Einführung

  • 5 Minuten

Copilot Titelbild für Grundlagen von Agentic AI in GitHub, mit dem Copilot-Namen und unterstützenden Agentic-AI-Visuals.

KI-gestützte Entwicklung entwickelt sich weiter. Anstelle von Tools, die nur Code vorschlagen, verfügen wir jetzt über Systeme, die tatsächlich Maßnahmen innerhalb des Softwareentwicklungslebenszyklus (SDLC) ergreifen können. In GitHub können Sie dies bereits mit Erfahrungen wie dem Cloud-Agent von Copilot sehen. Es kann ein Repository erkunden, einen Plan vorschlagen, Änderungen an einer Verzweigung vornehmen und eine Pull-Anforderung öffnen, die überprüft werden soll. Da diese Systeme fähiger werden, beginnt Ihre Rolle als Entwickler zu ändern. Sie schreiben nicht mehr nur Code. Darüber hinaus leiten, überwachen und validieren Sie Systeme, die im Laufe der Zeit innerhalb Ihrer Workflows planen, agieren und sich verbessern können.

Agent-Workflows folgen einem Plan → Handeln → Auswerten-Zyklus, bei dem jeder Zyklus Systemfeedback verwendet, um den nächsten Schritt zu verfeinern, bis das Ergebnis die erforderlichen Standards erfüllt. Dieses Modul bietet Ihnen die Grundlage, die Sie benötigen, um diese Schicht zu verstehen. Sie erfahren, was ein System "agentisch" macht, wie Sich Agents von herkömmlichen Assistenten unterscheiden und wie sie innerhalb GitHub arbeiten. Außerdem erfahren Sie, wie GitHub sowohl als Datensatzsystem als auch als Steuerungsebene fungiert, indem Sie vertraute Tools wie Pullanforderungen, Rezensionen, Statusprüfungen, CODEOWNERS, Regelets und Umgebungen verwenden, um die Agentaktivität sicher und kontrolliert zu halten.

In diesem Modul behandeln wir:

  • Definieren agentischer KI im SDLC und Unterscheiden von Agenten von Assistenten
  • Erläutern und Anwenden des Plans → Handeln → Bewerten des Lebenszyklus in Agentworkflows
  • Beschreiben, wie GitHub als System der Datensatz- und Kontrollebene für Agentaktivitäten fungiert
  • Identifizieren von Verantwortlichkeiten, Risiken, Antimustern und Rückverfolgbarkeitsanforderungen in Agentsystemen
  • Anwenden des Mitwirkendenmodells, um vom Agent generierte Arbeit auszuwerten

Hier sind weitere Module, um mehr über die Entwicklung in Agentic AI Systems zu erfahren: