Developing in Agentic AI Systems

Lernende sollten Über Sachkenntnisse in den Bereichen Betrieb, Integration, Überwachung und Steuerung von KI-Agents innerhalb von SDLC-Workflows und Entwicklungsumgebungen auf Produktionsniveau verfügen, um Zuverlässigkeit, Sicherheit und Geschwindigkeit zu gewährleisten, indem GitHub als System der Datensatz- und Kontrollebene verwendet werden. Lernende arbeiten eng mit Architekten, Plattformingenieuren, DevOps-Ingenieuren, Anwendungsentwicklern, Produktmanagern und Sicherheitsingenieuren zusammen, um Agents zu entwickeln, bereitzustellen, zu betreiben und zu verwalten, die innerhalb der GitHub Plattform arbeiten.

Lernende sollten Erfahrung mit dem Softwareentwicklungslebenszyklus (SDLC), Workflows in GitHub und Kontrollen sowie codequalität, Sicherheit und Überprüfungspraktiken haben. Außerdem sollten Sie Erfahrung mit Coding-Agenten wie GitHub Copilot, MCP-Servern und der Anpassung von Agenten haben, etwa durch benutzerdefinierte Anweisungen, benutzerdefinierte Agenten, Tools und die Einrichtung von Copilot. Zu den Aufgaben dieser Rolle gehören:

• Ausführen von Agent-Workflows innerhalb des SDLC
• Überwachen des autonomen Verhaltens mit GitHub Steuerelementen
• Auswerten und Optimieren von Agentenergebnissen mithilfe von Scans und Artefakten
• Konfigurieren von benutzerdefinierten Agents
• Sichere Koordination der Multi-Agent-Ausführung

Entwicklung in Agentic AI Systems Teil 1 von 2

• Grundlagen agentischer KI in GitHub
• Entwerfen der Agentarchitektur und SDLC-Integration
• Tooling, MCP und Umgebungen für Agentenausführung

Entwicklung in agentischen KI-Systemen Teil 2 von 2

• Multi-Agent-Systeme und -Orchestrierung
• Speicher, Zustand und Auswertung
• Governance, Leitplanken und Betrieb