✦ Neu • Kostenlose KI-Skill

Erstelle und validiere GitLab-CI-Pipelines, ohne den Editor zu verlassen.

Eine kostenlose KI-Skill, die deine .gitlab-ci.yml in deinem lokalen Editor erstellt und validiert. Funktioniert mit Cursor, VS Code, Claude Code und jedem Agenten, den du bereits nutzt.

Skill holen Powered by glci (experimental)
0GitLab-Konten nötig für lokale Validierung
6+unterstützte KI-Agenten und Editoren
MITOpen Source (Skill und CLI)
Der Wandel

Von commit-und-dann-validieren zu validieren-und-dann-committen

Pipelines sind der einzige Teil des modernen Entwicklungs-Stacks, den du immer noch nicht lokal validieren kannst. Die Skill erstellt das YAML im Editor. glci (ein experimentelles GitLab-Projekt) führt es vor dem Push gegen den echten Runner aus. Deine Remote-Pipeline ist nicht länger der Debugger und dein Git-Verlauf nicht länger das Tippfehler-Protokoll.

Vorher

Committen. Pushen. Warten. Fehlschlagen. Wiederholen.

  • Das YAML aus dem Gedächtnis oder mithilfe der Dokumentation von Hand schreiben
  • Committen und auf einen Branch pushen, um zu sehen, ob es funktioniert
  • 8–12 Minuten auf einen Remote-Runner warten
  • An einem Tippfehler, einer fehlenden Variable oder einem falsch benannten Job fehlschlagen
  • Bearbeiten, pushen, 3–4 Mal wiederholen
  • Eine Spur von „fix CI"-Commits im Verlauf hinterlassen
Mit der Skill + glci

Entwerfen. Validieren. Pushen, wenn alles grün ist.

  • Den Agenten bitten, eine Pipeline aus deinem Repo zu entwerfen
  • glci show ausführen, um den Job-Graphen zu prüfen
  • glci run ausführen, um jeden Job in echtem Docker auszuführen
  • Beheben, was fehlschlägt — in Sekunden, nicht Minuten
  • Einmal pushen, mit einer Pipeline, die du bereits hast laufen sehen
  • Halte deinen Git-Verlauf bei deinem Code, nicht bei deinem YAML

Der Wandel ist keine schnellere Pipeline. Er ist ein anderes Verhältnis zur Pipeline. Dasselbe Verhältnis, das du längst zu deinem Anwendungscode hast.

Loslegen

Zwei Schritte. Etwa fünf Minuten

Kein GitLab-Konto nötig, um lokal zu validieren. Gepusht wird erst, wenn du es entscheidest.

01~1 Minute

Skill zum Editor hinzufügen

Lege die Skill in Claude Code, Cursor, VS Code, OpenCode oder Codex ab. Der Agent kennt nun GitLab CI/CD — Syntax, Best Practices, deinen Stack.

Reine Markdown-Spezifikation. Portabel by Design.
02~3 Minuten

Fragen, ausführen, Code pushen

"Write a CI pipeline for this project." Prüfe das YAML, das der Agent entwirft. Führe glci run aus. Pushe, sobald alles grün ist.

Dieselbe binäre gitlab-runner-Datei wie in der Produktion

Was du brauchst

  • Einen kompatiblen Editor oder AgentenClaude Code, Cursor, VS Code, OpenCode, Codex oder alles, was Markdown-Skills lädt.
  • Ein ProjektEine beliebige Codebase, die du irgendwo entwickeln und hosten kannst. Der Agent liest aus deinem lokalen Arbeitsverzeichnis und entwirft automatisch eine passende Pipeline.
  • Lokal laufendes DockerDamit glci Jobs in echten Containern validieren und ausführen kann.
  • Ein GitLab-Projekt(wenn du bereit bist, CI bei jedem Push laufen zu lassen)Die Skill und glci validieren auch ohne lokal; ein Projekt brauchst du erst, wenn die Pipelines in der Cloud laufen sollen.
Installieren

Funktioniert mit deinen bestehenden KI-Agenten

Eine CLI, um Pipelines lokal auszuführen, und eine Skill, um sie im Editor zu entwerfen. In beliebiger Reihenfolge installierbar.

Skill zum Editor hinzufügen

Wähle deinen Agenten

Lade die Skill herunter und erfahre, wo du die Dateien ablegst, die Cursor erkennt.

git clone https://gitlab.com/gitlab-org/ci-cd/gitlab-ci-skill.git ~/.cursor/skills/gitlab-ci-skill

Lade Cursor neu. Der Agent nutzt die Skill automatisch, wenn er angesprochen wird: "Write a CI pipeline for this project."

