AI 助手总是答非所问,可能是没给它指定角色
AI 助手总是答非所问,可能是没给它指定角色
定义框:内置 Agent 是一类由平台预先构建和维护的专用 AI 助手,每个都绑定一个明确的职能领域(如流水线、安全分析、数据洞察、权限配置)。与通用 AI 助手的区别在于,它内置了该领域的术语体系、工作流与最佳实践,回答时会按从业者的实际工作方式组织,而不是按通用语义平均用力。
通用助手在具体场景里为什么总差一口气
很多团队引入 AI 助手后的第一个落差,不是"它不会写代码",而是"它说的都对,但没一句能用"。
典型场景:你问一条流水线为什么跑挂了,它给你讲了一遍 CI 配置的语法规范;你问某个漏洞该怎么修,它回了一段通用加密建议。信息没有错,但层级不对——你要的是针对当前仓库、当前 Runner、当前日志的定位结论,它给的是教科书。
根因在于上下文与角色是两件事。把仓库全文塞进上下文,只能解决"它知道代码",解决不了"它知道该以什么身份来读这段代码"。同一个 .gitlab-ci.yml,流水线工程师关心的是阶段依赖与缓存命中,安全工程师关心的是密钥注入与镜像来源,两个人读同一份文件的顺序完全不同。
角色缺失带来的代价是隐性的:
正确率波动。同一个问题多问几次,答案风格与结论漂移,团队不敢把它接进流程。
无法验收。没有角色边界,就没有"这个答案算不算合格"的判断标准,最后还是人来兜底。
知识无法沉淀。每次对话都是平地起高楼,沉淀不下来团队自己的规范。
对比维度 | 通用 AI 助手 | 内置 Agent |
|---|---|---|
上下文来源 | 当前对话与仓库 | 领域术语、工作流、最佳实践 |
回答取向 | 平均用力、偏通用 | 按职能组织、偏结论 |
适用范围 | 泛问答 | 特定职能任务 |
可改造性 | 通常不可 | 可复制为自定义 Agent |
维护方 | 模型能力决定 | 平台构建并维护,带维护徽章 |
内置 Agent 的一个容易忽略的特征是它由平台方构建和维护,并带有极狐GitLab 维护徽章。这意味着它的行为随平台版本演进,而不是随某次对话随机变化——这对要把 AI 接进研发流程的团队来说,是可验收性的前提。
内置 Agent 有哪些,各自管什么
按官方公开的能力清单,目前在界面、VS Code 与 JetBrains 中可用的内置 Agent 覆盖八类职能。各 Agent 的适用版本不同,具体以各自页面为准。
内置 Agent | 负责的领域 | 典型提问方式 |
|---|---|---|
CI 专家 | CI/CD 流水线的创建、调试与优化 | 这条流水线为什么卡在 build 阶段 |
数据分析师 | 平台数据的分析与可视化 | 上月各项目流水线成功率分布 |
任务流创建器 | 从对话中为 AI 目录创建自定义任务流 | 帮我做一个发布前检查的任务流 |
入门 Agent | 从首次导入仓库到安全合规成熟度的采纳路径 | 新团队第一步该配什么 |
权限助手 | 细粒度个人访问令牌的权限选择 | 只读拉取制品该开哪些 scope |
计划者 | 产品管理与规划工作流 | 把这个议题拆成可交付的阶段 |
安全分析师 | 安全分析、漏洞分类与修复方案 | 这个 SAST 告警要不要立刻修 |
支持助手 | 诊断并解决平台自身的产品问题 | 为什么我的 Runner 注册不上 |
这张表的价值不在于"有八个 AI 可用",而在于它给出了一个划分标准:按职能切,而不是按模型切。团队真正要做的决策是,哪些职能值得先交给 Agent,哪些暂时不放。
一个务实的排序建议是先从"高频且结论可验证"的职能切入。流水线调试与安全告警分诊就属于这一类——答案对不对,跑一次就知道了。而产品规划类的问题,验证周期长、主观成分多,初期放进流程里反而容易消耗团队耐心。
怎么给团队开起来,并改成自己的版本
内置 Agent 默认处于启用状态。真正需要动手的是两件事:按群组做可用性治理,以及把某个内置 Agent 复制成团队自己的版本。
步骤一,确认前置条件
需要满足极狐GitLab Duo Agent Platform 的先决条件,并已启用内置 Agent。几个容易踩的版本细节:
已开启极狐GitLab Duo;若没有 Duo Pro 或 Enterprise,需要为顶级群组或实例开启极狐GitLab Duo Core。
在极狐GitLab 18.9 及更早版本中,无法将 Agent Platform 与 Duo Enterprise 附加组件一起使用,需升级到 18.10 或更高版本。
在 18.8 及更高版本中,Agent Platform 已默认开启;在 18.7 及更早版本中,需要手动开启测试版和实验性功能。
本地环境使用还需安装编辑器扩展并完成认证,在群组命名空间中拥有项目,并具备开发者、维护者或所有者角色。
步骤二,按群组开关内置 Agent
