়িয়ে একসঙ্গে ২০০টি eve session পর্যন্ত চালিয়েছিল।
ফলাফল ছিল উল্লেখযোগ্য।
২০২৬ সালের ৪ সেপ্টেম্বর পর্যন্ত repository-তে মোট ১,৪৬২টি issue close করা হয়। একই সময়ে নতুন ২১৮টি report আসার পরও backlog ১,০০০-এর নিচে নেমে যায়।
Where Did the Closed Issues Come From?
| Issue Close করার কারণ | সংখ্যা | Share |
|---|---|---|
| Already fixed | 543 | 37% |
| Duplicate | 278 | 19% |
| Expected behavior | 237 | 16% |
| No longer reproducible | 89 | 6% |
| Unsupported or obsolete | 66 | 5% |
| Other | 249 | 17% |
| Total | 1,462 | 100% |
এই data থেকে একটি বিষয় পরিষ্কার সব পুরোনো issue একই কারণে backlog-এ ছিল না।
সবচেয়ে বড় অংশ, অর্থাৎ ৩৭% issue ইতোমধ্যেই fixed ছিল। আরও ১৯% ছিল duplicate এবং ১৬% ছিল expected behavior সংক্রান্ত।
অর্থাৎ AI research করার মাধ্যমে এমন অনেক issue শনাক্ত করা সম্ভব হয়েছে যেগুলো repository-তে open থাকলেও বাস্তবে আর active problem ছিল না।
What If an Issue Was Closed by Mistake?
AI-assisted automation-এর ক্ষেত্রে ভুল decision-এর সম্ভাবনা পুরোপুরি বাদ দেওয়া যায় না।
তাই Next.js team issue reopen করার জন্য একটি mechanism তৈরি করেছে।
Maintainer কোনো eligible issue close করলে GitHub Action একটি notification দেয়। Issue creator বা আগে comment করা কেউ মনে করলে যে issue এখনও relevant, তারা নির্দিষ্ট সময়ের মধ্যে reopen request করতে পারে।
Review period ছিল ১৪ দিন।
এটি AI automation-এর জন্য একটি safety net হিসেবে কাজ করেছে।
ফলাফলও বেশ impressive।
২০২৬ সালের ৪ সেপ্টেম্বর পর্যন্ত close হওয়া ১,৪৬২টি issue-এর মধ্যে:
- ১,৪৫৯টি closed ছিল
- মাত্র ৩টি reopen করা হয়েছিল
অর্থাৎ প্রায় ৯৯.৮% issue closed অবস্থায় ছিল।
এটি দেখায় যে automated research-এর সঙ্গে human review এবং reopening mechanism যুক্ত করলে AI-based maintenance workflow অনেক বেশি reliable হতে পারে।
The Next.js Maintainer Agent
closability আসলে Next.js-এর বড় Maintainer Agent system-এর একটি অংশ।
এই system-এ একাধিক specialized AI agent রয়েছে।
প্রতিটি agent আলাদা ধরনের maintenance task নিয়ে কাজ করতে পারে। যেমন:
- Issue reproduction
- Canary verification
- Regression বা fix-এর source খুঁজে বের করা
- End-to-end test তৈরি করা
- Potential fix প্রস্তুত করা
এই architecture-এর মাধ্যমে একটি বড় software project-এর maintenance workflow-কে ছোট ছোট specialized AI task-এ ভাগ করা হচ্ছে।
এটি ভবিষ্যতের AI-assisted software development-এর একটি গুরুত্বপূর্ণ direction হতে পারে।
AI-Powered Dashboard for Next.js Maintainers
Next.js team শুধু backend agent তৈরি করেই থামেনি।
তারা Maintainer Agent-এর সঙ্গে একটি dashboard-ও যুক্ত করেছে।
Dashboard-এ maintainers দেখতে পারেন:
- Open issue
- Backlog trends
- Research results
- Close Queue
- Investigation status
প্রয়োজনে কোনো নির্দিষ্ট issue বা pull request নিয়ে chat agent-কে প্রশ্নও করা যায়।
এমনকি issue থেকে source code inspect করা বা নতুন investigation শুরু করার মতো কাজও করা যায়।
High-priority findings এবং daily recap Slack-এর মাধ্যমেও maintainers-দের কাছে পাঠানো হয়।
ফলে AI শুধু background research tool হিসেবে নয়, বরং পুরো maintenance workflow-এর অংশ হিসেবে কাজ করছে।
AI কীভাবে নতুন GitHub Issue Manage করছে?
পুরোনো backlog একবার পরিষ্কার করলেই কাজ শেষ নয়। কারণ নতুন issue প্রতিদিনই আসবে।
তাই Next.js team closability-কে একটি recurring workflow-এর সঙ্গেও যুক্ত করেছে।
প্রতি সোমবার agent সর্বোচ্চ ১০০টি open issue research করে, যেগুলোর অন্তত ৩০ দিন ধরে কোনো activity নেই।
প্রথমে এমন issue review করা হয় যেগুলো আগে কখনও investigate করা হয়নি।
তবে কোনো issue-তে নতুন activity এলে আগের research বাতিল করা হয়। কারণ নতুন comment বা information issue-এর context পরিবর্তন করতে পারে।
এটি AI-powered continuous issue management-এর দিকে একটি গুরুত্বপূর্ণ পদক্ষেপ।
AI কি এখন নিজে থেকেই GitHub Issue Close করছে?
হ্যাঁ, তবে নির্দিষ্ট safeguards-এর মধ্যে।
বর্তমানে সবচেয়ে clear-cut case-গুলো automate করার জন্য একটি multi-agent verification process ব্যবহার করা হচ্ছে।
Workflow-টি মোটামুটি এমন:
1: closability agent প্রথমে issue review করে।
2: যদি confidence score 80 বা তার বেশি হয়, তাহলে দ্বিতীয় একটি agent issue-টি আবার পরীক্ষা করে এবং এমন evidence খোঁজে যার কারণে issue open রাখা উচিত।
3: দুই agent-ই যদি close করার recommendation দেয়, দ্বিতীয় agent closing reason এবং comment প্রস্তুত করে।
4: এরপর GitHub Action comment post করে এবং issue close করে।
প্রাথমিকভাবে এই automation প্রতি সপ্তাহে সর্বোচ্চ ২৫টি issue close করার জন্য চালু করা হয়েছে।
তবে issue reopen করার সুযোগ এখনও রাখা হয়েছে।
আর সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, code change এখনও human review-এর মাধ্যমেই merge হয়।
What This Means for the Future of Open Source
Next.js-এর এই experiment শুধু একটি GitHub backlog কমানোর গল্প নয়। এটি দেখাচ্ছে AI কীভাবে software development-এর coding-এর বাইরের কাজগুলোতেও গুরুত্বপূর্ণ ভূমিকা রাখতে পারে।
সাধারণত AI coding agent বললে আমরা code generation, debugging বা feature development-এর কথা ভাবি।
কিন্তু বাস্তবে software project maintain করার জন্য আরও অনেক repetitive এবং research-heavy কাজ রয়েছে।
যেমন:
- Bug triage
- Issue reproduction
- Regression analysis
- Pull request research
- Test generation
- Documentation review
- Issue prioritization
এই কাজগুলোর অনেকটাই AI agent দিয়ে automate করা সম্ভব।
Next.js-এর Maintainer Agent সেই সম্ভাবনার একটি বাস্তব উদাহরণ।
Final Thoughts
এক মাসের মতো সময়ের মধ্যে প্রায় ১,৫০০ GitHub issue review এবং close করা শুধু automation-এর ফল নয়। এর পেছনে ছিল AI agent, sandboxed environment, structured research, multiple verification steps এবং human oversight-এর সমন্বয়।
সবচেয়ে interesting বিষয় হলো, Next.js team AI-কে এমনভাবে ব্যবহার করেছে যেখানে AI শুধু “কাজ করে দিচ্ছে” না; বরং evidence সংগ্রহ করে মানুষকে better maintenance decision নিতে সাহায্য করছে।
Open-source project যত বড় হবে, issue এবং pull request-এর volume তত বাড়বে। সেই জায়গায় traditional manual workflow একা সবসময় scalable নাও হতে পারে।
AI-powered maintainer tools তাই ভবিষ্যতে বড় open-source project-এর জন্য গুরুত্বপূর্ণ হয়ে উঠতে পারে।
Next.js-এর এই approach দেখাচ্ছে, ভবিষ্যতের software engineering শুধু code লেখার মধ্যে সীমাবদ্ধ থাকবে না। AI agents হয়তো development-এর পাশাপাশি software maintenance, testing, debugging এবং open-source project management-এর বড় অংশও পরিচালনা করবে তবে মানুষের oversight-এর সঙ্গে।
@arifalmas
