Skip to content
Produkt

Workflows bauen, die Code schreiben: Der Coding Agent-Schritt

JieGou-Workflows können jetzt autonome Coding-Agenten enthalten, die Dateien lesen, schreiben, bearbeiten und Shell-Befehle in einer Sandbox-Umgebung ausführen. So funktioniert es und warum es wichtig ist.

JT
JieGou Team
· · 5 Min. Lesezeit

Die meisten AI-Automatisierungsplattformen hören bei Text auf. Sie können einen Bericht generieren, eine E-Mail entwerfen oder ein Dokument zusammenfassen. Aber was, wenn Ihr Workflow Code schreiben, Tests ausführen, eine Konfigurationsdatei aktualisieren oder ein Migrationsskript generieren muss?

Heute starten wir den Coding Agent — einen neuen Workflow-Schritttyp, der Ihren Automatisierungen die Fähigkeit gibt, autonom mit Codebases zu interagieren.

Was ist der Coding Agent?

Der Coding Agent ist ein neuer Schritttyp, den Sie jedem JieGou-Workflow hinzufügen können. Sie geben ihm eine Aufgabenbeschreibung und verweisen optional auf ein Git-Repository. Der Agent:

  1. Klont das Repo (oder arbeitet in einem temporären Verzeichnis)
  2. Erkundet die Codebase — liest Dateien, sucht mit Glob und Grep
  3. Plant seinen Ansatz basierend auf dem, was er findet
  4. Implementiert Änderungen — schreibt neue Dateien, bearbeitet bestehende
  5. Verifiziert seine Arbeit — führt Tests aus, prüft auf Fehler
  6. Berichtet zurück mit einer Zusammenfassung und Liste der geänderten Dateien

All dies geschieht autonom, Runde für Runde, bis die Aufgabe abgeschlossen ist oder das konfigurierte Rundenlimit erreicht wird.

Sechs integrierte Tools

Der Agent hat Zugang zu sechs Tools, jedes für eine bestimmte Operation konzipiert:

ToolWas es tut
readDateiinhalte mit optionalem Zeilenbereich lesen
writeDatei erstellen oder überschreiben
editExakte String-Ersetzung mit unscharfem Unicode-Matching
bashShell-Befehle mit Timeout-Durchsetzung ausführen
globDateien nach Muster finden
grepDateiinhalte mit Regex durchsuchen

Sie können einzelne Tools pro Schritt aktivieren oder deaktivieren. Zum Beispiel könnte ein “Nur-Lese-Analyse”-Schritt nur read, glob und grep aktivieren.

Standardmäßig in Sandbox

Sicherheit ist nicht verhandelbar, wenn Sie einem LLM Zugang zu Dateisystem und Shell geben. Jeder Coding Agent-Schritt in der Produktion läuft in einem Docker-Container mit strengen Einschränkungen:

  • Kein Netzwerkzugang — der Container kann keine ausgehenden Verbindungen herstellen
  • Speicherlimits — harter OOM-Kill bei 512 MB
  • CPU-Limits — begrenzt auf 25% eines Kerns
  • PID-Limits — verhindert Fork-Bombs (max 50 Prozesse)
  • Nur-Lese-Root-Dateisystem — nur das Arbeitsverzeichnis ist beschreibbar
  • Pfadeinschränkung — alle Dateioperationen werden validiert, um im Arbeitsverzeichnis zu bleiben, Symlink-Traversal wird blockiert
  • Timeout-Durchsetzung — Bash-Befehle werden nach dem konfigurierten Timeout hart beendet (Standard: 2 Minuten)

Im Entwicklungsmodus verwendet der Agent lokale Dateisystemoperationen für schnellere Iteration. Das pluggable FileOperations-Interface bedeutet, dass dieselben Tool-Definitionen in beiden Umgebungen funktionieren.

Iterative Kompaktierung für lange Sitzungen

Komplexe Coding-Aufgaben können viele Runden erfordern — 20, 30, sogar 50 Tool-Aufrufe. Das ist viel Kontext. Der Coding Agent nutzt dasselbe iterative Kompaktierungs-System wie JieGous konversationelle AI, um lange Sitzungen zu bewältigen:

  • Wenn die angesammelten Nachrichten sich dem Kontextfenster des Modells nähern, werden ältere Runden in eine strukturierte Zusammenfassung komprimiert
  • Die Zusammenfassung bewahrt Ziele, Fortschritt, Schlüsselentscheidungen und Dateireferenzen
  • Nachfolgende Kompaktierungen aktualisieren die bestehende Zusammenfassung, anstatt von Grund auf neu zu generieren

Das bedeutet, der Agent verliert nie den Überblick darüber, was er getan hat, selbst in Sitzungen mit Dutzenden von Runden.

