Qué se hizo
Un agente basado en Gemini 1.5 Pro funcionaba dentro de Naptime, el entorno de Project Zero que le da un navegador de código, un depurador, una herramienta de informes y un sandbox para scripts en Python.
Los investigadores le dieron un fallo de SQLite ya corregido, junto con mensajes y diffs de commits recientes, y le pidieron buscar problemas similares sin resolver. El agente relacionó el fallo antiguo con otra parte del código, escribió un caso de prueba, provocó el fallo y elaboró un análisis de la causa raíz.
Resultado
Encontró un desbordamiento por debajo del búfer en la pila (en seriesBestIndex) y SQLite lo corrigió el mismo día, antes de que llegara a ninguna versión publicada. 150 horas de CPU de fuzzing no lo habían encontrado.
A tener en cuenta
El fallo solo estaba en una versión en desarrollo. El equipo califica Big Sleep de muy experimental y cree que un fuzzer específico podría ser igual de eficaz hoy.
Prompt para probarlo
Plantilla orientativa redactada por CasosAgentesIA a partir del caso; no es el prompt original. Sustituye lo que está entre corchetes.