Fondements de l’IA agentique dans GitHub
Intermédiaire
Ingénieur DevOps
Administrateurs
Développeur
Architecte de solutions
GitHub
Découvrez comment les agents de codage d’IA transforment le développement de logiciels en planifiant, agissant et améliorant dans les flux de travail GitHub.
Objectifs d’apprentissage
À la fin de ce module, vous serez en mesure de :
- Définir l’IA agentique dans SDLC et distinguer les agents des assistants
- Expliquer et appliquer le plan → agir → évaluer le cycle de vie dans les flux de travail d’agent
- Décrire comment GitHub fonctionne comme système d’enregistrement et de plan de contrôle pour l’activité de l’agent
- Identifier les responsabilités, les risques, les anti-modèles et les exigences de traçabilité dans les systèmes d’agent
- Appliquer le modèle contributeur pour évaluer le travail généré par l’agent
Prérequis
Avant de commencer, vous devez disposer des points suivants :
- Un compte GitHub et une connaissance des dépôts, des branches et des pull requests
- Expérience de base avec GitHub Actions et vérifications d’état
- Une compréhension générale du cycle de vie du développement logiciel (SDLC)
- Connaissance des outils de développement assistés par l’IA (tels que GitHub Copilot)
- Connaissance des concepts de gouvernance des référentiels de base (par exemple, révisions, CODEOWNERS et protection des branches)
Certains contrôles abordés dans ce module (par exemple, les ensembles de règles, la protection de branche et les vérifications requises) doivent être configurés par les administrateurs du référentiel ou de l’organisation. Vous pouvez toujours appliquer le modèle de supervision sans accès administrateur, mais l’application nécessite des autorisations appropriées.