✦ Novità • Competenza IA gratuita
Bozza e convalida delle pipeline CI di GitLab senza dover uscire dall'editor
Bozza e convalida delle pipeline CI di GitLab senza dover uscire dall'editor
Una competenza IA gratuita per la bozza e la convalida di .gitlab-ci.yml nell'editor locale che si integra con Cursor, VS Code, Claude Code e qualsiasi agente già in uso.
Novità Stiamo distribuendo miglioramenti in modo costante: condividi con noi il tuo feedback.
0account GitLab necessari per la convalida locale
Oltre 6agenti IA ed editor supportati
MITOpen source (competenza e CLI)
Il cambiamento
Come passare da un flusso del tipo "da commit a convalida" a uno "da convalida a commit"
Le pipeline sono l'unica parte dello stack di sviluppo moderno che non è ancora possibile convalidare localmente. La competenza crea una bozza YAML nell'editor. glci (un progetto GitLab sperimentale) la esegue sul runner reale prima del push. Smetti di usare la tua pipeline remota come debugger e la cronologia di git come registro dei refusi.
Prima
Esegui il commit. Esegui il push. Attendi. Operazione non riuscita. Ripeti.
- Scrivi il codice YAML a mano, basandoti sulla memoria o sulla documentazione
- Esegui il commit e il push su un ramo per verificarne la funzionalità
- Attendi 8-12 minuti per un runner remoto
- Errore dovuto a un refuso, a una variabile mancante o a un nome errato del job
- Modifica, esegui il push e ripeti 3-4 volte
- Lascia una serie di commit di tipo "Correggi CI" nella cronologia
Con la competenza + glci
Crea la bozza. Esegui la convalida. Esegui il push dopo la convalida.
- Chiedi all'agente di creare la bozza di una pipeline dal tuo repository
- Esegui il comando "
glci show" per esaminare il grafo dei job - Usa il comando "
glci run" per eseguire ogni job in un ambiente Docker reale - Applica correzioni in pochi secondi, non in minuti
- Esegui il push una volta, con una pipeline che hai già convalidato
- Conserva la cronologia git relativa al tuo codice, non al tuo YAML
Il cambiamento non consiste in una pipeline più veloce. È invece un rapporto diverso con la tua pipeline. Lo stesso che hai già con il codice della tua applicazione.
Attività iniziali
Due passaggi e circa cinque minuti
Account GitLab non necessari per la convalida locale decidi solo tu quando eseguire il push.
01Circa 1 minuto
Aggiungi la competenza al tuo editor
Aggiungi la competenza in Claude Code, Cursor, VS Code, OpenCode o Codex. L'agente ora conosce la CI/CD di GitLab, così come la sintassi, le best practice e il tuo stack.
02Circa 3 minuti
Chiedi, esegui e procedi con il push
"Scrivi una pipeline di integrazione continua (CI) per questo progetto". Revisiona la bozza YAML creata dall'agente. Esegui glci run. Esegui il push dopo la convalida.
Cosa serve
- Un editor o un agente compatibileClaude Code, Cursor, VS Code, OpenCode, Codex o qualsiasi altro strumento che supporti le competenze di markdown.
- Un progettoQualsiasi codebase, in hosting ovunque. L'agente legge dalla directory di lavoro locale e crea automaticamente una bozza della pipeline suggerita.
- Docker in esecuzione in localeIn questo modo, glci può convalidare ed eseguire i job in container reali.
- Un progetto GitLab(quando è tutto pronto per eseguire la CI a ogni push)La competenza e glci ottengono la convalida a livello locale senza; ne avrai bisogno quando vorrai che le pipeline vengano eseguite nel cloud.
Installazione
Funziona con gli agenti IA esistenti
Un'interfaccia a riga di comando per eseguire le pipeline in locale e una competenza per crearne le bozze nell'editor che usi. Puoi installare in qualsiasi ordine.
Aggiungi la competenza al tuo editor
Scegli il tuo agente
Scarica la competenza e scopri dove collocare i file che Cursor individua.
git clone https://gitlab.com/gitlab-org/ci-cd/gitlab-ci-skill.git ~/.cursor/skills/gitlab-ci-skill
Aggiorna Cursor. L'agente utilizza automaticamente la competenza quando richiesto tramite il prompt: "Write a CI pipeline for this project."
