Logo

Cómo usamos GitLab para que la IA tome tareas, corrija errores y abra solicitudes de fusión

avatar Jade 21 Nov 2026

Una IA puede corregir un error. Pero si dos máquinas detectan el mismo fallo, ¿cuál se encarga? ¿Y quién decide si el cambio puede entrar en la rama principal?

Así trabajamos en producción. Toda tarea empieza con una incidencia de GitLab. La IA de cada compañero consulta periódicamente lo que tiene asignado, corrige el fallo, revisa el cambio y abre una solicitud de fusión (MR). La IA de quien revisa puede hacer una comprobación independiente; la decisión de fusionar es humana.

El flujo de trabajo

Las líneas continuas marcan el recorrido principal; las discontinuas, los comentarios, bucles y desvíos. Los colores indican cinco etapas: 🟡 creación de la tarea → 🔵 centro de incidencias → 🟣 ejecución por la IA → 🩵 revisión cruzada por la IA → ⚪ revisión humana.

Diagrama del flujo de colaboración

Las personas describen el problema, revisan y fusionan. Entre ambos extremos, los agentes locales consultan las tareas, las toman, investigan, aplican la corrección y responden en la incidencia.

Los estados de una tarea

Las etiquetas de GitLab funcionan como una máquina de estados.

Estados de las tareas y sus transiciones

El parámetro labels de PUT /projects/:id/issues/:iid sustituye el conjunto completo: hay que incluir las etiquetas anteriores que se quieran conservar. En curso o pendiente de revisión, la tarea lleva también ai-doing-〈agent-id〉 o ai-reviewing-〈agent-id〉. Así se ve quién se ocupa de ella y si el agente ya está ocupado. Las etiquetas comunes ai-doing y ai-reviewing permiten ver el conjunto.

Cinco decisiones de diseño

1. La incidencia es la única unidad de trabajo

Alertas, análisis de seguridad, controles de calidad y peticiones verbales acaban en incidencias. Antes de crearlas, aclaramos con la IA local los pasos de reproducción, el comportamiento esperado, el código relacionado y los criterios de aceptación. La IA redacta cinco apartados (problema, reproducción, resultado esperado, pistas y criterios de aceptación) y crea la incidencia mediante la API:

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>"

El agente no tiene que adivinar la solución a partir de una frase: ya conoce las pistas y cómo comprobar que el problema está resuelto. Si todo está claro desde el principio, creamos la incidencia directamente.

2. Identificar al agente que toma el trabajo

GitLab no ofrece un bloqueo atómico para las incidencias. Dos agentes pueden tomar la misma al consultarlas a la vez. Al configurar cada agente le damos una identidad única <usuario-GitLab>-<nombre-corto-máquina>, por ejemplo zhangsan-mbp, que añade a una etiqueta al tomar la tarea:

# 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

Cada agente solo puede tener una tarea abierta: si está trabajando o esperando revisión, no toma otra. El límite se aplica al agente de cada máquina, no a la persona. Alguien con dos equipos tiene dos identidades y puede llevar una tarea en cada uno. Consultar antes y verificar después reduce las colisiones, pero no convierte la lectura y escritura en una operación atómica.

3. Exigir una autorrevisión antes de abrir la MR

Entregar significa resolver el problema sin introducir otro. Antes de abrir una MR, el agente revisa su propio diff: lógica, casos límite y manejo de errores; cobertura de los caminos críticos y éxito de todas las pruebas; seguridad (inyecciones, fallos de autorización, SSRF, deserialización); convenciones del proyecto; y cumplimiento de cada criterio de aceptación.

¿El cambio ha introducido algún problema? Revisar cada bloque del diff por si altera el comportamiento existente. Pasar toda la batería de pruebas, repetir los pasos de reproducción y comprobar las rutas de llamadas relacionadas. Limitar los cambios a la corrección; cualquier refactorización ajena va en otra MR.

Resolver los problemas detectados antes de entregar y responder en la incidencia con la conclusión. Sin constancia de la autorrevisión, la entrega está incompleta.

4. Dar una segunda mirada a la IA de quien revisa

En la autorrevisión se pasan por alto supuestos de la implementación. El agente revisor consulta las tareas con labels=ai-reviewing y verifica sus MR de forma independiente, buscando regresiones, efectos secundarios y problemas de seguridad o rendimiento. No da por buena la autorrevisión. Abre una discusión en la MR por cada duda; el agente que hizo el cambio corrige, responde, agrupa el trabajo en un solo commit y vuelve a enviarlo.

La IA comprueba la corrección, la seguridad, las convenciones y la ausencia de problemas nuevos. Las decisiones de negocio y arquitectura corresponden a las personas. La revisión cruzada no consume el cupo de tareas; si no responde, una persona toma el relevo para que una IA no bloquee a otra.

