Definieren agentischer KI im SDLC
Viele Entwickler verwenden KI bereits in einem vertrauten Assistentenmuster. Ein Assistent antwortet auf eine Eingabeaufforderung, generiert die Ausgabe und gibt die Steuerung an den Benutzer zurück. Ein Agent geht weiter: Er kann ein Ziel interpretieren, zwischenschritten entscheiden, Tools verwenden und Maßnahmen innerhalb eines Workflows ergreifen.
Dieser Unterschied ist wichtig, weil es KI von etwas verändert, das bei der Entwicklung hilft, zu etwas, das an der Entwicklung teilnimmt.
In dieser Lektion lernen Sie
Was macht ein KI-System in einem Entwicklungszusammenhang agentisch?
Unterschiede zwischen agentbasierten Systemen und assistentenbasierten Systemen
Darstellung des Agentverhaltens in GitHub Workflows
Was macht ein KI-System in einem Entwicklungskontext agentenhaft?
Assistentenbasierte Systeme sind in der Regel reaktiv:
Sie hängen von einem Benutzer ab, um zu entscheiden, was als Nächstes zu tun ist.
Sie können Code vorschlagen, die Ausgabe erläutern oder Änderungen zusammenfassen.
Sie bewegen keine Arbeit eigenständig in einem Repository vorwärts.
Agentbasierte Systeme sind zielgesteuert:
Sie können eine Aufgabe interpretieren, einen Ansatz entwickeln und Schritte zur Fertigstellung ausführen.
Sie können Tools (z. B. die GitHub-API, CI-Workflows oder Repository-Schreibvorgänge) verwenden, um dauerhafte Ergebnisse wie Branches, Commits und Pull-Anfragen zu erstellen.
Sie können iterativ basierend auf Feedback (Kontrollen, Bewertungen, Scans) arbeiten.
In GitHub wird dieses Modell häufig durch einen Pull-Request-orientierten Workflow ausgedrückt: Der Agent schlägt Änderungen an einem Branch vor, öffnet eine Pull-Anforderung und wartet auf Überprüfung und Validierung, bevor die Änderung zusammengeführt wird.
Assistent im Vergleich zum Agenten?
Es verhält sich wie ein Assistent, wenn es:
Erzeugt Vorschläge oder Erklärungen
Übernimmt keine Repository-Aktionen.
Erfordert, dass der Benutzer jeden Schritt manuell anwenden kann.
Ein KI-System verhält sich wie ein Agent, wenn es möglich ist:
Aufrechterhalten eines Ziels über mehrere Schritte hinweg
Zwischenaktionen festlegen
Verwenden von Tools
Erstellen oder Ändern dauerhafter Artefakte (Verzweigung/Commits/PR)
Iterieren basierend auf Feedbacksignalen
Darstellung des Agentverhaltens in GitHub
In GitHub ist das Agentverhalten durch die gleichen Strukturen sichtbar, die Entwickler bereits verwenden:
Verzweigungen und Commits (was sich geändert hat)
Pull-Anforderungen (was vorgeschlagen wird, warum und zur Überprüfung)
Workflows und Überprüfungen (welche Nachweise vorhanden sind)
Überprüfen von Kommentaren und Genehmigungen (was Menschen akzeptiert oder abgelehnt haben)
Ein Agent ersetzt den Workflow nicht. Es tritt dem Workflow als Teilnehmer bei.
Implementierungsbeispiele
Agentverhalten (PR-produzierend) Es wird eine Sicherheitswarnung abgelegt. Der Agent:
- Erstellt einen Branch (z. B. agent/bump-dep-2026-04-03)
- Aktualisiert eine Abhängigkeit und Sperrdatei
- Öffnet eine Pull-Anforderung mit einer Zusammenfassung und einem Plan
- Wartet auf CI-Überprüfungen und Überprüfungsfeedback und überprüft dann bei Bedarf.
Verhalten des Assistenten (nur Vorschlag) Sie fragen einen Assistenten: "Wie kann ich diese Abhängigkeit sicher aktualisieren?" Der Assistent gibt:
eine Reihe empfohlener Befehle
Eine Checkliste mit Risiken
Vorgeschlagene Codeänderungen. Sie erstellen weiterhin die Verzweigung und den Pull Request selbst.
In der nächsten Einheit untersuchen Sie den Lebenszyklus, der bestimmt, wie Agenten planen, handeln und bewerten.