Apache Airflow

Plutôt que de contribuer à l'open source PR par PR, j'ai construit un pipeline d'agents autonomes qui gère le cycle de contribution sur apache/airflow : sélection d'issues, reproduction du bug, correctif, tests, réponse aux reviews. Résultat : 42 pull requests soumises, 20 mergées dans l'un des plus gros projets open source Python (38 000+ étoiles). Ce ne sont pas des corrections de typos : path traversal bloqué via les dag_id et run_id, en-tête JWT corrigé pour les tokens à clé symétrique, optimisation d'une migration de base de données en SQL pur, fixes dans les providers Google (BigQuery, Dataproc), Oracle, Alibaba, SMTP et FAB, et dans le task-sdk.

Défis

• Comprendre un codebase de très grande taille avec des conventions strictes de contribution
• Faire passer des correctifs la review de mainteneurs exigeants d'un projet Apache
• Orchestrer des agents autonomes fiables sur tout le cycle : issue, fix, tests, review
• Couvrir des sous-systèmes variés : scheduler, task-sdk, providers, migrations, sécurité

Solutions

• Pipeline d'agents autonomes construit sur Claude Code pour gérer le cycle de contribution
• Reproduction systématique du bug avant tout correctif, tests ajoutés à chaque PR
• Réponses aux reviews et itérations jusqu'au merge, en suivant les conventions du projet

Résultats

• 20 pull requests mergées sur 42 soumises dans apache/airflow
• 2 correctifs de sécurité mergés (path traversal via dag_id/run_id, en-tête JWT kid)
• Contributions sur scheduler, task-sdk, migrations et 6+ providers (Google, Oracle, Alibaba, SMTP, FAB, standard)
• Toutes les PRs publiques et vérifiables sur GitHub

Technologies

Python · Apache Airflow · Agents autonomes · Claude Code · Open Source · pytest