GitHub Copilot Schulung: REST-API-Projekt in VS Code

Was ist GitHub Copilot – und was kann es wirklich?

• Wie Copilot funktioniert: Sprachmodelle, Kontext aus Editor und Workspace, Vorschlagslogik
• Modellauswahl in Copilot: schnelle Modelle und Reasoning-Modelle je Aufgabe
• Unterschiede zu klassischen Editor-Funktionen und zu Chat-Assistenten im Browser
• Unterstützte Sprachen, Frameworks und IDEs: VS Code, Visual Studio, JetBrains, Xcode, Eclipse
• Copilot-Pläne für Einzelpersonen und Organisationen, Lizenzverwaltung im Unternehmen
• Datenschutz und Datennutzung, Filter für Vorschläge, die öffentlichem Code entsprechen
• Copilot im Projektalltag: Beispiele von Boilerplate bis Fehlersuche
• Copilot außerhalb des Editors: auf GitHub.com, in Pull Requests und als Copilot CLI

Copilot in VS Code effektiv einsetzen

• Einrichtung, Einstellungen und Tastenkürzel für effizientes Arbeiten
• Inline-Vorschläge, Blockvervollständigung und Next Edit Suggestions
• Copilot Chat: Ask, Plan und Agent – wann welcher Modus passt
• Prompten über Kommentare oder explizite Anfragen im Chat
• Kontext gezielt mitgeben: #-Verweise auf Dateien und Symbole, #codebase für die Suche im Workspace
• Live-Demo: Methoden generieren lassen und gegen bestehende Unit-Tests prüfen

Vom leeren Projekt zur REST-API – mit Copilot als Partner

• Projektinitialisierung im Team: Gerüst, Build-Werkzeug, erste Repository-Regeln
• Anforderungen definieren, Kommentare als Steuerelement
• Hello-World-API über Copilot generieren lassen
• Vorschläge verfeinern: Iteration, Rückfragen und Feedback im Workflow
• Änderungen des Agenten im Diff prüfen und per Checkpoint oder Git zurücknehmen

Architektur und Design – KI trifft auf Systemdenken

• Requirements gemeinsam mit Copilot erarbeiten und als Plan in Markdown festhalten
• Architekturdiagramme mit Mermaid erzeugen und aktuell halten
• Aufbau der Schichten: Controller, Services, DTOs
• Praktische Übung: REST-API-Design ohne Persistenz
• Architekturentscheidungen als ADR ablegen, damit Copilot sie im Kontext findet

Schrittweise Erweiterung zur produktiven API

• Persistenz einführen: Repositories und In-Memory-Datenbank (H2)
• Logikschicht und Geschäftsregeln mit Copilot umsetzen
• Eingaben validieren und Fehler einheitlich als Problem Details (RFC 9457) zurückgeben
• Pair Programming mit Copilot: kollaboratives Entwickeln mit KI

Testgetriebene Entwicklung mit Copilot

• Unit- und Integrationstests generieren lassen
• Erst Tests, dann Implementierung: den Agenten gegen rote Tests arbeiten lassen
• Testdaten vorbereiten und Codeabdeckung prüfen
• Generierte Tests auf Aussagekraft prüfen: Assertions, Randfälle, Fehlerpfade
• Praktische Übung: Testfälle durch Kommentare erzeugen lassen

Prompt Engineering für Profis

• Was macht einen guten Prompt aus? Ziel, Kontext, Randbedingungen, erwartetes Ergebnis
• Strategien: Zero-Shot, Multi-Shot, Prompt Chaining, Chain-of-Thought
• Persona-Pattern: Rollen über Custom Agents und Anweisungen festlegen
• Kontexte gezielt steuern und nutzen
• Agent Skills (SKILL.md) und Prompt-Dateien (.prompt.md) als wiederverwendbare Workflows im Repository
• Werkzeuge zur Prompt-Optimierung: Varianten vergleichen und Ergebnisse festhalten

Automatisierte Dokumentation mit GitHub Copilot

• Kommentare, README und Quelltextdokumentation erzeugen
• OpenAPI-Dokumentation generieren und mit dem Code abgleichen
• Mehrsprachige Anwendungen: Ressourcen automatisiert übersetzen
• Schnittstellen testen mit Postman, cURL und .http-Dateien

Fehler erkennen, verstehen und beheben – mit KI

• Typische Copilot-Fehler: erfundene APIs, veraltete Bibliotheksversionen, stille Annahmen
• Agent in VS Code: Terminalbefehle, Dateizugriff und Screenshots als Kontext
• Code-Qualität, Performance, Debugging und Refactoring
• /fix und /explain bei Fehlermeldungen und Stacktraces
• Praxisübung: Fehlerquellen gezielt einbauen und durch Copilot korrigieren lassen

Sicherheit beim Entwickeln mit KI

• Absicherung der API mit Authentifizierung: Tokens, OAuth 2.0, Rollen
• Kritische Codebereiche identifizieren und verbessern
• Security-Audits mit Copilot anhand der OWASP API Security Top 10
• Code Scanning mit CodeQL und Korrekturvorschläge per Copilot Autofix
• Secret Scanning und Push Protection gegen Zugangsdaten im Repository

Zusammenarbeit & Teamwork mit Copilot

• Copilot im Team: Reviews, Pairing, Aufgabenverteilung
• Copilot Code Review in Pull Requests auf GitHub
• Git und Copilot: Commit-Messages, Branches, Pull-Request-Beschreibungen
• Custom Instructions für Teams: .github/copilot-instructions.md und *.instructions.md
• Workspace-Strategien: Multi-Root-Workspaces und Anweisungen je Verzeichnis
• Copilot cloud agent: Issue zuweisen, Pull Request prüfen und nachsteuern

DevOps & Deployment

• Dockerfiles und Docker Compose generieren lassen
• Integration von PostgreSQL und Traefik als Reverse Proxy
• Von H2 auf PostgreSQL wechseln: Schema-Migrationen versioniert verwalten
• CI/CD-Pipelines mit GitHub Actions oder GitLab CI
• Cloud-Deployment: Render, Railway, Azure, AWS oder DigitalOcean

GitHub Copilot absichern und steuern

• Terminalbefehle des Copilot-Agenten: Freigabe je Befehl, automatisch nur für Build und Tests
• MCP-Server in .mcp.json oder .vscode/mcp.json nur aus geprüften Quellen, Werkzeuge einzeln aktivieren
• Richtlinien der Organisation: zugelassene Modelle, MCP-Nutzung, Vorschläge mit öffentlichem Code
• Content Exclusion: Dateien mit Zugangsdaten oder Kundendaten für Copilot sperren – im Agent-Modus der IDEs nicht wirksam
• Copilot cloud agent: Branch-Schutz, Firewall für Internetzugriff, Workflows erst nach Freigabe
• Abnahme generierter Pull Requests mit Tests und CODEOWNERS statt nur per Copilot Code Review

Praxisprojekt: Vermittlungs-API für ein Tierheim

• Tiere, Interessent:innen und Vermittlungsanfragen als Ressourcen mit Statusübergängen
• Durchgehend mit Copilot: Gerüst, Schichten, Tests, OpenAPI und Docker-Setup
• Issue „Statistik zur Wartezeit bis zur Vermittlung“ an den cloud agent geben, Pull Request prüfen
• Abschluss: Pipeline mit GitHub Actions und Deployment in eine Cloud-Umgebung