Kurs GitHub Copilot i Generatywna AI w Programowaniu – od Copilot Chat do Agentic AI

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Co zyskujesz?

Skuteczne użycie Copilota - Nauczysz się wykorzystywać GitHub Copilot w VS Code, Visual Studio i JetBrains tak, aby szybciej tworzyć kod, ograniczać ręczne pisanie boilerplate'u i lepiej pracować z kontekstem projektu.

Lepsze prompty programistyczne - Opanujesz pisanie promptów do generowania funkcji, klas, API i komponentów, dzięki czemu będziesz uzyskiwać trafniejsze odpowiedzi, mniej poprawek i bardziej przewidywalne rezultaty pracy z AI.

Szybsze generowanie kodu - Dowiesz się, jak z pomocą AI budować nowe moduły, endpointy, struktury danych i elementy frontendu, aby skrócić czas implementacji i szybciej dostarczać działające fragmenty aplikacji.

Refaktoryzacja z pomocą AI - Nauczysz się analizować istniejący kod, wykrywać antywzorce i upraszczać złożone fragmenty, co pomoże Ci poprawiać czytelność, modernizować starsze rozwiązania i bezpieczniej rozwijać projekt.

Testy i debugowanie - Przećwiczysz generowanie testów jednostkowych i integracyjnych, analizę pokrycia oraz diagnozowanie błędów na podstawie logów i wyjątków, aby szybciej wykrywać problemy i podnosić jakość kodu.

Automatyczna dokumentacja - Zobaczysz, jak tworzyć komentarze, dokumentację API, README i opisy architektury przy wsparciu AI, dzięki czemu łatwiej przygotujesz materiały dla zespołu i usprawnisz onboarding nowych osób.

Praca z agentami AI - Poznasz Copilot Chat, Agent Mode i pracę na kontekście całego repozytorium, aby planować większe zmiany, realizować zadania wieloetapowe i sensownie dzielić pracę między siebie a AI.

AI w DevOps i review - Nauczysz się używać AI do tworzenia commitów, opisów Pull Requestów, podsumowań zmian i wsparcia code review, co usprawni współpracę zespołową i poprawi zgodność kodu ze standardami.

Program szkolenia

1. Wprowadzenie do AI wspierającej programowanie

rola Generative AI i Agentic AI w Software Development:
- ewolucja narzędzi AI dla programistów,
- Generative AI a Agentic AI,
- możliwości i ograniczenia modeli LLM,
- GitHub Copilot, ChatGPT, Claude, Gemini i GitHub Models,
- bezpieczeństwo danych oraz aspekty prawne korzystania z AI,
- architektura GitHub Copilot,

GitHub Copilot – możliwości platformy:
- Copilot Free, Pro, Business i Enterprise,
- integracja z Visual Studio Code, Visual Studio, JetBrains oraz GitHub,
- konfiguracja środowiska,
- Copilot Chat,
- Copilot Agent Mode,
- Coding Agent.

2. Efektywna współpraca z AI

Prompt Engineering dla programistów:
- projektowanie skutecznych promptów,
- wykorzystanie kontekstu projektu,
- iteracyjne rozwijanie odpowiedzi,
- Few-shot Prompting,
- Chain of Thought,
- Role Prompting,,
- Context Engineering,
AI Instructions:
- definiowanie zasad pracy modelu,
- tworzenie własnych instrukcji,
- utrzymywanie spójnego stylu kodowania,
- wykorzystanie Instructions w projektach zespołowych.

3. Generowanie kodu z wykorzystaniem GitHub Copilot

tworzenie aplikacji:
- generowanie klas i metod,
- tworzenie REST API,
- budowa komponentów frontendowych,
- generowanie struktur danych,
- praca z bazami danych,
- automatyczne tworzenie dokumentacji,
praktyczne wykorzystanie Copilota:
- wykorzystanie kontekstu repozytorium,
- analiza istniejącego kodu,
- rozbudowa aplikacji,
- generowanie kodu zgodnego ze standardami organizacji.

