Figma usa agentes de IA para revisar PRs e auditar monorepo

Como a Figma usa agentes de IA para segurança de código

A Figma descreve como implementou agentes de IA em três estágios para proteger seu codebase: revisão de pull requests, auditoria de código histórico e geração segura de código. Todos os três compartilham a mesma política de segurança - um documento que funciona como threat model completo.

Revisão de PRs

O sistema de revisão foi o primeiro a ser construído, porque seu loop de melhoria é mais rápido: é universal (todo PR passa por ele), self-serve (o autor responde diretamente) e instrumentado em ambas as direções (precisão e recall têm sinais próprios).

A Figma roda dois modelos em paralelo - Claude Code com Opus 4.8 e Codex com GPT-5.6 Sol - porque cada um captura bugs diferentes. O custo mediano por review é de ~$0,50. O sistema já detectou cadeias de exploração complexas, como um objeto sandbox injetado que vazava o construtor Function do host, abrindo caminho para execução de código no cliente desktop.

A lição da precisão antes do recall

Na primeira semana, apenas 15% dos findings eram válidos (4 de 27). A equipe definiu uma meta de 70% de precisão antes de ativar comentários visíveis aos desenvolvedores. Para chegar lá, rotularam manualmente falsos positivos em oito semanas de PRs e escreveram uma política baseada em precedentes (exemplos contextuais) em vez de regras genéricas. O resultado: 99 linhas, 2.560 palavras e 68 precedentes que se tornaram, como efeito colateral, um threat model completo.

Infraestrutura de produção

Quando a revisão virou requisito de merge, a Figma adicionou failover entre provedores, telemetria no Datadog/Slack e tracking de taxa de correção. Migrou de uma GitHub Action para um serviço TypeScript, removeu a passagem adversarial separada (modelos mais novos não precisam) e adicionou um "adjudicador" - uma segunda passada que reexamina findings descartados, elevando o recall em ~30% relativo.

Métricas

O recall é medido por um corpus de 66 tarefas (vulnerabilidades reais que passaram por revisão humana). A taxa de captura combinada dos modelos é de 75,8% sobre bugs que já haviam escapado de todos os controles existentes. A precisão é medida em produção pelo feedback dos autores de PRs. Houve um período sustentado de zero findings disputados entre abril e maio de 2026.

Auditoria do monorepo

Usando a mesma política, a Figma apontou agentes para o monorepo inteiro (10+ anos). Na primeira rodada, encontraram mais de 100 vulnerabilidades latentes, incluindo duas críticas que ferramentas SAST tradicionais haviam perdido.

Geração segura

Agent hooks interceptam ações de agentes de codificação em tempo real - por exemplo, bloqueando a criação de uma rota API até que o agente leia o guia de autorização. Para certas classes de bugs, como logging safety, a queda após adicionar hooks foi de ~50%.

Loops de auto-melhoria

Quando um bug escapa (via bug bounty ou incidente), um agente rastreia o commit raiz, adiciona ao corpus de evals, e um segundo agente atualiza a política até que o reviewer capture aquele tipo de bug. Falsos positivos disparados por desenvolvedores também alimentam atualizações automáticas da política. Em ambos os casos, um engenheiro de segurança revisa a mudança antes do merge.