GitHub Copilot Workshop mit Visual Studio

Dauer: 2 Tage

Kursbeschreibung

Ein praxisorientierter zweitägiger Workshop, der den vollen Funktionsumfang von GitHub Copilot in Visual Studio abdeckt: intelligente Vervollständigungen, chatgesteuerte Code-Generierung, Refactoring, Debugging, Test-Erstellung, Modernisierung, Agent Mode, MCP, die Copilot CLI, Anpassung und Modellauswahl. Der optionale Nachmittag des zweiten Tages behandelt den GitHub Copilot Coding Agent (erfordert ein auf GitHub gehostetes Repository mit aktiviertem GitHub Actions).

Wichtig: Ein aktives GitHub Copilot-Abonnement ist erforderlich. Das Übungsmaterial wird vom Trainer bereitgestellt.

Lernziele

Die Teilnehmer werden in der Lage sein:

• Inline-Vervollständigungen, Copilot Chat, Inline-Chat, Smart Actions und den Edits-Modus effektiv in Visual Studio zu nutzen.
• Code zu generieren, zu refaktorieren, zu erklären und Tests mit Copilot-Unterstützung zu erstellen.
• Fehler mithilfe von Copilot Chat und der Visual Studio Debugger-Integration zu diagnostizieren und zu beheben.
• Legacy-.NET-Anwendungen zu modernisieren und Performance-Profiling-Ergebnisse mit Copilot zu interpretieren.
• Den Agent Mode zu aktivieren sowie MCP-Server und CLI-basierte Werkzeugbefehle zu konfigurieren.
• Die eigenständige GitHub Copilot CLI für terminalbasierte Aufgaben zu verwenden.
• Copilot über Instruction-Dateien, bereichsspezifische Anweisungen, Prompt-Dateien und AGENTS.md anzupassen.
• Das richtige KI-Modell für verschiedene Aufgabentypen auszuwählen.
• (Optional) Den GitHub Copilot Coding Agent für autonomes Planen, Implementieren und KI-gestützte Code-Reviews auf GitHub zu nutzen.

Zielgruppe

.NET-Entwickler und Visual Studio-Nutzer auf jedem Erfahrungsniveau mit KI-Werkzeugen, die GitHub Copilot in ihren täglichen Arbeitsablauf integrieren möchten. Für die Kerninhalte der zwei Tage ist kein auf GitHub gehostetes Repository erforderlich.

Voraussetzungen

• Vertrautheit mit Visual Studio (beliebige aktuelle Version) und grundlegenden Git/GitHub-Workflows.
• Erfahrung mit mindestens einer in Visual Studio unterstützten Sprache (C#, C++, VB.NET usw.).
• Ein aktives GitHub Copilot-Abonnement ist erforderlich (Individual, Business oder Enterprise). Teilnehmer ohne Abonnement können die praktischen Übungen nicht abschließen.
• Visual Studio 2026 mit installierten GitHub Copilot- und GitHub Copilot Chat-Erweiterungen vor Beginn des Workshops.

Agenda

1. Warum Copilot? — KI-Landschaft, häufige Bedenken (Jobsicherheit, geistiges Eigentum, Qualität), Weiterentwicklung von Entwicklern.

2. Erste Schritte — Erweiterungen installieren, Überblick über Interaktionsmodi, Funktionsweise von LLMs und ihre Grenzen, Lücken mit Tools und MCP überbrücken.

3. Code-Generierung und Vervollständigungen — Ghost-Text-Vervollständigungen, Gerüstbau für Methoden/Klassen/Boilerplate aus Kommentaren und Prompts. Lab: ein Feature von Anfang bis Ende generieren.

4. Refactoring mit Copilot — Umbenennen, Umstrukturieren, Muster anwenden (Strategy, Repository), Methoden extrahieren. Lab: eine Legacy-Klasse refaktorieren.

5. Fehler finden und beheben — Fehler und Stack Traces erklären, Korrekturen anfordern, Visual Studio Debugger-Integration („Ask Copilot" im Exception Helper, Watch/Locals-Analyse). Lab: ein fehlerhaftes Beispiel mit Chat und dem Debugger diagnostizieren.

6. Code-Erklärungen — „Was macht das?", XML-Doc-Kommentare generieren, Drittanbieter-Bibliotheken per Chat erkunden.

7. KI-gestützte Test-Erstellung — xUnit/MSTest/NUnit-Stubs generieren, Randfälle und Grenzwerttests, Abhängigkeiten mocken. Lab: eine Test-Suite für eine Service-Klasse schreiben.

8. Interaktionsmodi im Detail — Inline-Vervollständigungen, Chat-Fenster (#file, #solution, #selection), @github-Teilnehmer, Inline-Chat (Alt+/), Smart Actions, Edits-Modus.

9. Agent Mode, Tools, MCP und Skills — Agent Mode für autonome mehrstufige Aufgaben; integrierte Tools (Dateibearbeitung, Terminal, Websuche); CLI-Befehle als schlanke LLM-Tools; MCP-Server-Konfiguration; Copilot Extensions und Skills; Partner-Agenten (Claude, Codex) über GitHub Agent HQ. Labs: Agent Mode-Aufgabe; Vergleich MCP-Server vs. CLI-Befehl.

