Logo

Wie unser Team mit GitLab arbeitet: KI übernimmt Aufgaben, behebt Fehler und eröffnet Merge Requests

avatar Jade 21 Nov 2026

Eine KI kann einen Fehler beheben. Aber wenn zwei Rechner denselben Fehler entdecken, wer übernimmt ihn? Und wer entscheidet, ob die Änderung in den Hauptbranch darf?

So arbeiten wir im Produktivbetrieb: Jede Aufgabe beginnt als GitLab-Issue. Die KI auf dem Rechner jedes Teammitglieds fragt regelmäßig dessen zugewiesene Aufgaben ab, behebt den Fehler, prüft den Patch und eröffnet einen Merge Request (MR). Auf der Gegenseite kann eine zweite KI unabhängig prüfen. Über den Merge entscheidet ein Mensch.

Der Ablauf im Überblick

Durchgezogene Linien zeigen den Hauptpfad, gestrichelte Linien Rückmeldungen, Schleifen und Nebenpfade. Fünf Farben stehen für fünf Stationen: 🟡 Aufgabe entsteht → 🔵 Aufgabenzentrale → 🟣 KI bearbeitet → 🩵 zweite KI prüft → ⚪ Mensch prüft.

Ablauf der Zusammenarbeit

Menschen beschreiben das Problem, prüfen das Ergebnis und führen den Merge aus. Dazwischen fragen die lokalen Agenten Aufgaben ab, übernehmen sie, analysieren, korrigieren und melden sich im Issue zurück.

Der Zustandsautomat für Aufgaben

GitLab-Labels bilden unseren Zustandsautomaten.

Zustände und Übergänge einer Aufgabe

Der Parameter labels von PUT /projects/:id/issues/:iid ersetzt den gesamten Satz. Bestehende Labels, die bleiben sollen, müssen mitgesendet werden. Aufgaben in Bearbeitung oder Prüfung tragen zusätzlich ai-doing-〈agent-id〉 bzw. ai-reviewing-〈agent-id〉. So sieht man, wer woran arbeitet und ob ein Agent bereits belegt ist. ai-doing und ai-reviewing bleiben für die Gesamtansicht erhalten.

Fünf Entscheidungen zum Aufbau

1. Ohne Issue kein Auftrag

Alarme, Sicherheitsprüfungen, Codequalitätsprüfungen und mündliche Wünsche werden zu Issues. Vor der Erfassung klären wir mit der lokalen KI Reproduktionsschritte, Sollverhalten, betroffene Codestellen und Abnahmekriterien. Die KI formuliert fünf Abschnitte (Problem, Reproduktion, Sollverhalten, Hinweise, Abnahmekriterien) und legt das Issue per API an:

curl -X POST -H "PRIVATE-TOKEN: $TOKEN" \
  "https://<你的GitLab>/api/v4/projects/<项目ID>/issues" \
  -d "title=修复 XX 问题" \
  -d "labels=ai-task" \
  -d "assignee_ids[]=<同事用户ID>" \
  -d "description=<按上述模板>"

Der übernehmende Agent muss aus einem Einzeiler keine Lösung erraten: Indizien und Erfolgskriterien stehen im Issue. Ist das Problem bereits klar, legen wir es direkt an.

2. Der übernehmende Agent weist sich aus

GitLab-Issues bieten keine atomare Sperre. Zwei Agenten können dieselbe Aufgabe abholen. Bei der Einrichtung erhält jeder Agent eine eindeutige Kennung <GitLab-Benutzername>-<Rechnerkurzname>, etwa zhangsan-mbp. Bei der Übernahme schreibt er sie in ein Label:

# 1) 占用检查:任一非空即不领新任务
curl ".../issues?labels=ai-doing-<agent-id>&state=opened"
curl ".../issues?labels=ai-reviewing-<agent-id>&state=opened"
# 2) 领取:打上带身份的 doing 标签
curl -X PUT ".../projects/<id>/issues/<iid>" -d "labels=ai-task,ai-doing,ai-doing-<agent-id>"
# 3) 回读确认无其他 agent 的 doing 标签;撞车则撤回自己的标签跳过本轮

Ein Agent darf nur eine offene Aufgabe haben. Sowohl laufende Bearbeitung als auch ausstehende Prüfung sperren die nächste Übernahme. Die Grenze gilt pro Agent auf einem Rechner, nicht pro Person. Mit zwei Rechnern kann ein Kollege unter zwei Kennungen jeweils eine Aufgabe bearbeiten. Vorher prüfen und anschließend zurücklesen verringert Kollisionen, macht aber aus Lesen und Schreiben keinen atomaren Vorgang.

