让AI领任务、修Bug、提MR:团队GitLab协作实践
一个 AI 能修 Bug。可要是两台机器同时盯上同一个 Bug,该由谁来修?改完之后,又由谁判断这段代码能不能合进主干?
我们在生产环境里跑通了一套做法:所有任务先建成 GitLab issue,同事本机上的 AI 定时领取分配给自己的任务,修复、自审,再提交合并请求(MR)。审核人一侧的 AI 可以先做交叉检查,最后由人决定是否合并。
全局流程
实线 = 主链路;虚线 = 反馈 / 循环 / 旁路。五个环节按颜色区分:🟡 任务产生 → 🔵 任务中心 → 🟣 AI 执行 → 🩵 AI 交叉审 → ⚪ 人工审核。

人负责把问题说清楚,也负责最后的审核与合并。两端之间,轮询、领取、分析、修复和回帖由各自机器上的 AI Agent 完成。
任务状态机(标签即状态)
流程的核心机制只有一个:用 GitLab 标签当状态机。

标签通过 PUT /projects/:id/issues/:iid 的 labels 参数切换(注意是整体替换,要保留的旧标签需一并传入)。处理中/待审状态额外携带 agent 身份标签(ai-doing-〈agent-id〉 / ai-reviewing-〈agent-id〉),既是看板上「谁在做什么」的归属标记,也是单任务占用检查的依据;通用 ai-doing / ai-reviewing 保留用于聚合视图。
五个关键设计决策
决策一:issue 是唯一的任务载体
告警、安全扫描、代码质量检测、人的口头需求——全部收敛成 issue。建单前,我们通常先把素材交给本机 AI 聊一轮,澄清复现步骤、期望行为、相关代码位置、验收标准,由 AI 按固定五段模板(问题描述 / 复现步骤 / 期望行为 / 线索 / 验收标准)产出结构化描述,再调 API 创建:
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>"领取任务的 AI 不用从一句话需求里猜修复方向:issue 已经写清了现场线索,以及怎样才算修好。问题本来就明确的,可以直接建单。
决策二:用身份标签标明谁在处理
GitLab issue 没有原子锁,多个 AI 同时轮询可能领到同一个任务。我们的方案是让每个 agent 领取前自报家门:初始化时确定唯一身份 <gitlab用户名>-<机器短名>(如 zhangsan-mbp),领取时把身份写进标签:
# 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每个 agent 同一时刻只持有 1 个未关闭任务——doing 或 reviewing 任一占用即不领新活。上限按机器上的 agent 计算,不按人计算:同事有两台电脑,就有两个独立身份,各领一个任务。占用检查和回读能减少冲突,但不能把先读后写变成原子操作。
决策三:AI 自审是发 MR 的强制门槛
核心交付标准:修复了问题,且未引入任何新问题。 agent 在发 MR 前必须对自己的 diff 做一轮 code review:
- 正确性:
检查逻辑、边界条件和错误处理。 - 测试:
确认测试覆盖关键路径,且整套测试通过。 - 安全:
对照团队安全红线,检查注入、越权、SSRF、反序列化等风险。 - 惯例:
核对改动是否符合项目框架约定。 - 验收:
按 issue 的验收标准逐条核对。
重点检查:有没有引入新问题?
逐段看 diff:每处改动会不会破坏原有行为?