10. Copilot jenseits der IDE — Copilot-Oberflächen im Überblick; GitHub Copilot CLI (copilot, Node.js 22+, kein Repo erforderlich): Befehle erklären, Code gerüsten, agentische Terminal-Aufgaben, Repo-erweiterter Modus; GitHub.com Chat für browserbasierte Reviews. Lab: CLI installieren, einen Compiler-Fehler erklären, eine Klasse gerüsten.

11. Apps modernisieren mit Copilot — GitHub Copilot Modernize (modernize-dotnet): assessment.md, plan.md, inkrementelle Commits in tasks.md verfolgt; moderne C#-Features übernehmen; veraltete NuGet-Pakete ersetzen. Lab: eine .NET Framework-App zu .NET 10 migrieren.

12. Performance-Analyse mit Copilot — Copilot im Visual Studio Performance Profiler: CPU-Hotspots, Speichergraphen, asynchrone Call Trees, GC-Druck, Optimierungsvorschläge. Lab: eine App profilieren und einen Engpass mit Copilot beheben.

13. Das Copilot-Erlebnis anpassen — copilot-instructions.md (repo-weit); bereichsspezifische Instruction-Dateien (applyTo-Frontmatter); Agent-Profile; AGENTS.md (werkzeugübergreifender Standard); Tool- vs. Modell-Unterscheidung; wiederverwendbare Prompt-Dateien; Context Window Management.

14. Das richtige KI-Modell wählen — Verfügbare Modelle (GPT-4o, Claude, Gemini, o1/o3); aufgabenbasierte Auswahl (Vervollständigungen, Reasoning, großflächiges Refactoring); Modell im Chat-Panel wechseln; Verfügbarkeit je Abonnement-Stufe.

⚠️ GitHub-Repository erforderlich. Alle folgenden Themen setzen auf GitHub.com gehosteten Quellcode mit aktiviertem GitHub Actions voraus. Teilnehmer sollten ihr Übungs-Repository vor Beginn dieser Einheit zu GitHub pushen.

15. Coding Agent Überblick — Cloud-basierter vs. IDE-interner Agent Mode; Auslösen über GitHub Issues (@copilot), den Agents-Tab oder Visual Studio; isolierter Actions Runner; den Agenten in den GitHub-Einstellungen aktivieren.

16. Phase 1 — Planung — Effektive Issues verfassen (Umfang, Akzeptanzkriterien); steuern über AGENTS.md und copilot-instructions.md; das generierte plan.md reviewen. Lab: ein Issue schreiben, @copilot zuweisen, den Plan reviewen.

17. Phase 2 — Autonome Implementierung — Ausführungsschleife (Plan → Code → Self-Review → Commit); Überwachung über Agents-Tab und Entwurfs-PR; Steuerung per PR-Kommentar; Starten aus Visual Studio. Lab: eine vollständige Agenten-Sitzung beobachten.

18. Phase 3 — Review und Zusammenarbeit — Copilot Code Review (@copilot review); menschliche Aufsicht und Merge-Freigabe; Umgang mit fehlerhaften Ausgaben; Branch-Schutzregeln und CodeQL als Leitplanken. Lab: einen agenten-generierten PR reviewen und mergen.

19. Multi-Agent-Workflows — Dasselbe Issue gleichzeitig @copilot, @claude und @codex zuweisen; Agenten nach Aufgabentyp auswählen; Einer implementiert/Einer reviewt-Kollaboration; Premium-Request-Budgets. Lab: PRs von zwei Agenten vergleichen.

Praktische Übungen

• Copilot in Visual Studio installieren und konfigurieren; alle Interaktionsmodi erkunden.
• Einen REST-API-Controller und eine Service-Klasse aus einem Prompt generieren.
• Eine Legacy-C#-Klasse mithilfe von Inline-Chat und Smart Actions refaktorieren.
• Ein fehlerhaftes Beispiel mithilfe von Copilot Chat und dem In-Debugger Exception Helper diagnostizieren und beheben.
• Eine .NET Framework-Anwendung mit Copilot Modernize zu .NET 10 migrieren.
• Eine Anwendung profilieren und Copilot nutzen, um einen Performance-Engpass zu identifizieren und zu beheben.
• Eine vollständige Unit-Test-Suite einschließlich Randfällen und gemockten Abhängigkeiten generieren.
• @github verwenden, um Issues und PR-Kontext aus dem Copilot Chat abzufragen.
• Eine mehrstufige Agent Mode-Aufgabe abschließen (Terminal + Dateibearbeitung).
• Einen MCP-Server konfigurieren; mit einem CLI-Befehl replizieren und beide Ansätze vergleichen.
• copilot-instructions.md, eine bereichsspezifische Instruction-Datei und AGENTS.md erstellen; eine wiederverwendbare Prompt-Datei anlegen.
• Die Copilot CLI installieren; einen Compiler-Fehler erklären und eine Klasse vom Terminal aus gerüsten.
• Modelle im Chat-Panel wechseln und die Ausgabe für eine Reasoning-Aufgabe vergleichen.
• (Optional) Ein Issue @copilot zuweisen, den Plan reviewen und die vollständige Implementierung beobachten.
• (Optional) Copilot Code Review für einen Agenten-PR ausführen und nach Freigabe mergen.
• (Optional) PRs von @copilot und @claude für dieselbe Aufgabe vergleichen.