logo
  • Umgebungen
  • Enterprise
  • Preise
DeveloperMay 20, 2026

Monatliche Dev-Reports mit DeepSeek über Ollama automatisieren

Douglas LaiDouglas Lai
Monthly Dev Reports Automated: Eigent with DeepSeek V4 Pro via Ollama
Automate Everything with
AI Workforce on Desktop
Download Eigent

Monatliche Dev-Reports nicht mehr per Hand schreiben — mit Eigent und Ollama Cloud automatisieren

Die meisten Engineering-Teams verbringen jeden Monat 30–60 Minuten mit immer derselben Aufgabe: sich bei GitHub anmelden, durch zusammengeführte PRs scrollen, Titel in ein Dokument kopieren, Zusammenfassungen schreiben, das Layout formatieren, einen Slack-Post entwerfen und schließlich auf Senden klicken. Das ist wichtige Arbeit, die niemand gern macht.

Die Automatisierung monatlicher Dev-Reports mit Eigent eliminiert diese gesamte Routine. Mit DeepSeek V4 Pro, bereitgestellt über Ollama Cloud, ruft Eigent die zusammengeführten Pull Requests des letzten Monats aus deinem GitHub-Repository ab, erstellt eine strukturierte Word-Dokument-Zusammenfassung und postet den Bericht direkt in deinen Slack-Kanal — alles mit einer einzigen Eingabeaufforderung. Ollama Cloud gibt dir auf Abruf Zugriff auf das Frontier-Reasoning-Modell von DeepSeek, ohne lokale Hardware einrichten zu müssen, sodass dieser Workflow jedem Teammitglied unabhängig von der Geräteausstattung zur Verfügung steht.

Diese Anleitung führt dich Schritt für Schritt durch den gesamten Workflow, genau so, wie er in der Demo abläuft.

1DeepSeek V4 Pro über Ollama Cloud verbinden

Die Grundlage dieses automatisierten Engineering-Reporting-Workflows ist DeepSeek V4 Pro, das auf Ollama Cloud läuft — keine lokale Installation, keine GPU erforderlich. Melde dich bei ollama.ai an und erzeuge einen API-Schlüssel im Dashboard deines Kontos.

In den Modell-Einstellungen von Eigent setzt du den Modellanbieter auf Ollama, trägst deinen Ollama-Cloud-API-Schlüssel ein und wählst deepseek-v4-pro:cloud als aktives Modell aus. Eigent leitet dann alle Inferenzanfragen an die Cloud-Infrastruktur von Ollama weiter und verschafft dir Zugriff auf die vollständige Parameteranzahl von DeepSeek, ohne etwas lokal ausführen zu müssen.

2Einen neuen Worker mit dem Slack-Tool erstellen

Bevor du die Aufgabe ausführst, erstelle einen dedizierten Worker in Eigent und statte ihn mit dem Slack-Tool aus. Füge im Eigent-Arbeitsbereich einen neuen Worker hinzu und öffne dessen Werkzeugkonfiguration. Aktiviere das Slack-Tool und authentifiziere dich mit deinem Slack-Workspace — dadurch erhält der Worker die Berechtigung, Kanäle zu lesen und Nachrichten in deinem Namen zu posten.

Sobald das Slack-Tool verbunden ist, ist dieser Worker bereit für den letzten Auslieferungsschritt: das Entwerfen und Senden der monatlichen Report-Nachricht an deinen product-release-Kanal. Durch die Aufteilung in einen eigenen Worker bleibt der Workflow modular — der Browser-Agent kümmert sich um GitHub, und der Slack-Worker um die Verteilung.

3Eigent den Prompt geben

Die Aufgabe wird in einfacher Sprache beschrieben:

Prüfe die PR-Updates des Repos vom letzten Monat unter https://github.com/eigent-ai/eigent, schreibe eine klare monatliche Zusammenfassung als Word-Dokument. Sobald das erledigt ist, entwirf eine Slack-Nachricht und sende sie mit dem Zusammenfassungsdokument an meinen Slack-Kanal product-release.

Dieser eine Prompt ist alles, was Eigent braucht. Du kannst ihn erweitern, um den Umfang einzugrenzen („nur PRs einschließen, die nach dem 1. Mai gemerged wurden“), eine bestimmte Gruppierung anzufordern („nach Feature-Bereich statt nach Autor organisieren“) oder besondere Hinweise zu verlangen („PRs mit Breaking Change markieren“). Je mehr Kontext du gibst, desto passgenauer wird die Ausgabe.

