Grunderna för agentisk AI i GitHub
Medel
DevOps-tekniker
Administratör
Utvecklare
Lösningsarkitekt
GitHub
Lär dig hur AI-kodningsagenter transformerar programvaruutveckling genom att planera, agera och förbättra i GitHub arbetsflöden.
Utbildningsmål
När du är färdig med den här modulen kommer du att kunna:
- Definiera agentisk AI i SDLC och skilja agenter från assistenter
- Förklara och tillämpa planen → agera → utvärdera livscykeln i agentarbetsflöden
- Beskriv hur GitHub fungerar som system för dokumentation och kontrollplan för agentaktivitet
- Identifiera ansvarsområden, risker, antimönster och spårningskrav i agentsystem
- Använda deltagarmodellen för att utvärdera agentgenererat arbete
Förutsättningar
Innan du börjar bör du ha:
- Ett GitHub konto och kunskaper om lagringsplatser, grenar och pull-begäranden
- Grundläggande erfarenhet av GitHub Actions- och statuskontroller
- En allmän förståelse för programvaruutvecklingslivscykeln (SDLC)
- Kunskaper om AI-stödda utvecklingsverktyg (till exempel GitHub Copilot)
- Medvetenhet om grundläggande styrningsbegrepp för lagringsplatser (till exempel granskningar, CODEOWNERS och grenskydd)
Vissa kontroller som beskrivs i den här modulen (till exempel regeluppsättningar, grenskydd och nödvändiga kontroller) måste konfigureras av lagringsplats- eller organisationsadministratörer. Du kan fortfarande använda övervakningsmodellen utan administratörsåtkomst, men verkställighet kräver lämpliga behörigheter.