Warum GitLab

Mehr als ein Runner. Mehr als diese Skill

Niemand möchte sich in der UI anmelden, um eine Pipeline zu schreiben. Diese Skill hält dich so lange wie möglich im Editor. Aber manchmal muss man zurück: eine fehlgeschlagene CI/CD-Pipeline, ein MR-Review, etwas, das du bereitstellen wolltest und schiefging. Wenn das passiert, ist die Plattform bereits verdrahtet. Code, Pipelines, Registry, Geheimnisse und Deployments leben an einem Ort. Welchen Editor oder Agenten du auch nutzt — er klinkt sich ein. Dieselben Sicherheitsprüfungen laufen über KI-geschriebenen Code wie über deinen eigenen.

Ein Datenmodell. Offen an den Rändern.

Code, Pipelines, Pakete, erkannte Sicherheitsrisiken, Deployments, Veröffentlichungen — alles im selben System, verbunden statt synchronisiert. Welchen Editor, Agenten oder welches Modell du auch mitbringst, es klinkt sich über MCP ein und arbeitet aus derselben verbindlichen Sicht. Offen an den Rändern, regiert in der Mitte.

Kontext trennt schnelle KI von vertrauenswürdiger KI.

Agenten ohne Kontext schreiben Code, der richtig aussieht und in der Produktion bricht, weil sie nicht sehen, was von einer Änderung abhängt oder wo ein erkanntes Sicherheitsrisiko bereits besteht. Der Knowledge Graph von GitLab kann live abbilden, wie Code, Pipelines, Deployments und erkannte Sicherheitsrisiken zusammenhängen, sodass Fragen nach Auswirkungsradius oder Downstream-Effekten in Sekunden statt Tagen beantwortet werden. Jeder Agent kann darin lesen.

Governance als Struktur, nicht aufgesetzt.

KI-geschriebener Code durchläuft dieselben Sicherheits-Scans, dieselben Approvals und denselben Audit-Trail wie der Code, den du selbst schreibst. Agenten haben begrenzte Identitäten, eigene Richtlinien für ihr Verhalten und eine vollständige Chain of Custody. Bring dein eigenes Modell, deine eigene Cloud, deinen eigenen Agenten mit — alles wird vom selben Gefüge regiert.

Vom Traditionellen zum Autonomen, dieselbe Plattform.

Einige Teams werden weiter Code von Hand schreiben. Andere werden Agenten gezielt steuern. Einige wenige werden Agenten autonom an Aufgaben mit geringerem Risiko laufen lassen. Alle drei Wege beruhen auf demselben Datenmodell und derselben Governance, sodass Teams in ihrem eigenen Tempo voranschreiten — ohne Replatforming, wenn sich ihre KI-Reife ändert.

Wir bauen diese Skill aktiv weiter aus, und das Team dahinter möchte, dass sie zu deinem Arbeitsalltag passt. Sag uns, was gut läuft und was im Weg steht. Teile dein Feedback mit uns.

Weiter gehen

Zwei weitere Stellen, an denen die KI von GitLab auf deine CI trifft

Die GitLab CI Skill ist gezielt darauf zugeschnitten, neue Pipelines im Editor zu entwerfen und zu validieren. Wenn die CI/CD-Arbeit ihre Form ändert, hat GitLab passende Produkte für die anderen Momente.

Kostenlose KI-Skill · Migration

Du kommst von GitHub Actions?

Die Skill für die Migration von GitHub Actions liest dein .github/workflows/-Verzeichnis und übersetzt es in idiomatisches GitLab CI/CD. Alles, was eine manuelle Entscheidung braucht, wird markiert. Dieselben Editoren, derselbe Workflow.

Migrations-Skill ansehen
GitLab Duo Agent Platform

Wird die Pipeline komplex?

Der CI Expert Agent lebt in der GitLab Duo Agent Platform mit vollem Projektkontext: er liest Job-Protokolle live, optimiert Builds und ihre Zeiten, übernimmt das Debugging instabiler Jobs und arbeitet über Multi-Projekt-Pipelines hinweg. Für den Moment, in dem Pipelines aufhören, etwas zu sein, das man schreibt, und beginnen, etwas zu sein, das man betreibt.

CI Expert Agent kennenlernen

Schluss mit dem Debugging in der Produktion

Pipeline entwerfen. Lokal ausführen. Pushen, wenn alles grün ist.

Skill holen Quellcode ansehen