Basisbeginselen van agentische AI in GitHub
Gevorderd
DevOps Engineer
Beheerder
Ontwikkelaar
Oplossingsarchitect
GitHub
Ontdek hoe AI-coderingsagenten softwareontwikkeling transformeren door binnen GitHub werkstromen te plannen, te handelen en te verbeteren.
Leerdoelen
Aan het eind van deze module, kunt u:
- Agentische AI definiëren in de SDLC en agents onderscheiden van assistenten
- Het plan uitleggen en toepassen → handelen → levenscyclus evalueren in agentwerkstromen
- Beschrijf hoe GitHub fungeert als systeem van vastlegging en besturingsvlak voor agentactiviteit
- Verantwoordelijkheden, risico's, antipatronen en traceerbaarheidsvereisten in agentsystemen identificeren
- Het inzendermodel toepassen om door agents gegenereerd werk te evalueren
Vereisten
Voordat u aan de slag gaat, hebt u het volgende nodig:
- Een GitHub-account en bekendheid met repositories, branches en pull requests
- Basiservaring met GitHub Actions en statuscontroles
- Een algemeen begrip van de levenscyclus van softwareontwikkeling (SDLC)
- Bekendheid met door AI ondersteunde ontwikkelhulpprogramma's (zoals GitHub Copilot)
- Kennis van basisconcepten voor opslagplaatsbeheer (bijvoorbeeld beoordelingen, CODEOWNERS en vertakkingsbeveiliging)
Sommige besturingselementen die in deze module worden besproken (bijvoorbeeld regelsets, vertakkingsbeveiliging en vereiste controles) moeten worden geconfigureerd door opslagplaats- of organisatiebeheerders. U kunt het supervisiemodel nog steeds toepassen zonder beheerderstoegang, maar afdwingen vereist de juiste machtigingen.