4Der Browser-Agent öffnet GitHub und prüft die PRs

Eigents Browser-Agent übernimmt und öffnet GitHub direkt in einem Browserfenster. Er navigiert zur Pull-Requests-Seite des Repositories, wendet den Filter für gemergte PRs an und scrollt durch die PR-Liste, um alle relevanten Einträge vom letzten Monat zu finden.

Für jeden PR, der die Kriterien erfüllt, klickt der Agent hinein, liest Titel, Beschreibung, Autor, Merge-Datum und alle Labels oder verknüpften Meilensteine und geht dann zum nächsten weiter. Die gesamte Browsing-Sitzung — Tabs öffnen, scrollen, klicken, lesen — findet sichtbar im Browser statt, genau wie bei einer menschlichen Prüfung, nur ohne Ermüdung.

Sobald alle erforderlichen PRs überprüft wurden, übergibt der Agent die gesammelten Daten zur Berichtserstellung.

5Das monatliche Dev-Report-Dokument generieren

Nachdem die rohen PR-Daten gesammelt wurden, strukturiert Eigent sie zu einer zusammenhängenden Erzählung. Es identifiziert Themen in den Änderungen — neue Features, Bugfixes, Infrastrukturarbeit — und formuliert daraus gut lesbare Absätze, statt nur eine Liste von Titeln auszugeben.

Die Ausgabe ist ein .docx-Word-Dokument, das auf deinem Desktop gespeichert wird. Die Standardstruktur umfasst:

  • Executive Summary — ein kurzer Absatz, der die wichtigsten Entwicklungen des Monats zusammenfasst
  • Feature Releases — neue, für Nutzer sichtbare Funktionen, die ausgeliefert wurden
  • Bug Fixes & Improvements — Arbeit an Stabilität, Performance und Zuverlässigkeit
  • Infrastructure & Tooling — interne Änderungen, Abhängigkeits-Updates, CI/CD-Verbesserungen
  • Contributors — Anerkennung aller, die diesen Monat Code gemerged haben

Jeder Abschnitt ist leserfreundlich formatiert und bereit, an Engineering Leads, Product Manager oder das gesamte Team weitergegeben zu werden.

6Den Slack-Report entwerfen und senden

Sobald das Word-Dokument fertig ist, entwirft Eigent eine prägnante Slack-Nachricht — geschrieben für einen vielbeschäftigten Kanal, in dem eher überflogen als gelesen wird. Die Nachricht fasst die Highlights des Monats in ein paar knappen Sätzen oder Bullet Points zusammen und verlinkt direkt auf den vollständigen .docx-Bericht.

Anschließend postet Eigent die Nachricht in deinen konfigurierten product-release-Slack-Kanal. Du kannst den Entwurf vor dem Senden prüfen oder den Ton direkt anpassen:

Mach die Slack-Nachricht knackiger — nur Bullet Points, den Einführungsabsatz weglassen.

Füge oben eine Dankeszeile für die Mitwirkenden dieses Monats hinzu.

Nachricht und Dokument werden gemeinsam versendet, sodass dein Team in einem Durchgang einen schnellen Überblick und eine tiefere Analyse erhält.

7Warum dieser Workflow für Engineering-Teams wichtig ist

Manuelle Monatsberichte sind eigentlich ein gelöstes Problem, das die meisten Teams noch nicht automatisiert haben. Die Reibung ist real: Man muss daran denken, in einem vollen Kalender Zeit dafür finden, ein konsistentes Format pflegen und es dann an einen Ort verteilen, an dem es auch wirklich gelesen wird.

Automatisierte Engineering-Berichte mit Eigent beseitigen all diese Reibung. Der Workflow ist konsistent — jeden Monat dieselbe Struktur, dasselbe Format, derselbe Verteilungskanal. Er ist schnell — die gesamte Pipeline läuft in Minuten statt in einer Stunde. Und da DeepSeek V4 Pro über Ollama Cloud bereitgestellt wird, gibt es keine Hardware-Barriere: Jede Person im Team kann den Workflow von jedem Rechner aus starten, ohne lokale GPU oder komplexe Modellinstallation.

Ollama Cloud bedeutet außerdem, dass das Modell immer verfügbar, immer aktuell und skalierbar für längere PR-Historien oder größere Repositories ist, ohne beim Speicher an Grenzen zu stoßen. Das Ergebnis ist eine Reporting-Gewohnheit, die wirklich Bestand hat, weil der Aufwand für die Pflege nahezu null ist.