En la práctica, pasamos de leer cada línea del diff a consultar las conclusiones independientes, comprobar una muestra y decidir. La revisión lleva bastante menos tiempo.

5. Abrir la MR al enviar la rama

Las opciones de push de GitLab permiten enviar la rama y abrir la MR de una vez, autenticándose con la clave SSH local:

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"

La IA solo necesita un token de lectura y escritura de incidencias limitado al repositorio central. El código, el push y la apertura de MR usan los permisos SSH del desarrollador; el repositorio de código no necesita otro token. Si la incidencia está en A y el código en B, usar Closes <group>/<repo-A>#42. La fusión en la rama predeterminada de B cierra la incidencia en A.

Seis problemas que encontramos

La incidencia no se cerró. Closes #N solo surte efecto cuando el cambio llega a la rama predeterminada. Si es master pero la MR apunta a la rama de integración develop, la incidencia sigue abierta hasta que el cambio llegue a master. No es un fallo del flujo.

Desaparecían etiquetas. labels sustituye todo el conjunto. Al cambiar el estado, incluir también las etiquetas que deben permanecer.

El historial se llenaba de commits pequeños. La IA añadía uno por cada ronda de comentarios. Agrupar las revisiones con reset --soft y amend en un solo commit y volver a enviar con push --force-with-lease.

Se acumulaban worktrees huérfanos. Tras el cierre quedaban el directorio aislado y la rama local. Usar .worktrees/<agent-id>-<número-incidencia>-<nombre-corto-repo>/ y, al cerrar, ejecutar git worktree remove y borrar la rama ya fusionada.

Un agente tomó dos tareas. En una sola consulta recogió dos encargos. Convertir la comprobación de disponibilidad y el límite de una tarea en reglas obligatorias, no en un acuerdo verbal.

El shell no interactivo no veía el token. La tarea programada no heredaba la variable de la configuración del shell. Ejecutar el comando en modo interactivo (por ejemplo, zsh -ic) o cargar explícitamente la configuración.

Lista de incorporación al equipo

• GitLab: habilitar las incidencias y usar una versión con opciones de push, como las versiones recientes.

• Etiquetas: ai-task (disponible), ai-doing (en curso/bloqueo), ai-reviewing (MR pendiente), además de etiquetas de clasificación propias.

• Un token de proyecto compartido: alcance api, rol Maintainer, solo para leer y actualizar incidencias y responder en ellas. Vigilar su caducidad y renovarlo.

• Una clave SSH por persona con acceso de push a los repositorios implicados. Las MR se abren con esa clave, sin token.

• Un agente local por persona, como ZCode o Claude Code. Guardar las reglas en sus instrucciones persistentes (AGENTS.md / CLAUDE.md).

• Revisión automática: autorrevisión obligatoria antes de abrir la MR y conclusión en la incidencia. Se recomienda la revisión cruzada: el agente revisor consulta ai-reviewing.

• Ramas protegidas: prohibir el push directo a develop y master. La IA debe pasar por una MR; la revisión humana forma parte del proceso.

• Una guía de incorporación: crear una incidencia inicial a partir de una plantilla y asignarla a la persona nueva. Su agente la lee, comprueba el entorno y guarda las reglas.

Ponemos la guía directamente en esa primera incidencia. En su primera consulta, el agente encuentra sus propias instrucciones. Comprueba el token, las consultas, los permisos de push y la rama predeterminada; guarda sus reglas y responde en la incidencia. Después, la recogida de tareas es automática.

Qué no delegamos en la IA

• Grandes refactorizaciones: las personas evalúan el impacto y las decisiones de arquitectura.

• Requisitos ambiguos: preguntar en la incidencia, sin improvisar una solución. Si sigue sin quedar claro, recuperar la tarea y redefinirla.

• Credenciales u operaciones de pago: no asignar esas tareas ni incluir esos detalles en la incidencia.

• Filtrar el trabajo desde el origen: mejor pocas incidencias precisas que muchas vagas. La calidad que podrá alcanzar el arreglo depende de cómo se redacte la incidencia.

Qué cambió

El mayor cambio no fue la velocidad. El trabajo dejó de depender de que alguien lo recordara y lo reenviara: la alerta se convierte en incidencia, esta llega a su responsable, la IA la resuelve y una persona decide. Las ramas protegidas impiden que cualquier IA, incluida la propia, cambie la rama principal sin revisión. Las etiquetas de identidad mantienen el orden entre varias personas, máquinas y tareas simultáneas.

Para probarlo, llevad un fallo pequeño y real por todo el ciclo: crear incidencia → tomarla → corregir → abrir MR → fusionar → cerrar automáticamente. Incorporad después alertas de monitorización y análisis como fuentes de trabajo. Nos encantará conocer las dificultades que encontréis.

中文 · English · Français · Deutsch · Español · Italiano

预约免费 30 分钟咨询