确认测试全部通过,再按复现步骤走通修复路径,检查相关调用路径是否正常。
把 diff 控制在修复所需的范围内。无关的重构,另开 MR。
发现问题先修再交付,自审结论随 issue 回帖给出——没有自审记录的 MR 视为交付未完成。
决策四:让审核人一侧的 AI 再查一遍
自审容易漏掉实现时没想到的问题,因此我们把第二轮检查交给另一侧:审核人侧的 agent 轮询 labels=ai-reviewing 的所有任务,对关联 MR 做独立验证——重点检视是否引入新问题(回归/副作用/安全/性能),不默认对方自审无误,疑点一律以 MR 评论(discussion)提出;修复方 agent 处理 → 回复 → 压成单 commit 重推。
分工边界一句话:AI 管正确性、安全、惯例、无新问题;人管业务取舍与架构决策。交叉审不计入任务占用额度;交叉审无响应时人工直接接管,避免 AI 阻塞 AI。
实测体感:人工审核从「逐行读 diff」降为「看交叉审结论 + 抽查 + 拍板」,审核时间大幅缩短。
决策五:推送分支时一起创建 MR
GitLab 的推送选项让「推分支」和「建 MR」一次完成,认证走本机 SSH key:
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"这意味着 AI 手里只需要一个只覆盖 hub 仓库的 issue 读写 token;写代码、推分支、建 MR 全靠本人 SSH 权限,不需要再给代码仓库配一个 token。跨仓库修复(issue 在 A 仓库、代码在 B 仓库)用全限定引用 Closes <group>/<A仓库>#42,MR 合入 B 的默认分支时自动关闭 A 的 issue。
运行中遇到的六个问题
issue 没有自动关闭
现象:MR 合了,issue 还开着
解法:Closes #N 只在 MR 合入项目默认分支时触发;若默认分支是 master 而 MR 目标是集成分支 develop,要等改动最终进默认分支才关闭——不是流程坏了
标签越换越少
现象:labels 参数是整体替换
解法:切换状态时把要保留的旧标签一并传入
MR 提交记录零碎
现象:AI 每轮反馈新增一个 commit
解法:约定修订后 reset --soft + amend 压回单个 commit,push --force-with-lease 重推
worktree 孤儿堆积
现象:任务关闭后隔离目录和本地分支永远留着
解法:统一放 .worktrees/<agent-id>-<issue号>-<repo短名>/,任务关闭即 git worktree remove + 删已合并分支
AI 重复领任务
现象:一轮轮询领了两个活
解法:占用检查 + 单任务上限写进 agent 的硬规则,不要只靠口头约定
非交互 shell 读不到 token
现象:agent 的定时任务环境里读不到 shell 配置里的 token 环境变量
解法:用交互模式包裹命令(如 zsh -ic),或让 agent 显式 source 配置
团队接入清单
GitLab
支持 push options(近版本均可);issue 功能开启
任务标签
ai-task(待领取)ai-doing(处理中/锁)ai-reviewing(MR 待审)+ 自定义分类标签
1 个 token
项目级 Access Token(api scope,Maintainer),共管共用,只用于 issue 读写/回帖;注意过期时间并轮换
每人 SSH key
对协作仓库有推送权限(建 MR 靠它,不需要 token)
每人本机 AI Agent
ZCode / Claude Code 等均可,把规则写入其持久记忆(AGENTS.md / CLAUDE.md)
AI 自动 review 规则
自审强制(发 MR 前,结论随回帖给出)+ 交叉审推荐(审核侧 agent 轮询 ai-reviewing)
保护分支
develop/master 禁止直推——AI 只能走 MR,人工审核是流程内建的安全卡点
一份上岗文档
新成员接入时按模板建初始化 issue 分配给本人,其 AI 读后自检并写入自己的记忆
新成员接入有个实用技巧:把上岗文档直接建成分配给他的初始化 issue。他的 AI 第一次轮询拉到的第一个任务就是自己的上岗说明书,按清单自检(验证 token、轮询、推送权限、查默认分支),然后把工作规则写入自己的持久记忆并回帖汇报——自举完成,之后全自动。
边界:哪些任务别交给 AI
大型重构:影响面评估和架构取舍是人的活
需求不明的任务:让 agent 回帖提问,禁止猜测式修复;提问后仍讲不清的,收回重新定义
涉及凭据 / 付费操作的任务:不要派发,不要出现在 issue 正文里
任务源头也要过滤:宁可少派,不派含糊的——AI 的修复质量上限在建单那一刻就已决定
写在最后
这套流程跑通之后,最大的变化不是「快了」,而是任务不再依赖人的记忆和转发:告警自动变成 issue,issue 自动到人,AI 自动处理,人只在最后拍板。保护分支保证了没有任何人的 AI——包括你自己的——能未经审核改动主干;agent 身份标签让多机器、多人、多任务并发时依然井然有序。
如果你也想试:先挑一个真实的小 Bug 走通全链路(建 issue → 领取 → 修复 → MR → 合并 → 自动关闭),再逐步接入监控告警和扫描任务源。欢迎交流踩坑心得。