Echtzeit-Event-Streaming

Jede Aktion des Agenten emittiert ein strukturiertes Ereignis:

  • turn_start / turn_end — verfolgen Rundenanzahl und Token-Nutzung
  • tool_call / tool_result — sehen, welche Tools verwendet werden und deren Ausgaben
  • assistant_message — das Reasoning und die Erklärungen des Agenten
  • compaction — wann der Kontext komprimiert wird
  • agent_end — finale Zusammenfassung mit Gesamtrunden, Token und geänderten Dateien

Diese Ereignisse treiben die Echtzeit-Fortschrittsvisualisierung in der Workflow-Run-UI an und werden im Audit-Trail für Compliance protokolliert.

Anwendungsfälle

Hier sind einige Wege, wie Teams den Coding Agent bereits nutzen:

  • Automatische Testgenerierung — zeigen Sie auf ein Modul und bitten Sie darum, Unit-Tests zu schreiben
  • Dokumentationsaktualisierungen — API-Docs, READMEs oder Changelogs aus Codeänderungen generieren
  • Migrationsskripte — Datenbank-Migrationsdateien basierend auf Schema-Änderungen schreiben
  • Konfigurationsgenerierung — Terraform, Kubernetes YAML oder CI/CD-Konfigurationen aus Templates erzeugen
  • Code-Review-Unterstützung — einen Diff analysieren und Review-Kommentare generieren
  • Abhängigkeitsaktualisierungen — Paketversionen aktualisieren und Breaking Changes beheben

Wie es in Workflows passt

Der Coding Agent ist ein regulärer Workflow-Schritt. Er kann:

  • Eingaben empfangen von vorherigen Schritten über Eingabe-Mappings (z.B. ein PR-Diff von einem Webhook-Trigger)
  • Ergebnisse ausgeben, die nachfolgende Schritte konsumieren (die Antwort des Agenten, Liste der geänderten Dateien, Token-Nutzung)
  • Im DAG-Modus laufen neben anderen Schritten mit Abhängigkeitsdeklarationen
  • Jeden LLM-Anbieter nutzen — wählen Sie das Modell, das am besten für Coding-Aufgaben funktioniert (Claude Opus für komplexe Refactorings, Haiku für einfache Bearbeitungen)

Plan-Gating und Kostenschätzung

Der Coding Agent ist ab Pro-Tarifen verfügbar. Die Kostenschätzung berücksichtigt die konfigurierte maxTurns multipliziert mit durchschnittlichen Token pro Runde, sodass Sie eine genaue Schätzung erhalten, bevor Sie einen Workflow-Run starten.

Enterprise-Tarife erhalten dedizierte Container-Pools für höhere Parallelität und Isolation.

Erste Schritte

  1. Erstellen oder bearbeiten Sie einen Workflow
  2. Fügen Sie einen neuen Schritt hinzu und wählen Sie Coding Agent als Typ
  3. Schreiben Sie Ihre Aufgabenbeschreibung (seien Sie spezifisch — geben Sie Dateipfade, erwartetes Verhalten, Testbefehle an)
  4. Setzen Sie optional eine Repo-URL und einen Branch
  5. Konfigurieren Sie Tool-Zugang, maximale Runden und Modellauswahl
  6. Führen Sie den Workflow aus

Der Coding Agent bringt Software-Engineering-Fähigkeiten in dieselbe Plattform, auf der Ihr Team bereits Content-Generierung, Datenverarbeitung und operative Workflows ausführt. Keine separaten Tools, kein Kontextwechsel — einfach ein weiterer Schritt in Ihrer Pipeline.

Jetzt verfügbar in Pro- und Team-Tarifen. Starten Sie.

coding-agent workflows automation devops sandboxing docker
Diesen Artikel teilen

Hat Ihnen dieser Artikel gefallen?

Erhalten Sie Workflow-Tipps, Produktupdates und Automatisierungsleitfäden direkt in Ihren Posteingang.

No spam. Unsubscribe anytime.