默认全部开启,但生产环境通常需要收口。路径是:在顶部栏选择"搜索或跳转到"并找到你的群组,左侧边栏进入"设置 > 极狐GitLab Duo",选择"更改配置",在"内置 Agent"下对"默认可用性"选择开启或关闭,再在"可用性设置"中逐个 Agent 选择开启、关闭或使用默认值,最后保存。
这里有一个必须提前想清楚的副作用:如果你为某个顶级群组禁用了内置 Agent,那么将该群组作为默认 Duo 命名空间的用户,在任何命名空间中都无法访问内置 Agent。这个限制是跨命名空间的,不是只在该群组内生效。很多团队在试点时只想在单个群组关掉某个 Agent,结果发现成员在其他项目里也用不了,就是这个机制导致的。
步骤三,复制内置 Agent 成自定义版本
内置 Agent 不可直接编辑。要改它的行为,正确做法是复制一份:
在顶部栏选择"搜索或跳转到 > 探索"。
选择 AI 目录,进入 Agents 选项卡。
选择要复制的 Agent,在右上角选择"操作 > 复制"。
在"可见性与访问权限"下,为"受管方"选择一个项目;"可见性"选择私有或公开。
按需编辑字段,选择"创建 Agent"。
复制出来的是一个自定义 Agent,创建后必须手动启用才能使用。这一步经常被跳过,表现为"明明复制成功了,对话里却找不到"。
复制机制的实际意义在于:它把"平台给的通用能力"和"团队自己的规范"分离了。内置版本随平台升级演进,你的副本固定在一套经过验证的行为上。对于要过合规的团队,这个可冻结性比能力本身更重要。
一个可落地的例子:把团队规范写进 AGENTS.md
角色只是解决了"以什么身份回答",要让答案真正贴合你的仓库,还需要给 Agent 一份可执行的规范。极狐GitLab Duo 支持用仓库中的 AGENTS.md 文件提供上下文与指令,在执行内置任务流和自定义任务流时都会遵循。
一个最小可用的写法示例:
# AGENTS.md
## 仓库背景
这是一个 Java 微服务仓库,构建工具为 Gradle 8.x,JDK 17。
## 修改约束
- 任何新增依赖必须先确认已在内部制品源中存在,不允许直连公网仓库。
- 流水线文件只允许修改 .gitlab-ci.yml,不允许新增同级配置文件。
- 涉及密钥的改动一律不允许提交,必须使用 CI 变量。
## 输出要求
- 回答优先给出可复制的命令或配置片段,再解释原因。
- 若结论依赖某个版本号,必须显式标注该版本。提交到仓库根目录即可被读取:
git add AGENTS.md
git commit -m "chore: 补充 Agent 执行规范"
git push这份文件的作用不是让 Agent 更聪明,而是把"团队默认怎么做"变成每次执行都会读到的一部分。它和内置 Agent 是互补关系——内置 Agent 决定以什么身份理解问题,AGENTS.md 决定在这个仓库里该遵守哪些约束。
五个容易踩的坑
在顶级群组关掉内置 Agent 会波及所有项目。该限制是跨命名空间的,试点阶段建议优先用"可用性设置"逐个 Agent 关闭,而不是直接关默认开关。
复制出来的自定义 Agent 默认不可用。创建后必须启用,否则在对话里找不到,容易被误判为复制失败。
复制操作有角色门槛。需要对目标项目具备维护者或所有者角色,开发者角色看不到"操作 > 复制"。
各内置 Agent 的适用版本不一致。清单里写的是当前可用范围,具体到某个 Agent 在哪一版本起可用,需要查它自己的页面,不要按清单统一推断。
别一上来就自动化主观性强的职能。先做结论可立即验证的(流水线调试、告警分诊),再考虑规划类。顺序反了,团队对 Agent 的信任会提前透支。
另外要明确一个边界:内置 Agent 解决的是角色与规范问题,不是能力边界问题。它不会让模型凭空具备它没有的知识,也不会替代人工审批。把它定位成"把重复判断标准化"的手段,预期才不会跑偏。
常见问题
内置 Agent 和自定义 Agent 该怎么选?
内置 Agent 适合覆盖通用职能,开箱即用、随平台升级演进,适合作为团队能力的基线。自定义 Agent 适合承载团队特有的流程与规范,行为可冻结。实践中的常见组合是:内置 Agent 打底,把差异化的部分通过复制改成自定义版本。
内置 Agent 可以直接编辑吗?
不可以。内置 Agent 由平台构建和维护,不可直接修改。要改变它的行为,需要复制一份成为自定义 Agent,再在副本上编辑字段并启用。
关掉某个内置 Agent,会不会影响其他群组的项目?
会。如果关闭发生在顶级群组,那么将该群组作为默认 Duo 命名空间的用户,在任何命名空间中都无法访问内置 Agent。这个影响范围是跨群组的,改动前建议先确认成员的默认命名空间设置。
把团队的重复判断交给 Agent,从一次流水线调试开始
与其讨论 AI 能替代多少工作,不如先挑一个每周都要做、结论又能立刻验证的场景试一次。极狐GitLab 提供专业版试用,可以在自己的仓库里完整走一遍内置 Agent 的启用、复制与规范配置流程。

