▲РЕПО НЕТ В ОКНЕ 30D. ПОКАЗАН FINDING ИЗ ОКНА 1D (1 day) — РАНГ #113.
FINDING #113 · UNIT ID 1326607979
Eason4real/releaseguard-ai
Auditable AI release intelligence agent with deterministic public demo replay.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
55% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
28.00
ACCEL
0.00
RETENTION
0.0%
PEAK 2026-09-01 · FORK-RETENTION 0.0% · 28 STARS / WINDOW
Author Audience
AUDIENCE
7
FOLLOWERS
2
OWNER ★
51
Engagement Signals
FORKS
8
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 28 / 28 (DIVERSITY 1.00)
Потенциал заработка
F22/100
СПРОС78
Деньги в теме есть: incident management, AIOps и observability — крупные растущие рынки; компании уже платят $20–$50+ за responder/seat/mo.
ЗАХВАТ24
Захватить ценность трудно: рынок занят PagerDuty, Datadog, Atlassian, incident.io, Rootly, FireHydrant, Sentry, New Relic и Better Stack.
ДОСТУП8
Главный стоп-фактор — нет лицензии; SPDX None означает all rights reserved и юридический риск коммерческого использования без разрешения автора.
«Проект топит отсутствие лицензии и статус демонстрационного workflow, а не production-продукта.»
Рыночный анализ · Обзор
ReleaseGuard AI — демо AI-агента для расследования проблем после релиза с проверяемой цепочкой доказательств и ручным approval перед действиями.
AI SRE / AIOps / incident investigation / release intelligence / post-release risk diagnosticsЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
TypeScript
ЛИЦЕНЗИЯ
НЕТ · ALL RIGHTS RESERVED
РЕЕСТР
npm
КОНТРИБЬЮТОРЫ
1
УСТАНОВКА: npm install releaseguard-ai
Что делает
Проект показывает, как разложить post-release incident investigation на этапы: обнаружение аномалии, расследование агентом, конкурирующие гипотезы, вызовы инструментов, привязка доказательств, root cause diagnosis, человеческое подтверждение, действие и проверка восстановления. Публичный режим работает как deterministic replay на синтетических данных и не вызывает реальные LLM, GitHub или внешние write/API операции.
Какую боль решает
Решает боль SRE/DevOps-команд, которые вручную разбирают, что сломалось после деплоя, собирают метрики, логи, историю похожих инцидентов и оформляют выводы/postmortem.
Сценарии использования
- Post-release health investigation после выката Android/web/backend-релиза с проверкой метрик, baseline и окон аномалий.
- Auditable incident timeline: сохранение ToolCall, ToolResult, Evidence, diagnosis, approval, action и verification как проверяемой истории.
- Human-in-the-loop remediation: потенциально опасное действие вроде CREATE_GITHUB_ISSUE выполняется только после ручного подтверждения.
- Demo / portfolio for AI SRE workflows: публичный replay-режим без реальных LLM/API/write операций для интервью и демонстрации архитектуры.
- Benchmark/eval для agent investigation на deterministic cases и regression checks, заявленных в README.
Целевой пользователь
SRE, DevOps, platform engineering, incident commanders и engineering managers, отвечающие за релизы, uptime, MTTR и postmortems.
Open-source аналоги
Open-source AIOps и alert management: deduplication, enrichment, correlation, workflows, AI summarization; гораздо ближе к production-платформе, чем ReleaseGuard AI.
Error tracking, performance monitoring и release health; не agentic RCA из коробки, но решает соседнюю боль поиска поломок в проде.
Observability platform для logs/metrics/traces/RUM/LLM observability; это инфраструктурный слой данных, а не agent workflow.
Event-driven automation, auto-remediation, incident response и ChatOps; сильнее как automation engine, но меньше про AI release diagnosis.
Incident orchestration: Slack/GSuite/Jira, notifications, tasks, post-incident review; зрелый исторический пример, но архивирован.
On-call scheduling, escalation и alerts; не RCA-агент, OSS-версия архивирована в пользу Grafana Cloud IRM.
Kubernetes alert enrichment, AI remediation и Prometheus alerts; ближе к AI SRE для K8s, но не release-specific.
Позиционирование
ReleaseGuard AI пока нишевый experimental demo, а не лидер. Его отличие — auditable deterministic replay, structured agent investigation и approval boundary, но по зрелости, интеграциям, community и production-readiness он сильно уступает Keep, Sentry, OpenObserve, StackStorm и Robusta. Это скорее портфолио-прототип перспективного AI SRE workflow, чем самостоятельная OSS-платформа.
Коммерческие аналоги
On-call, incident response, alert routing, automation, AI Actions и AIOps add-ons.
FY2026: $493M revenue и $499M ARR по указанному proxy/annual report source.
Professional$21/user/mo annually
Business$41/user/mo annually
Enterprisecustom
AIOpsadd-on к Professional/Business/Enterprise
Slack/Teams-native incident response, on-call, workflows, postmortems и AI features.
Raised $62M Series B, $96M+ total funding по blog post компании.
