Introductie
Ai-ondersteunde ontwikkeling ontwikkelt zich. In plaats van hulpprogramma's die alleen code voorstellen, hebben we nu systemen die daadwerkelijk actie kunnen ondernemen binnen de levenscyclus van softwareontwikkeling (SDLC). In GitHub kunt u dit al zien met ervaringen zoals de cloudagent van Copilot. Het kan een opslagplaats verkennen, een plan voorstellen, wijzigingen aanbrengen in een vertakking en een pull request openen die u kunt reviewen. Naarmate deze systemen geschikter worden, begint uw rol als ontwikkelaar te veranderen. U schrijft niet alleen code meer. U begeleidt, houdt toezicht en valideert systemen die binnen uw werkstromen kunnen plannen, handelen en met de tijd verbeteren.
Agentwerkstromen volgen een plan → handelen → evaluatielus, waarbij elke cyclus systeemfeedback gebruikt om de volgende stap te verfijnen totdat het resultaat voldoet aan de vereiste standaarden. Deze module biedt u de basis die u nodig hebt om die verschuiving te begrijpen. U leert wat een systeem 'agentic' maakt, hoe agents verschillen van traditionele assistenten en hoe ze werken binnen GitHub. U ziet ook hoe GitHub fungeert als zowel het recordsysteem als het besturingsvlak, met behulp van vertrouwde hulpprogramma's zoals pull-aanvragen, beoordelingen, statuscontroles, CODEOWNERS, regelsets en omgevingen om agentactiviteit veilig en gecontroleerd te houden.
In deze module behandelen we:
- 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
Hier volgen andere modules voor meer informatie over ontwikkelen in agentische AI-systemen: