Sammanfattning

Slutförd

I den här modulen gör du följande:

• Skapade en fungerande definition av agentisk AI i SDLC och lärde sig hur agenter skiljer sig från assistenter.

• Lärde dig hur agenter visas i GitHub som deltagare via grenar, pull-begäranden, arbetsflödeskörningar och granskningar.

• Övade planen → agera → utvärdera livscykeln som kärnmodell för agentkörning och iteration.

• Lärde dig hur GitHub fungerar som ett registersystem och en styrplan, med hjälp av kontroller som regeluppsättningar/grenskydd, obligatoriska kontroller, obligatoriska granskningar, CODEOWNERS och miljöer (när de konfigureras).

• Identifierade vanliga risker och antimönster och lärde dig hur spårbarhet plus en deltagarbaserad granskningsmodell hjälper dig att utvärdera agentarbetet på ett tillförlitligt sätt.

Läs mer

För djupare läsning använder du officiell GitHub dokumentation om:

• Visa en pull-begäran som skapats av GitHub Copilot

• Skapa regeluppsättningar för en lagringsplats och Om skyddade grenar (grenskyddsregler)

• Om kodägare (CODEOWNERS)

• Använda GITHUB_TOKEN för autentisering i arbetsflöden

• Ladda upp en SARIF-fil till GitHub (kodgenomsökning)

• Om push-skydd (hemlig genomsökning)

• Granskningslogg för ett företag (tillgängligheten beror på organisationens/företagskonfigurationen)