8Was du als Nächstes ausprobieren kannst

Plane diesen Workflow so, dass er am ersten Arbeitstag jedes Monats automatisch ausgeführt wird.

Führe denselben Prompt für drei verschiedene Repositories aus und kombiniere die Ergebnisse zu einem einzigen teamübergreifenden Bericht.

Füge einen Abschnitt hinzu, der mit „breaking change“ markierte PRs kennzeichnet, damit Stakeholder die Risiken sofort sehen.

Erstelle denselben Bericht auf Englisch und Japanisch für verteilte Teams.

Vergleiche PR-Volumen und Themen dieses Monats mit denen des letzten Monats und lass Eigent einen kurzen Velocity-Kommentar schreiben.

Verwende die fertige .docx-Datei als Eingabe für Eigent, um für das Sprint-Review ein Präsentationsdeck zu erstellen.

9Tipps für bessere Ergebnisse

  • Sei beim Datumsbereich präzise. Eigent verwendet standardmäßig die letzten 30 Tage, aber wenn dein Berichtsmonat nicht mit einem rollierenden Zeitfenster übereinstimmt, gib exakte Daten an — „PRs, die zwischen dem 1. Mai und dem 31. Mai gemerged wurden“ — für einen genauen Ausschnitt.

  • Investiere in gute PR-Beschreibungen. Die Qualität der generierten Zusammenfassung hängt direkt von der Qualität deiner PR-Titel und -Beschreibungen ab. Teams, die klare, aussagekräftige PR-Titel schreiben, erhalten nützlichere Berichte, ohne zusätzliches Prompt-Engineering.

  • Passe die Dokumentabschnitte an. Sage Eigent, welche Abschnitte für dein Publikum wichtig sind: „den Infrastructure-Abschnitt überspringen“ oder „einen Abschnitt Risiken & Blocker hinzufügen“, damit das Format den Erwartungen deiner Stakeholder entspricht.

  • Nutze Ollama Cloud für konsistente Ergebnisse im gesamten Team. Da das Modell auf der Infrastruktur von Ollama statt auf einzelnen Rechnern läuft, erhält jeder im Team dieselbe Modellversion und dieselbe Leistung — keine Abweichungen durch unterschiedliche lokale Setups oder Hardwareunterschiede.

  • Kombiniere es mit Eigents Scheduling-Funktion. Richte den Prompt als wiederkehrende geplante Aufgabe ein, damit sich der Bericht selbst entwirft und postet — keine Kalendererinnerung nötig, kein manueller Trigger jeden Monat erforderlich.

Other use cases

Automatisierte Umsatzsteuervoranmeldung aus Belegen und Rechnungen

Automatisierte Umsatzsteuervoranmeldung aus Belegen und Rechnungen

Bitte verarbeiten Sie alle Belege und Rechnungen im Ordner "VAT", einschließlich Fotos, gescannter PDFs und digitaler Rechnungen. Die finale Ausgabe soll nur zwei Dateien enthalten: (1) vat_return.xlsx — die Excel-Datei soll eine Zeile pro Beleg oder Rechnung enthalten, alle extrahierten Felder auflisten, anzeigen, ob jeder Eintrag für den Vorsteuerabzug berechtigt ist, den abziehbaren Vorsteuerbetrag für jeden berechtigten Eintrag anzeigen, den Ausschlussgrund für nicht abziehbare Einträge enthalten, Einträge, die manuell geprüft werden müssen, deutlich markieren und ein Zusammenfassungsblatt mit dem gesamten abziehbaren Vorsteuerbetrag enthalten. (2) vat_return.html — erstellen Sie eine eigenständige HTML-Datei, die direkt geöffnet und mit dem Buchhaltungsteam geteilt werden kann. Die HTML-Datei soll alle Vorsteuerabzugspositionen, den abziehbaren Vorsteuerbetrag für jeden Eintrag, ausgeschlossene Einträge und die Gründe für den Ausschluss, Einträge mit erforderlicher manueller Prüfung sowie den gesamten abziehbaren Vorsteuerbetrag anzeigen. Raten Sie bei unsicheren Informationen nicht.

