Google Jules – asynchroner Coding-Agent

 (jules.google)
16 Punkte von GN⁺ 2025-05-20 | 4 Kommentare | Auf WhatsApp teilen
  • Jules ist ein mit GitHub integrierter asynchroner Coding-Agent, der automatisch Bugs behebt, Dokumentation ergänzt und Funktionen entwickelt
  • Der Nutzer wählt ein Repository und einen Branch aus und schreibt nur einen detaillierten Prompt; den Rest erledigt Jules auf einer Cloud-VM
  • Es bietet außerdem das Ausführen und Erstellen von Tests, das Erstellen von PRs, Diffs der Änderungen sowie Audio-Zusammenfassungen
  • Intern verwendet es das Modell Gemini 2.5 Pro zum Verstehen und Bearbeiten von Code
  • Es ist dem Coding-Agenten von GitHub Copilot ähnlich, wird aber auf Basis eines Google-Kontos bereitgestellt und nutzt einen UI-zentrierten Workflow

Überblick über Jules

Hauptfunktionen

  • GitHub-Integration: Importiert Repositories, erstellt Branches und verfasst Pull Requests (PRs) automatisch
  • Cloud-VM: Jules klont den Code auf eine Cloud-VM, führt dort die Arbeit aus und prüft, ob die Änderungen funktionieren
  • Tests: Führt vorhandene Tests aus oder erstellt neue, falls keine vorhanden sind
  • Arbeitsplan: Zeigt dem Nutzer vor den Änderungen zunächst einen Arbeitsplan, die Begründung und den Änderungs-Diff an
  • Audio-Zusammenfassung: Liefert eine gesprochene Zusammenfassung der PR-Änderungen, damit sie schnell verstanden werden können

Verwendung

Einrichtung vor dem Start

  1. https://jules.google.com aufrufen
  2. Mit dem Google-Konto anmelden
  3. Der Datenschutzhinweis zustimmen (einmalig)
  4. Auf Sync GitHub account klicken
  5. Den GitHub-OAuth-Authentifizierungsprozess abschließen
  6. Die Repositories auswählen, die mit Jules verknüpft werden sollen (alle oder nur einige)
  7. Nach Abschluss der Einrichtung erscheint der Repository-Selektor, und es kann ein Prompt eingegeben werden

Ablauf der Aufgabenausführung

  1. Repository und Branch auswählen
    • Der Standard-Branch wird automatisch ausgewählt und kann bei Bedarf geändert werden
  2. Prompt schreiben
    • Beispiel: utils.js 파일 내 parseQueryString 함수에 대한 테스트 추가
  3. (Optional) Ein Umgebungs-Setup-Skript hinzufügen
  4. Auf Give me a plan klicken
  5. Jules erstellt einen Plan → der Nutzer prüft und genehmigt ihn
  6. Nach der Genehmigung wird ein Diff des geänderten Codes bereitgestellt
  7. Abschließend kann ein PR erstellt und in GitHub übernommen werden

Zukünftige Funktionen

  • Wenn einem GitHub-Issue das Label assign-to-jules zugewiesen wird, wird Jules automatisch zugewiesen und führt die Aufgabe aus (geplante Funktion)

Verwandte Beiträge

4 Kommentare

 
galadbran 2025-05-21

Hat OpenAI wohl deshalb mit Codex schon vorab die Spannung rausgenommen? ^^;
 
laeyoung 2025-05-20

Anscheinend kann man sich auf die Waitlist setzen lassen, aber es nicht sofort nutzen.
 
sinbumu 2025-05-20

Es klingt so, als würde das Tool auch die Repository-Verwaltung asynchron übernehmen, aber nach meinem Eindruck beim Vibe-Coding kommt es gerade bei komplexeren Projekten doch öfter vor, dass die KI ohne menschliche Prüfung falsch codiert. Deshalb ist der asynchrone Teil vielleicht gar kein so großer Vorteil ... Letztlich kostet vor allem der Human-Check zwischendurch viel Zeit.
 