Perché scegliere GitLab?
Più di un semplice runner, molto più di una competenza
Non devi accedere all'interfaccia utente per creare una pipeline. Questa competenza ti permette di rimanere nell'editor il più a lungo possibile. A volte però, bisogna tornare indietro, che si tratti di errori della pipeline, della revisione di una RM o di un deployment non riuscito. Quando riprendi, la piattaforma è già pronta all'uso. Programmazione, pipeline, registro, segreti e deployment: tutti disponibili in un unico posto. Qualunque sia l'editor o l'agente che utilizzi, si integra perfettamente. I controlli di sicurezza applicati al codice scritto dall'IA sono gli stessi applicati al tuo.
Un unico modello di dati, aperto sugli edge
Codice, pipeline, pacchetti, dati raccolti sulla sicurezza, deployment, release: tutto su un unico sistema, collegato anziché sincronizzato. Qualunque sia l'editor, l'agente o il modello che si collega tramite MCP, tutti operano sulla base della stessa visione autorevole. Struttura aperta sugli edge con governance al centro.
Il contesto distingue un'IA veloce da un'IA affidabile
Gli sviluppatori che non hanno una visione d'insieme scrivono codice apparentemente corretto ma che causa successivi problemi in produzione, perché non riescono a comprendere cosa dipende da una modifica o cosa esiste già. Il grafo della conoscenza di GitLab conserva una mappa in tempo reale delle interconnessioni tra codice, pipeline, deployment e dati raccolti sulla sicurezza, consentendo di ottenere risposte alle domande relative alla portata dell'impatto o alle ripercussioni downstream in pochi secondi, anziché in giorni. Qualsiasi agente può leggerne i contenuti.
Una governance strutturale, non semplicemente aggiunta a posteriori
Il codice scritto dall'IA viene sottoposto alle stesse analisi di sicurezza, alle stesse approvazioni e allo stesso audit trail del codice scritto da te. Gli agenti dispongono di ambiti definiti, criteri comportamentali e una catena di custodia completa. Continua a usare il tuo modello, il tuo cloud, il tuo agente: il tutto gestito dallo stesso framework.
Dalla gestione tradizionale a quella autonoma, sulla stessa piattaforma
Alcuni dei tuoi team continueranno a scrivere il codice a mano. Altri assegneranno agli agenti attività specifiche. Alcuni utilizzeranno agenti in modo autonomo per attività a basso rischio. Tutti e tre si basano su un unico modello di dati e sulla stessa governance, consentendo ai team di progredire secondo i propri ritmi, senza dover cambiare piattaforma man mano che la loro maturità in materia di IA si evolve.
Stiamo sviluppando attivamente questa competenza e il team che se ne occupa desidera che sia adatta al tuo modo di lavorare reale. Facci sapere cosa funziona e cosa invece rappresenta un ostacolo. Condividi con noi il tuo feedback.
Un passo avanti
Altri due ambiti in cui l'IA di GitLab si integra con la tua CI
La competenza CI di GitLab è stata creata appositamente per la bozza e la convalida delle nuove pipeline nell'editor. Quando il lavoro di CI/CD subisce dei cambiamenti, GitLab offre prodotti complementari per le altre fasi del processo.
Competenza IA gratuita · MigrazioneDai uno sguardo alla competenza di migrazione
Parti da GitHub Actions?
La competenza di migrazione di GitHub Actions legge i tuoi .github/workflows/ e li converte in un formato conforme agli standard di CI/CD di GitLab, segnalando tutto ciò che richiede un intervento manuale. Stessi editor, stesso flusso di lavoro.
GitLab Duo Agent PlatformScopri l'agente CI Expert
La pipeline diventa complessa?
L'agente CI Expert è integrato in GitLab Duo Agent Platform con il contesto completo del progetto: lettura dei log dei job in tempo reale, ottimizzazione dei tempi di compilazione, debugging dei job instabili e gestione di pipeline multiprogetto. Le tue pipeline diventano qualcosa che gestisci, non più qualcosa che scrivi.