Basic$0
Team$15/user/mo annual or $19 monthly
Pro$25/user/mo
On-call standalone$20/user/mo
On-call add-on Team+$10/user/mo
On-call add-on Pro+$20/user/mo
Incident response, on-call, AI SRE, retrospectives, status page и workflows.
Vendor trust center заявляет, что Rootly доверяют сотни global organizations.
Incident Response Essentials$20/user/mo
On-Call Essentials$20/user/mo
Enterprisecustom
AI SREcustom/contact
Incident management, runbooks, service catalog, retrospectives, alerting/on-call Signals и AI summaries/triage на Enterprise.
Raised $23M Series B, total funding $32.5M; announced acquisition by Freshworks in Jan 2026.
Free$0 up to 10 responders
Pro$25/responder/mo billed annually
Enterprisecustom
Incident response внутри observability platform: timelines, status pages, AI postmortems, on-call и Bits AI.
Крупный публичный observability vendor; точная revenue за 2025 в собранном разборе не извлечена.
On-Call$20/seat/mo annual or $29 on-demand
Incident Management$30/seat/mo annual or $43.20 on-demand
Incident Response bundle$40/seat/mo annual or $58 on-demand
ITSM, alerting, on-call, incident/problem/change management, AIOps, deployment gating и asset/CMDB.
Atlassian investor page: $6.2B TTM revenue и 85%+ Fortune 500 paying customers.
Free$0 for 3 agents
Standard$20/agent/mo
Premium$51.42/agent/mo
Enterprisecontact sales
Assets over allowancefrom $0.02/object/mo
Virtual agent overage$0.30/assisted conversation/mo
Error monitoring, tracing, performance, release health и AI debugging agent Seer.
OSS repo около 44k stars; commercial revenue в собранном разборе не подтверждена.
Developer$0
Team$26/mo
Business$80/mo
Usage over quotaTeam errors after quota from $0.0003625/error downward by volume
Observability, APM, logs, AIOps и incident/debugging workflows.
Acquired by Francisco Partners + TPG for approximately $6.5B in 2023 по вторичному источнику.
Free100GB/mo ingest and 1 full platform user
Data beyond free$0.40/GB
Data Plus$0.60/GB
Core user$49/user/mo
Standard full platformfirst user $10, additional $99/user/mo
Pro full platform$349/user/mo annual or $418.80 PAYG
Uptime, incident management, on-call, status pages, logs/traces/metrics и AI SRE Slack/MS Teams agent.
Official press: 200,000+ developers, 4,000+ customers, raised $10M in 2024.
Free$0
Responder$29/license/mo annual or $34 monthly
AI SRE chat$0.00003/token
Additional public status page$12/mo annual or $15 monthly
Logs/traces ingest$0.10/GB
Incident alerting, on-call, response, postmortems, stakeholder communications и ZenAI.
Vendor page заявляет trust by 1000+ businesses.
Starter$6/user/mo
Growth$16/user/mo
EnterpriseTalk to us
Status pages add-on on Growth$10k/year
Status pages on Enterpriseincluded
Incident response, alert routing и on-call; Squadcast URL redirects to SolarWinds.
SolarWinds-scale vendor; на pricing page точных публичных цен нет.
Public pricingquote / expert guidance
Exact tiersnot confirmed
Текущая монетизация проекта
Подтверждённой монетизации ReleaseGuard AI не видно: homepage отсутствует, GitHub Sponsors не указан, лицензии нет, релизов нет, package.json private=true, README называет проект portfolio demo using demo/replay data. Найденный releaseguard.io с QA automation pricing выглядит как другой продукт/компания, не связанный с Eason4real/releaseguard-ai. Сейчас проект выглядит как хобби/портфолио, не open-core и не SaaS.
Коммерческий потенциал
ПОТЕНЦИАЛ · НИЗКИЙ
На текущей библиотеке заработать почти нельзя из-за отсутствия лицензии и ранней стадии, но на идее или clean-room реализации можно строить B2B-продукт в нише AI post-release incident investigator.
Спрос и рынок
Спрос высокий: downtime и MTTR напрямую стоят денег, а willingness-to-pay подтверждается ценами incident.io, Rootly, Datadog и Atlassian. В собранном анализе приведены оценки рынков: Incident Management Software $2.5B in 2025 → $4.3B by 2032, AIOps $6.7B in 2025 с CAGR 22.1% до $44.1B by 2034, Observability tools/platforms $11.91B in 2026 → $22.99B by 2031.
Ров / защищённость
Сейчас рва нет: репозиторий — replay demo. Потенциальный ров мог бы появиться через proprietary corpus of incident investigations, качественный deterministic eval benchmark, интеграции и схемы evidence, enterprise trust, workflow lock-in через Slack/Jira/GitHub/Datadog/Sentry и лучшую RCA-точность в узкой вертикали.
Модели монетизации
- SaaS AI Release Investigator для малых SRE/platform teams с интеграциями GitHub/GitLab, Datadog, Sentry, Grafana, Prometheus, Jira и Slack.
- Open-core: OSS deterministic replay engine, evidence model и agent workflow; paid hosted control plane, RBAC, SSO, audit logs, private incident memory, enterprise connectors и SOC2.
