Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Von der Autovervollständigung zum Agenten: Das Prinzip der Veränderung verstehen
- Unterschiede zwischen herkömmlichen Copilot-Vorschlägen und dem agentenbasierten mehrstufigen Planungsprozess
- Architektur des Agenten-Zyklus: Planen, Erzeugen, Ausführen, Iterieren
- Unterstützte Programmiersprachen sowie Modellauswahl für agentengestützte Aufgaben
- Praktische Beispiele: von kurzen Funktionsblöcken bis hin zu umfangreichen Feature-Entwicklungen
Aktivierung des Agent-Modus in Ihrer Entwicklungsumgebung
- Aktivieren von Copilot im Agent-Modus in VS Code, JetBrains und Neovim.
- Einstellungen zur Kontextfenstergröße sowie zu Modelltypen konfigurieren.
- Arbeitsbereichsregeln festlegen und große Binärdateien vom Verarbeitungsprozess ausschließen.
- Unterschiede zwischen Copilot Chat und direkten agentengestützten Arbeitsabläufen erkennen.
Mehrstufiges Planen und Ausführen von Aufgaben
- Copilot mit der Anweisung beauftragen, eine komplexe Funktion Schritt für Schritt zu entwickeln.
- Verfolgen, wie der Agent aus mehreren Dateien heraus die einzelnen Arbeitsschritte vorbereitet.
- Jede Phase des Prozesses vor Umsetzung auf Korrektheit überprüfen.
- In Situationen, in denen der Ablauf abweicht, per Befehl zum früheren Stand zurückkehren.
Verwendung von Terminalbefehlen im Agentenkontext
- Durch Integration des Terminals können Abhängigkeiten über Copilot installiert werden.
- Kompilier- und Ausführungsbefehle senden sowie deren Ergebnisse interpretieren.
- Inhalte von Umgebungsvariablen direkt während eines Agentensitzes verwalten.
- Einschränkungen beachten: bestimmte Befehle erfordern vorherige manuelle Genehmigung.
Testgetriebene Softwareentwicklung mit Hilfe des Agenten
- Aus bestehendem Quellcode automatisch Unit-Tests erzeugen lassen.
- Mittels natürlicher Spracheingaben die Erstellung von Testfällen initiieren.
- Testausgaben lesbar auswerten und Fehlermeldungen direkt im Copilot-Kontext verstehen.
- Nach Auswertung außergewöhnlicher Fälle die erforderlichen Testvoraussetzungen nachjustieren.
Effiziente Navigation durch große Codebestände
- Verknüpfte Referenzen zwischen Dateien schnell finden.
- Gemeinsam genutzte Hilfsmodule umschreiben – auch unter Beachtung der Namensgebungskonventionen.
- Konfigurations- und Strukturdateien gemeinsam anpassen.
- Zielgerichtete Anfragen stellen, um das begrenzte Kontextfenster effizient auszunutzen.
Copilot an Teamstandards anpassen
- In der Datei .github/copilot-instructions.md spezifische Projektregeln definieren.
- Konventionen zur Namensgebung sowie Architekturrichtlinien strikt durchsetzen.
- Gefährdende oder vertrauliche Dateien vom Kontextverarbeitungsprozess ausschließen.
- Für häufige Arbeiten vorgefertigte Prompt-Vorlagen für das gesamte Team anlegen.
Unternehmensweite Governance mit GitHub Copilot Enterprise
- Lizenzzuordnung, Abrechnungssteuerung und statistische Auswertungen koordinieren.
- Überwachungsprotokolle führen: was Copilot vorschlägt im Vergleich zu tatsächlich integrierten Änderungen.
- Regelungen bezüglich geistigen Eigentums sowie Lizenzfragen der Microsoft-Dienste berücksichtigen.
- Auswahlverfahren für Dateitypen definieren, die von AI-Vorschlägen ausgeschlossen bleiben sollen.
Debugging-Techniken im Agentenmodus
- Gemeinsam mit dem Copilot-Verhalten von Stack-Traces verstehen und analysieren.
- Hypothesen-basierte Fehlersuche: den Grund für Testfehlgeschläge durch Copilot ermitteln lassen.
- Mittels agentengestützter Binärsuchverfahren die Ursache von regressionsbedingten Fehlern ermitteln.
- Bei Unbekanntheiten im Code potenzielle Fantasieprodukte von Copilot zu erkennen lernen.
Leistungsoptimierung und Verwaltung der Limitierungen
- Tägliche Anfragenlimits sowie Modell-Quoten verstehen, um optimale Nutzungsweisen zu finden.
- Länge von Prompts reduzieren, damit vollständige Antworten erzeugt werden können.
- Zwischen verschiedenen Modellen wechseln – je nach spezieller Aufgabenstellung.
- Beobachtung der Latenzzeiten und Einsatz von Caching-Strategien zur Leistungssteigerung.
Sicherheitsaspekte und Konformitätsanforderungen für Unternehmen
- Datenschutz: welche Informationen das Repository verlassen bzw. lokal bleiben müssen.
- Vermeidung der unbeabsichtigten Offenlegung vertraulicher Daten durch Prompts.
- Einhaltung internationaler Normen wie GDPR, SOC 2 oder FedRAMP garantieren.
- Einrichtung von Sicherheits-Tests (Red Teaming), um potenzielle Code-Schwachstellen zu finden.
Problembehandlung bei häufig vorkommenden Schwierigkeiten
- Gründe erkennen, warum der Kontext des Codes manchmal nicht berücksichtigt wird.
- Lösung von Problemen bei Indexierung großer Codebestände.
- Bewältigung von zeitweiligen Rate-Limit-Problemen in Hochlastzeiten.
- Umgang mit Synchronisationsfehlern der IDE-Erweiterungen beseitigen.
Zusammenfassung und zukünftige Perspektiven
- Übersicht über Fähigkeiten des Agent-Modus sowie sinnvolle Praxisbeispiele.
- Vorstellung der kommenden Entwicklungen bei GitHub Copilot und Neuerungen für den Agentenmodus.
- Quellen angeben, um stets auf dem Laufenden zu bleiben bezüglich neuer Copilot-Updates.
Voraussetzungen
- Erfahrung in der objektorientierten oder funktionalen Programmierung
- Ein GitHub-Konto sowie Grundkenntnisse im Umgang mit Git-Werkzeugen
- Grundverständnis für mindestens eine Entwicklungsumgebung (VS Code, JetBrains oder Neovim)
Zielgruppe
- Entwickler, die bereits Copilot nutzen und den Agent-Modus für ihre Arbeit gewinnen wollen.
- Projektleiter, die Copilot in ihren Entwicklungsteams einführen möchten.
- Sicherheitsteams, die Richtlinien zur Nutzung von KI-gestützter Codegenerierung prüfen.
21 Stunden