3. Kein MR ohne Selbstprüfung

Geliefert ist ein Fix, wenn er das Problem löst, ohne ein neues zu schaffen. Vor dem MR prüft der Agent seinen Diff: Logik, Grenzfälle und Fehlerbehandlung; Testabdeckung kritischer Pfade und grüner Gesamtlauf; Sicherheitsgrenzen des Teams (Injection, fehlerhafte Zugriffskontrolle, SSRF, Deserialisierung); Projektkonventionen; und jeden einzelnen Abnahmepunkt.

Entsteht durch die Änderung ein neues Problem? Jeden Diff-Abschnitt auf Auswirkungen auf bestehendes Verhalten prüfen. Nach dem vollständigen Testlauf die ursprünglichen Schritte nachvollziehen und die betroffenen Aufrufpfade prüfen. Nur ändern, was der Fix erfordert; unabhängige Umbauten gehören in einen eigenen MR.

Befunde vor der Übergabe beheben und das Ergebnis im Issue festhalten. Ohne dokumentierte Selbstprüfung ist die Lieferung unvollständig.

4. Die KI auf Prüferseite schaut unabhängig hin

Bei der Selbstprüfung bleiben leicht Annahmen aus der Implementierung unbemerkt. Der Agent auf Prüferseite fragt Issues mit labels=ai-reviewing ab und prüft die zugehörigen MRs unabhängig auf Regressionen, Nebenwirkungen, Sicherheits- und Leistungsprobleme. Er setzt das Ergebnis der Selbstprüfung nicht als richtig voraus. Für jeden Zweifel eröffnet er eine MR-Diskussion; der bearbeitende Agent korrigiert, antwortet, fasst die Änderungen zu einem Commit zusammen und pusht erneut.

Die KI prüft Korrektheit, Sicherheit, Konventionen und neue Fehler. Fachliche Abwägungen und Architekturentscheidungen liegen beim Menschen. Die Gegenprüfung belegt keinen Aufgabenplatz. Bleibt sie aus, übernimmt ein Mensch, damit nicht eine KI die andere blockiert.

In der Praxis lesen wir nicht mehr jeden Diff Zeile für Zeile. Wir sehen uns die unabhängigen Befunde an, prüfen Stichproben und entscheiden. Das verkürzt die Prüfung deutlich.

5. Den MR beim Push eröffnen

Mit den Push-Optionen von GitLab lassen sich Branch und MR in einem Schritt übertragen bzw. anlegen. Die Anmeldung erfolgt per lokalem SSH-Schlüssel:

git push origin ai/fix-42-xxx \
  -o merge_request.create \
  -o merge_request.target=<默认分支> \
  -o merge_request.title="fix: ..." \
  -o merge_request.description="Closes #42"

Die KI braucht nur ein Token zum Lesen und Schreiben von Issues im zentralen Repository. Codeänderung, Push und MR laufen über die SSH-Rechte der jeweiligen Person; das Code-Repository braucht kein zusätzliches Token. Liegt das Issue in A und der Fix in B, verwenden wir Closes <group>/<repo-A>#42. Der Merge in den Standardbranch von B schließt dann das Issue in A.

Sechs Probleme aus dem Betrieb

Das Issue blieb nach dem Merge offen. Closes #N greift erst, wenn die Änderung den Standardbranch erreicht. Heißt er master, der MR zielt aber auf den Integrationsbranch develop, schließt sich das Issue erst mit der Übernahme nach master. Das ist kein Fehler im Ablauf.

Labels verschwanden. labels ersetzt den kompletten Satz. Alle weiterhin benötigten Labels beim Zustandswechsel mitsenden.

Der MR enthielt viele Kleinst-Commits. Die KI legte für jede Rückmeldung einen Commit an. Mit reset --soft und amend die Überarbeitungen zu einem Commit zusammenfassen und mit push --force-with-lease erneut pushen.