4. Agent Mode i Coding Agent

agentowe programowanie:
- Agent Mode,
- planowanie złożonych zmian,
- wieloetapowa implementacja,
- analiza zależności,,
- automatyczna realizacja zadań,
autonomiczni agenci programistyczni:
- współpraca z Coding Agent,
- delegowanie zadań,
- planowanie implementacji,
- analiza architektury projektu,
- zarządzanie większymi zmianami.

5. Integracja z narzędziami i MCP

integracja z ekosystemem programisty:
- GitHub Actions,
- GitHub Models,
- Azure AI,
- REST API,
- Microsoft Graph,
- Power Platform,
MCP (Model Context Protocol):
- architektura MCP,
- podłączanie zewnętrznych narzędzi,
- wykorzystanie serwerów MCP,
- dostęp do dokumentacji,
- integracja z systemami firmowymi.

6. Refaktoryzacja, analiza i testowanie kodu

refaktoryzacja:
- poprawa jakości kodu,
- eliminacja antywzorców,
- modernizacja starszych aplikacji,
- migracja frameworków,
- optymalizacja wydajności,
testowanie wspomagane AI:
- generowanie testów jednostkowych,
- testy integracyjne,
- analiza pokrycia testami,
- debugowanie,
- analiza logów,
- wykrywanie podatności bezpieczeństwa.

7. Programowanie z wykorzystaniem agentów AI

nowoczesne funkcje GitHub Copilot:
- Copilot Chat,
- Agent Mode,
- Workspace Context,
- integracja z repozytoriami GitHub,
realizacja złożonych zadań:
- planowanie zmian w projekcie,
- implementacja wieloetapowych funkcjonalności,
- automatyzacja powtarzalnych prac programistycznych,
- współpraca człowiek–AI przy rozwoju oprogramowania.

8. AI w DevOps i Code Review

AI wspierające DevOps:
- generowanie Commit Messages,
- Pull Requests,
- Release Notes,
- automatyczne podsumowania zmian,
- GitHub Actions wspomagane AI,
AI w Code Review:
- analiza jakości kodu,
- wykrywanie błędów,
- zgodność ze standardami,
- analiza bezpieczeństwa,
- rekomendacje zmian.

9. Warsztat praktyczny

kompleksowa realizacja projektu z GitHub Copilot:
- analiza wymagań,
- projekt architektury,
- implementacja z wykorzystaniem Agent Mode,
- tworzenie testów,
- refaktoryzacja,
- dokumentacja,
- Code Review,
- publikacja zmian do repozytorium.

10. Dobre praktyki wykorzystania AI w programowaniu

efektywna współpraca z AI:
- kiedy zaufać AI, a kiedy weryfikować odpowiedzi,
- kontrola jakości generowanego kodu,
- bezpieczeństwo kodu źródłowego,
- zarządzanie kontekstem i Instructions,
- budowanie bibliotek promptów i Instructions.

Jakie są wymagania wstępne do udziału w szkoleniu?

Podstawy programowania - Powinieneś swobodnie czytać i pisać kod w co najmniej jednym języku programowania, aby móc oceniać sugestie AI, poprawiać je i wykorzystywać w realnych zadaniach.

Praca z IDE i Git - Powinieneś znać podstawową pracę w IDE oraz korzystanie z Git, bo szkolenie obejmuje użycie Copilota w środowisku programistycznym i działania na kodzie w repozytorium.

Znajomość testów i debugowania - Powinieneś rozumieć, czym są testy jednostkowe, błędy wykonania i logi aplikacyjne, aby skutecznie korzystać z AI przy generowaniu testów oraz analizie problemów.

Doświadczenie projektowe - Powinieneś mieć doświadczenie w pracy nad projektem programistycznym, aby łatwiej wykorzystywać kontekst kodu, analizować architekturę i planować zmiany z pomocą AI.