GN⁺ 2025-05-20
Hacker-News-Kommentare
  • Es wird sich eine Erfahrung vorgestellt, bei der man GitHub-Issues dieser KI zuweist und dann Fehlerbehebung, Merge der Ergebnisse und Abschluss automatisch ablaufen. Dazu die Idee eines interessanten Startup-Simulators mit einer „Lead-Dev“-KI, die Bugs schreibt, zuweist und reviewt, und einer „Boss“-KI, die ständig neue Features fordert. Erwähnt wird auch der Reiz, wie bei einer kleinen Ameisenfarm zu beobachten, wie sie gemeinsam eine App bauen.
    • Es wird eigene Erfahrung mit der praktischen Anwendung solcher Agenten-Designmuster geteilt: ein Preissystem mit KI-Agenten für Analyse, Entscheidungsfindung und Review. Dabei habe man beobachtet, wie jede KI ihrer Rolle entsprechend kommuniziert; durch die Aufgabenteilung würden Fehler gut erkannt und gute Ergebnisse erzielt.
    • Ein humorvolles Szenario wird entworfen, in dem eine „VC“-KI versucht, ein Unicorn-Unternehmen aufzubauen.
    • Es wird prognostiziert, dass ein Ein-Personen-Unicorn-Startup bald Realität werden könnte.
  • Jemand war interessiert, hat auf den Try-Button geklickt und landete wieder auf einer Warteliste. Bedauert wird, dass Wartelisten heute nicht mehr so gut funktionieren wie damals bei Gmail; inzwischen gebe es so viele Dienste, dass man das morgen vielleicht schon wieder vergessen habe.
    • Betont wird, dass dieses Modell nur mit loyalen Fürsprechern und Nutzer:innen funktioniert, die Mundpropaganda erzeugen. Erfolg sei wahrscheinlicher, wenn es bereits Menschen gibt, die es unbedingt ausprobieren wollen und aktiv danach fragen.
    • Es wird vermutet, dass Google wegen des Tempos von OpenAI einfach etwas veröffentlichen musste.
  • Dass Google Inferenz kostenlos anbietet, wird als enorme Wettbewerbsstärke gesehen. Erwähnt wird, dass Jules derzeit in der Beta kostenlos nutzbar ist, später aber wohl kostenpflichtig wird; laut offizieller Dokumentation habe aktuell die Verbesserung der Developer Experience Vorrang.
    • Die Person hat Jules selbst noch nicht ausprobiert, meint aber, wichtiger als kostenlos sei, ob es Probleme besser löst. Wenn die Leistung gut sei, werde man es nutzen, sonst einen anderen Dienst wählen; viele Menschen priorisierten Effizienz über Kosten.
    • Es wird darauf hingewiesen, dass diese Art des kostenlosen Launches eine wirtschaftliche Tradition von Big Tech sei und einem Dumping-Effekt gleiche, bei dem der Markt mit Ware überschwemmt wird.
    • Das sei auch eine typische Startup-Strategie: als kostenlose Beta starten und später monetarisieren.
    • Es gibt Nutzungsbeschränkungen: gleichzeitig 2 Aufgaben und 5 pro Tag.
    • Es wird die Sicht vertreten, dass Nutzer bald selbst die Daten sind. Zitiert wird die offizielle Aussage, dass Jules private Repos nicht als Trainingsdaten nutzt; zugleich könnten Unterhaltungen aber wie bei Gemini fürs Training aggregiert werden. Kritisiert wird, dass unklar sei, welche Daten gesammelt werden und ob Repo-Inhalte dazugehören; ein offizieller Rechtslink wird erwähnt.
  • Es wirkt, als hätten Google und Microsoft ihre Ankündigungen auf denselben Tag abgestimmt; vielleicht wurde der Launch beschleunigt, um auf die Ankündigung des anderen zu reagieren. Daraus spricht die Erwartung, dass wir gerade eine Phase intensiver Innovation erleben.
    • Analysiert wird, dass diese Woche sowohl Google I/O als auch Microsoft Build stattfindet und beide Unternehmen deshalb hart um Aufmerksamkeit konkurrieren.
    • Die aktuelle aufgeheizte Stimmung wird hervorgehoben.
    • Beide Ankündigungen kamen nach dem OpenAI Codex Research Preview, und es wird eingeschätzt, dass es sich im Grunde um dasselbe Produkt handelt.