Langfristige Aufgabe: GLM-5.1 vs. GLM-5.2 auf Eigent

Langfristige Aufgabe: GLM-5.1 vs. GLM-5.2 auf Eigent

Führe eine tiefgehende Recherche zu 26 Unternehmen im KI-Infrastruktur-Ökosystem durch — dem sichersten zentralen Strang der gesamten KI-Wertschöpfungskette. Decke diese 6 Teilsektoren ab (wähle in jedem repräsentative Unternehmen aus, von Large-Cap-Führern bis zu kleineren Playern): KI-Rechenzentrum (Compute-Infrastruktur / Ausbau); GPU / KI-Chips (Training- & Inference-Silizium, ASICs, IP); Server, Netzwerke & optische Module (Switches, NICs, optische Verbindungen); Stromversorgung, Flüssigkeitskühlung & Energiespeicherung (Stromversorgung, Thermik, Energiemanagement); KI-Cloud / Compute-Plattform (Hyperscaler, GPU-Clouds, Compute-Rental-Plattformen); Unterstützendes Ökosystem (HBM / Advanced Packaging, Foundry, Steckverbinder und andere kritische Komponenten). Recherchiere für jedes Unternehmen: Unternehmensname, Teilsektor, Hauptsitz / Land; Kernprodukte und seine spezifische Rolle in der KI-Kette; börsennotiert oder privat (Ticker + Börse, falls gelistet; falls privat, nenne die neueste Bewertung / Finanzierungsrunde); Marktkapitalisierung oder Bewertungsgröße (für das Ranking); Positionierung und Burggraben im Ökosystem (1–2 Sätze); wichtige Kunden / Wettbewerber. Reihenfolge: Innerhalb jedes Teilsektors von groß nach klein ranken (nach Marktkapitalisierung / Bewertung). Strukturiere alles von oben nach unten: von der gesamten Hardware-Ökosystem-Landschaft bis hin zu jedem einzelnen Unternehmen. Ausgabeanforderungen: Erstelle zuerst eine strukturierte Datendatei ai_infra_data.json — mit allen 26 Unternehmen samt den oben genannten Feldern, den 6 Teilsektor-Klassifizierungen, einem Public/Private-Flag und einer übergreifenden Vergleichsmatrix (Teilsektor × Schlüsseldimensionen). Erstelle dann aus diesen JSON-Daten einen ausgefeilten HTML-Bericht: inklusive Ökosystem-Landschafts-/Schichtdiagramm, Sektorsektionen, Unternehmenskarten, einer klaren visuellen Kennzeichnung für börsennotiert vs. privat (Tags oder Farbcodierung), eines Charts zur Marktkapitalisierungs-Rangfolge und einer sortier-/filterbaren Vergleichstabelle. Gestalte das Design professionell, informationsdicht und interaktiv. Verifiziere die Forschungsdaten zuerst auf Korrektheit (Listing-Status, Ticker, Bewertungen — nutze die neuesten Zahlen und zitiere Quellen), und erstelle dann den Bericht. Sende die Aufgabe im Single-Agent-Modus.

10 chinesische Neujahrs-HTML5-Spiele mit Eigent erstellen

10 chinesische Neujahrs-HTML5-Spiele mit Eigent erstellen

Erstellen Sie 10 separate und VOLLSTÄNDIGE Spiele mit Themen rund um das chinesische Neujahr 2026 (Pferd) in HTML, CSS und JS (keine Bibliotheken). Die Spiele müssen unterhaltsam, originell, ausgefeilt und mobilfreundlich sein. Enthalten sein sollen Punktesysteme, steigender Schwierigkeitsgrad, Neustart-Schaltflächen und flüssige Grafiken. Abgedeckt werden sollen: Arcade, Puzzle, Endless Runner, Reaktion, Strategie, Memory, lokaler 2-Spieler-Modus, Idle, Retro-Pixel und 1 experimentelles Spiel.

Automate everything with AI workforce on desktop
Download Eigent

Teste Eigent noch heute

Lade die Open-Source-Desktop-App herunter. Deine KI-Belegschaft, die auf deinem Rechner läuft.

Eigent herunterladen
Eigent

Erhalte die neuesten Updates, Tutorials und Releases rund um die Automatisierung von KI-Belegschaften.

ProduktEigentUmgebungenPreiseUnternehmen
EntdeckenLösungenAnwendungsfälleFähigkeitenPluginsBlogs
EntwicklerDokuGitHubCAMEL-AIOpen Source FundPartner
HerunterladenFür Open Source
UnternehmenÜber unsMarkeKarriereNutzungsbedingungenDatenschutzerklärungSicherheit & VertrauenCookie-RichtlinieRückerstattungs- & Testrichtlinie

Alle Rechte vorbehalten © 2026 EIGENT UK LTD

Eigent 1.0 Neue Version veröffentlicht !download