Verwaiste Worktrees häuften sich. Arbeitsverzeichnisse und lokale Branches blieben nach Abschluss bestehen. Einheitlich unter .worktrees/<agent-id>-<Issue-Nummer>-<Repo-Kurzname>/ ablegen, beim Schließen git worktree remove ausführen und den bereits gemergten Branch löschen.

Ein Agent übernahm doppelt. Ein Abfragelauf holte zwei Aufgaben. Belegungsprüfung und Obergrenze als feste Agentenregeln hinterlegen, nicht nur mündlich vereinbaren.

Die nicht interaktive Shell fand das Token nicht. Der geplante Agentenlauf sah die Token-Variable aus der Shell-Konfiguration nicht. Den Befehl interaktiv ausführen (etwa mit zsh -ic) oder die Konfiguration ausdrücklich laden.

Checkliste für den Einstieg

• GitLab: Issues aktivieren und eine Version mit Push-Optionen einsetzen; aktuelle Versionen unterstützen sie.

• Aufgabenlabels: ai-task (frei), ai-doing (in Arbeit/Sperre), ai-reviewing (MR wartet auf Prüfung), ergänzt um eigene Kategorien.

• Ein gemeinsames Projekt-Zugriffstoken: Scope api, Rolle Maintainer, ausschließlich für Lesen, Aktualisieren und Kommentieren von Issues. Ablaufdatum überwachen und Token wechseln.

• Ein SSH-Schlüssel pro Person mit Push-Rechten für die beteiligten Repositories. Der MR wird damit eröffnet, ohne Token.

• Ein lokaler KI-Agent pro Person, z. B. ZCode oder Claude Code. Arbeitsregeln dauerhaft in AGENTS.md bzw. CLAUDE.md festhalten.

• Automatische Prüfung: Selbstprüfung vor dem MR ist Pflicht, Ergebnis ins Issue. Gegenprüfung empfohlen; der Agent auf Prüferseite fragt ai-reviewing ab.

• Geschützte Branches: direkte Pushes auf develop und master verbieten. Die KI muss den MR-Weg nehmen; menschliche Prüfung gehört fest zum Ablauf.

• Ein Leitfaden für den Einstieg: aus einer Vorlage ein Start-Issue anlegen und dem neuen Teammitglied zuweisen. Dessen KI liest es, prüft ihre Einrichtung und speichert die Regeln.

Wir legen die Anleitung direkt in dieses erste Issue. Beim ersten Abruf bekommt der Agent damit sein eigenes Handbuch. Er prüft Token, Aufgabenabfrage, Push-Rechte und Standardbranch, speichert seine Regeln und meldet das Ergebnis im Issue. Danach läuft die Übernahme automatisch.

Was wir nicht an die KI abgeben

• Große Umbauten: Folgenabschätzung und Architekturentscheidungen bleiben menschliche Aufgaben.

• Unklare Anforderungen: im Issue nachfragen, keine Lösung erraten. Bleibt der Auftrag unklar, zurücknehmen und neu definieren.

• Aufgaben mit Zugangsdaten oder kostenpflichtigen Aktionen: nicht delegieren und entsprechende Einzelheiten nicht ins Issue schreiben.

• Schon am Eingang filtern. Weniger, dafür eindeutige Aufgaben sind besser als viele vage; wie gut ein Fix werden kann, entscheidet sich schon beim Schreiben des Issues.

Was sich geändert hat

Der größte Unterschied ist nicht das Tempo. Arbeit hängt nicht mehr davon ab, dass jemand daran denkt und sie weiterleitet: Ein Alarm wird zum Issue, das Issue erreicht die zuständige Person, die KI bearbeitet es, und am Ende entscheidet ein Mensch. Geschützte Branches verhindern, dass irgendeine KI – auch die eigene – ohne Prüfung den Hauptbranch ändert. Agentenkennungen halten parallele Arbeiten über mehrere Rechner und Personen hinweg nachvollziehbar.

Zum Ausprobieren reicht ein kleiner echter Fehler: Issue anlegen → übernehmen → beheben → MR eröffnen → mergen → automatisch schließen. Erst danach Monitoring-Alarme und Scanläufe als Aufgabenquellen anbinden. Wir freuen uns auf Erfahrungen aus der Praxis.

中文 · English · Français · Deutsch · Español · Italiano

Kontaktieren Sie uns