  • Positiv bewertet wird, dass Google und Microsoft sich eher auf juniorenartige Low-Level-Automatisierung als auf maßgeschneiderte Automatisierung konzentrieren. Je weniger Zugriffsrechte, desto geringer das Risiko von Unfällen, und je strukturierter die Aufgaben, desto besser für Daten und Reinforcement Learning. Aufgrund dieser risikoarmen Struktur wird höhere Zuverlässigkeit erwartet. Außerdem wird die Ansicht vertreten, dass die bei Interfaces und Integrationen gewonnenen Erfahrungen essenziell sind, um Datenpipelines zu erweitern; man sei nun an dem Punkt angekommen, praktische Nutzung statt abstrakter Debatten zu sehen.
  • Zur Werbebotschaft „Verbringe Zeit mit dem, was du tun willst!“ und den Bildern von Freizeitaktivitäten wie Spielen, Lesen oder Tischtennis wird angemerkt, dass darin eine Nuance mitschwinge, als wäre Coding etwas, das man vermeiden möchte. Dagegen wird betont, dass Programmieren eine kreative und angenehme Tätigkeit sei.
    • Realistisch sei, dass ein Chef einen nicht tagsüber Tennis spielen lasse, nur weil Jules die Arbeit übernimmt. Selbst wenn die Produktivität tatsächlich um 20–100 % steigt, komme dieser Wert nicht den Beschäftigten, sondern dem Unternehmen bzw. dem Kapital zugute.
    • Die Person erklärt, dass sie manchmal aus Spaß programmiert, es aber meist nur als Mittel zum Zweck nutzt und andere Wege bevorzugt, wenn es sie gibt.
    • Positiv gesehen wird immerhin die Botschaft, sich auf „das Coding, das man tun will“ zu konzentrieren. Anfangs wurde die Werbung eher als Darstellung allgemeiner Computerarbeit verstanden; letztlich gehe es darum, wie Nutzer ihre Zeit selbst einsetzen.
    • Wer Programmieren als Hobby an sich genießt, für den wirke ein Roboter, der einem das abnimmt, eher wie eine verdrehte Metapher. Als Beispiel: Ein Roboter, der stellvertretend Fahrrad fährt, wäre auch nicht besonders sinnvoll.
    • Es wird die persönliche Erfahrung geteilt, dass Produktivität proportional zu einem „ununterbrochenen Vorwärtsfluss“ ist. Gerade Unternehmen mit komplexen internen Prozessen könnten solche Automatisierungstools attraktiv finden, besonders wenn die Führung zwar von KI begeistert ist, bei echten Veränderungen aber zögert.
  • Zur Funktion „Jules liefert Audio-Zusammenfassungen von Änderungen, damit man sie schnell erfassen kann“ heißt es: Google könne so etwas dank NotebookLM zwar sicher umsetzen, aber ob es wirklich nützlich ist, sich per Audio anzuhören, wie der Prompt implementiert wurde, sei fraglich.
    • Vermutet wird, dass die Idee auf Vibe Coding im Bett oder beim Autofahren abzielt und dass jüngere Generationen Audioinformationen womöglich stärker bevorzugen als Text.
  • Codex und codex cli werden als das Beste bewertet, was die Person bisher verwendet hat. Positiv hervorgehoben wird auch, dass Codex in der ChatGPT-App nutzbar ist; entsprechend groß ist die Vorfreude, diesen Dienst ebenfalls bald auszuprobieren.
  • Zur Werbebotschaft „Mach, was du willst!“ sagt jemand, dass genau das, was er tun wolle, das Schreiben neuer und großartiger Software sei.
    • So wird die Kernbotschaft von AI-Tools interpretiert: mehr Zeit für die Art von Coding, die man wirklich machen will, also kreative und angenehme Arbeit, während repetitive oder ungeliebte Aufgaben delegiert werden.
  • Es wird gefragt, ob „asynchron“ bei Jules eine wichtige Bedeutung hat und wie schnell es arbeitet. Üblicherweise seien Entwicklungs-Workflows ohnehin asynchron, aber eine schnellere, unmittelbare Synchronisierung wäre natürlich wünschenswert. Zugleich wird die Realität beschrieben, dass asynchron zum Standard geworden ist, weil Menschen ihre Arbeit nicht schnell genug abschließen.
    • Zu anderen AI-Agent-Tools wird ergänzt, dass sie je nach Modell, Aufgabenkomplexität und Anzahl der Umwege etwa 10 bis 30 Minuten benötigen.