Utforma agentarkitektur och SDLC-integrering
Lär dig hur agentiska system använder GitHub arbetsflöden för att skapa programvara på ett säkert sätt.
Utbildningsmål
När du är färdig med den här modulen kommer du att kunna:
- Mappa agentansvar till SDLC-faser och definiera arkitekturgränser
- Definiera strukturerade agentuppgifter med hjälp av indata, utdata och framgångsvillkor
- Separera planering, resonemang och körning för att skapa inspekterade och tillförlitliga arbetsflöden
- Implementera pull-begärandebaserad styrning med hjälp av mallar, kontroller, CODEOWNERS, regler och miljöer
- Utforma tillförlitliga arbetsflöden med hjälp av utdata, kontexter, utlösare och överlämningar mellan jobb
- Hantera agentsystem på ett säkert sätt med hjälp av observerbarhet, verktygsstyrning, hemligheters gränser, krokar och tillförlitlighetsmönster
Förutsättningar
Innan du börjar bör du ha:
- Ett GitHub konto och kunskaper om lagringsplatser, grenar och pull-begäranden
- Grundläggande erfarenhet av GitHub Actions arbetsflöden och statuskontroller
- En allmän förståelse för programvaruutvecklingslivscykeln (SDLC) (planering, implementering, validering, distribution)
- Medvetenhet om styrningsbegrepp för lagringsplatser, till exempel nödvändiga granskningar, CODEOWNERS och grenskydd
Vissa tvingande kontroller (till exempel regeluppsättningar/grenskydd och nödvändiga kontroller) kräver lagringsplats- eller organisationsadministratörsbehörighet för att konfigurera.
Den här modulen fokuserar på arkitektur på lagringsplatsnivå (pull-begäranden, kontroller och regler). I praktiken omfattar agentsystem även kontroller på miljönivå, till exempel begränsningar för nätverksåtkomst. Till exempel använder GitHub Copilot molnagent en konfigurerbar brandvägg för att begränsa extern åtkomst. Dessa kontroller definierar vad agenten kan komma åt vid körning, medan PR-baserad styrning definierar vilka ändringar som godkänns.
För mer information, se: Anpassa agentbrandväggen för molnagenten Copilot.