Lab für KI-Coding-Agenten: mit opencode Code erklären und reparieren lassen und die Arbeit prüfen

Dieses Lab gibt jeder lernenden Person einen eigenen KI-Coding-Agenten, opencode, neben einem kleinen Schulkiosk-Programm mit fünf Tests und einem Fehler. Der Agent kann das Projekt lesen, Fragen dazu beantworten und es ändern, und er fragt nach, bevor er eine Datei ändert oder einen Befehl ausführt.

Die Antworten des Agenten stammen von einem Modell, das die Plattform auf Amazon Bedrock in London betreibt und das von der Plattform gewählt wird. Die Kopie hat keinen anderen Weg ins Internet, und in ihr liegt nie ein Schlüssel zu irgendeinem Modell.

Was Lernende hier lernen

Was ein Coding-Agent ist und wie man ihn gut nutzt: ihn erst etwas erklären lassen, bevor man ihn etwas ändern lässt, die Tests davor und danach ausführen, jede Änderung lesen, bevor man sie erlaubt, und nie eine Antwort glauben, nur weil sie sicher klingt. Das Lab eignet sich für eine Einführung in das Programmieren mit KI-Werkzeugen oder für eine Lektion über Testen.

Im Browser ausführen

Das Lab startet einen Dienst, agent, mit dem Schulkiosk-Projekt in /home/node/project. Der Agent wird bei jedem Start des Labs installiert, was etwa eine Minute dauert: Der Befehl docker exec agent cat /tmp/agent/status meldet ready, wenn er bereit ist.

  1. Container-Seite öffnen. Wählen Sie in der Leiste „Entwickeln“ und dann „Einen Container ausführen“. Die Seite kann jeder öffnen, und das Git-Lab und das SQL-Lab starten ohne Konto. Jedes andere Lab braucht ein kostenloses Konto: Erstellen Sie eines, melden Sie sich an und wählen Sie dann „Starten“.
  2. Lab finden. Die Karte „Beispiel-Labs“ listet alle Beispiele auf. Suchen Sie „KI-Coding-Agent: opencode, sofort einsatzbereit“.
  3. „Starten“ wählen. „Starten“ führt das Lab unverändert mit einem Klick aus. „Zuerst die Datei bearbeiten“ öffnet die Compose-Datei, damit Sie sie vor dem Start ändern können.
  4. Öffnen. Wählen Sie auf der Seite des Labs „Terminal öffnen“. docker exec -w /home/node/project agent node --test führt die fünf Tests aus, und einer schlägt fehl. docker exec -it -w /home/node/project agent opencode öffnet den Agenten, in dem die lernende Person eintippt, was erledigt werden soll.

Wer den Agenten nutzen kann

Mit einem kostenlosen persönlichen Konto funktioniert der Agent in diesem Lab und in dem, in dem Lernende ihn selbst installieren, bis zu 80 KI-Credits pro Tag und 300 insgesamt, was für einige Lektionen reicht. In einer Einrichtung funktioniert er erst, wenn die Administration der Einrichtung unter „KI-Unterstützung“ in den Einstellungen Coding-Agenten in Labs aktiviert hat, und auch die KI-Unterstützung für die jeweilige Person. Jede Person kann dann bis zu 400 KI-Credits pro Tag verbrauchen. Bis dahin öffnet sich der Agent und meldet, dass er nicht aktiviert wurde.

Was Lernende abgeben sollten

Die Ausgabe der Tests vor und nach der Reparatur, die Zeile, die der Agent geändert hat, und einige Sätze dazu, wie sie die Änderung selbst überprüft haben. Der letzte Teil zeigt, ob sie die Änderung gelesen oder einfach angenommen haben.

Eine Grundlagenlektion zu diesem Lab

AI Coding Agent Basics ist eine kleine Lektion, die in diesem Lab durchgearbeitet wird. Darin führt die lernende Person die Tests aus, lässt den Agenten den Code erklären, lässt ihn den Fehler beheben, nachdem sie die Änderung gelesen hat, und führt zur Kontrolle die Tests und die Kasse erneut aus.

Kostenlose persönliche Konten haben sie im Modul „Basics“ auf der Startseite, jede Einrichtung kann sie aus dem Ordner „Basics“ der Bibliothek kopieren, und eine neue Einrichtung startet mit ihr in einem Modul namens DevOps Labs (Sample). Kopieren Sie sie in ein eigenes Modul, um sie zu ändern.

Der Code auf GitHub

Die Compose-Datei enthält kein Dockerfile: Sie führt das offizielle node-Image, auf eine Version festgelegt, als Benutzer ohne Sonderrechte aus und installiert opencode bei jedem Start aus npm, ebenfalls auf eine Version festgelegt. opencode steht unter der MIT-Lizenz und wird von uns nicht verteilt. Das Projekt liegt in einem benannten Volume; der Agent nicht, weil er zu groß zum Speichern ist.

Als Arbeit stellen

Beschreiben Sie in der Aufgabe, was abzugeben ist.

  1. Lab erstellen. Fügen Sie in Ihrem Modul eine Aufgabe hinzu und wählen Sie die Karte „Container-Lab“, dann „In einem GitHub-Repository“. Geben Sie https://github.com/mitsurutech/lab-ai-agent mit dem Branch main an. Die Compose-Datei ist standardmäßig compose.yaml. Forken Sie das Repository zuerst, wenn Sie sie ändern möchten.
  2. Veröffentlichen und ausprobieren. „Veröffentlichen“ legt den Commit fest, der Ihnen gezeigt wurde, sodass eine spätere Änderung im Repository ein bereits gestelltes Lab nicht verändert. Starten Sie zuerst Ihre eigene Kopie.
  3. Zuweisen. Weisen Sie es wie jede Aufgabe zu, auf Wunsch mit einem Fälligkeitsdatum, und beschreiben Sie in der Aufgabe, was zu tun ist und was abgegeben werden soll.
  4. Abgaben bewerten. Öffnen Sie die Kopie einer lernenden Person und ihre Abgabe, bewerten Sie sie und geben Sie sie mit einer Begründung zur Überarbeitung zurück, wenn mehr nötig ist.

Häufige Fragen

Welches Modell antwortet dem Agenten, und wohin geht der Code?
Ein Modell, das die Plattform wählt, betrieben auf Amazon Bedrock in London. Jeder Schritt sendet, was der Agent vom Projekt gelesen hat und was die lernende Person eingetippt hat, ohne Namen oder E-Mail-Adresse, und es wird nicht zum Training von Modellen verwendet. Die Datenschutzerklärung sagt mehr dazu.
Können Lernende den Agenten für etwas anderes nutzen?
Der Agent arbeitet in der eigenen Kopie der lernenden Person und erreicht nur das Modell und die npm-Registry. Er beantwortet alles, was eingetippt wird; stellen Sie die Aufgabe also klar und bewerten Sie, was abgegeben wird.
Warum fragt der Agent nach, bevor er eine Datei ändert?
Die Konfiguration des Labs weist ihn dazu an, damit die lernende Person jede Änderung liest, bevor sie vorgenommen wird. Diese Gewohnheit vermittelt die Lektion.