- Enterprise support / private deployment для regulated компаний, которым нужен auditable AI agent без отправки telemetry во внешний SaaS.
- Incident investigation copilot поверх существующих инструментов PagerDuty, Datadog, Sentry, Jira и Slack.
- Vertical focus: mobile release health, Android/iOS rollout incidents, feature flag regressions или fintech release approvals.
Что нужно, чтобы сделать продукт
- Добавить юридически пригодную лицензию: MIT, Apache-2.0, BSD или отдельную коммерческую лицензию.
- Сделать настоящие production integrations: Datadog, Sentry, Grafana, Prometheus, GitHub, Jira, Slack, CI/CD.
- Построить multi-tenant SaaS, auth, RBAC и audit log.
- Реализовать реальный LLM mode с безопасными tool boundaries.
- Сделать data ingestion pipeline для logs, metrics, traces, releases и deploy events.
- Довести security posture до SOC2-ready: secrets management, retention policies, access control.
- Провести evaluation on real-world incidents, а не только synthetic replay.
- Сформулировать clear ICP and packaging: SRE lead, VP Eng, platform team или mobile release team.
- Усилить trust layer: explainability, evidence ranking, hallucination controls, rollback/approval policies.
- Обеспечить support and SLA.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Лицензия отсутствует — это high-severity blocker. Для коммерческого использования текущего кода нужно получить письменное разрешение или коммерческую лицензию от автора, дождаться permissive license вроде MIT/Apache-2.0, либо переписать реализацию clean-room, используя только идею, а не код. Если автор добавит MIT/Apache-2.0 и превратит демо в production-grade SaaS с интеграциями, лучший путь монетизации — вертикальный B2B-продукт: auditable AI release/incident investigator поверх Datadog/Sentry/GitHub/Jira/Slack.
Риски и подводные камни
ВЫСОКИЙЛИЦЕНЗИЯ
Лицензия отсутствует, SPDX None. По умолчанию это all rights reserved: нельзя безопасно использовать код коммерчески, делать закрытые деривативы или SaaS без разрешения автора.
ВЫСОКИЙПРОЧЕЕ
Нет релизов, один contributor, проект создан очень недавно, README описывает demo/replay вместо production mode.
ВЫСОКИЙКОНКУРЕНЦИЯ
Сильные incumbents: PagerDuty, Datadog, Atlassian, incident.io, Rootly, FireHydrant, Sentry, New Relic и Better Stack уже имеют бюджеты, интеграции, доверие и enterprise sales.
ВЫСОКИЙПРОЧЕЕ
AI incident investigator ценен только при доступе к logs/metrics/traces/deploys/tickets; безопасно получить этот доступ сложно из-за compliance, PII, secrets и customer data.
ВЫСОКИЙПРОЧЕЕ
В incident response неверный root cause или опасная remediation может ухудшить outage; нужны строгие boundaries, approval gates и evidence scoring.
СРЕДНИЙКОНКУРЕНЦИЯ
SRE-команды уже используют Datadog/PagerDuty/Sentry/Jira; новый standalone tool должен сильно экономить MTTR или идеально встраиваться.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Один автор, владелец без подписчиков по входным данным, governance отсутствует.
СРЕДНИЙПРОЧЕЕ
Есть другой коммерческий ReleaseGuard на releaseguard.io с QA automation pricing; связь с этим репозиторием не подтверждена и возможна проблема брендинга.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-08-14 · ОКНО 1D
Оговорки / что не проверено
- Факты из GitHub-воронки и README приняты как данность и не перепроверялись.
- Звёзды и форки OSS-аналогов взяты из собранного разбора и могут устареть.
- Часть коммерческих цифр подтверждена только одним источником, особенно pricing pages и vendor trust/funding statements.
- Datadog: точная выручка за 2025 в собранном разборе не извлечена, scale описан качественно.
- Sentry: коммерческая выручка не подтверждена, scale опирается на OSS stars и pricing page.
- New Relic acquisition value взят из вторичного источника Wikipedia, не подтверждён ≥2 источниками в этом разборе.
- Рыночные размеры AIOps/incident management/observability взяты из отдельных market-research pages, без независимого второго подтверждения для каждой цифры.
- Связь releaseguard.io с Eason4real/releaseguard-ai не подтверждена; в анализе он трактуется как другой продукт/компания.
- Оценки demand/capture/access, moat и risks являются аналитическим выводом, а не измеренными фактами.
- README заявляет 22 deterministic cases и 328/328 checks, но это не независимый production proof.
ИСТОЧНИКИ (32)
Why This Is A Finding
Eason4real/releaseguard-ai собрал 28 звёзд за окно, тогда как у автора всего 2 подписчиков — эффективная аудитория ≈ 7. Это даёт surprise-индекс 0.59 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 98% OF 5858 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5858 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.180.00+0.18ABOVE 98%
VELOCITY28.0010.00+18.00ABOVE 84%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS8420-412ABOVE 5%
SURPRISE0.590.01+0.59ABOVE 99%