Die Idee

Ein Entwicklerwerkzeug kann Chat, eine IDE-Unterstützung, eine Kommandozeilenschnittstelle, eine App und Agent-Workflows anbieten. Das sind unterschiedliche Orte und Arbeitsweisen, nicht bloß verschiedene Knöpfe für dieselbe Aufgabe. GitHub dokumentiert Copilot für GitHub.com, IDEs, die CLI, die Copilot-App und Cloud-Agent-Workflows. GitHub Docs

Wenn ein Werkzeug viele Optionen zeigt, triff die Entscheidung auf zwei Ebenen.

Wähle zuerst die Arbeitsweise. Ein Chat eignet sich für Fragen, das Erkunden einer unbekannten Codebasis oder das Besprechen von Optionen. Ein Coding-Agent ist eine praktische, informelle Bezeichnung für einen Workflow, der eine abgegrenzte Aufgabe mit mehreren Schritten verfolgen kann. Je nach Produkt und Modus kann er Dateien bearbeiten, Werkzeuge nutzen, Befehle ausführen oder auf Zwischenergebnisse reagieren. Diese Fähigkeiten hängen vom Produkt ab. Prüfe deshalb die Oberfläche, die du verwendest.

Danach betrachtest du das Modell: die KI-Komponente, die eine Antwort erzeugt oder anleitet. Modelle können unterschiedliche Kombinationen aus Geschwindigkeit, Kosten, Ergebnisqualität, Fähigkeit zum Schlussfolgern, Kontextkapazität und multimodalen Fähigkeiten bieten. GitHub Docs Das ist eine andere Entscheidung als die zwischen einem Chat und einem eigenständigeren Workflow.

Einfach gesagt: Wähle zuerst, wie viel Arbeit das Werkzeug erledigen soll. Wähle danach, welche KI-Komponente diese Arbeit versuchen soll.

Eine hilfreiche Frage lautet: „Was muss zwischen meiner Anfrage und einem prüfbaren Ergebnis passieren?“ Wenn die Antwort „Erkläre mir das“ ist, beginne im Chat. Wenn sie „Nimm mehrere zusammenhängende Änderungen vor und führe Prüfungen aus“ lautet, kann ein Agent-Workflow passen. Der erlaubte Grad selbstständigen Handelns heißt Autonomie. Mehr Autonomie kann Rückfragen verringern, erzeugt aber auch mehr Prüfaufwand.

Ein kleines Beispiel

Beispiel: Du musst in einem TypeScript-Repository eine Validierung für ungültige E-Mail-Adressen ergänzen.

Beginne im Chat: „Welche Dateien validieren derzeit E-Mail-Adressen, und welche Tests decken sie ab?“ Das ist Erkundung. Du verlangst eine Karte des Problems, keine Änderung.

Wenn der Umfang klar ist, nutzt du anschließend eine interaktive Agentensitzung: „Ergänze die Validierung für ungültige E-Mail-Adressen. Ändere nur die betroffenen Dateien. Füge Tests hinzu. Zeige mir den Diff, bevor ich etwas übernehme.“ Die Aufgabe hat eine Grenze, erwartete Ergebnisse und einen Prüfpunkt.

Entscheide nun, ob du ein Modell selbst auswählst. Bei einer kleinen Routineanfrage können Geschwindigkeit oder Kosten wichtiger sein. Bei einer Aufgabe mit vielen Abhängigkeiten oder schwierigen Abwägungen kann ein Modell für komplexeres Schlussfolgern sinnvoll sein. Das Kontextfenster ist die Informationsmenge, die ein Modell in einer Anfrage berücksichtigen kann. Es kann wichtig sein, wenn die Aufgabe viele Dateien oder lange Anforderungen braucht. Die Modellwahl verändert Abwägungen, garantiert aber keine korrekten Ergebnisse. GitHub Docs

Einige unterstützte Copilot-Oberflächen bieten eine automatische Modellauswahl. Laut GitHub kann sie Aufgaben anhand von Aufgabenkomplexität, Systemverfügbarkeit und einer Präferenz für Effizienz, Ausgewogenheit oder Intelligenz routen. GitHub Docs Auto wählt nur innerhalb der verfügbaren Optionen. Arbeitsweise und Prüfgrenze legst weiterhin du fest.

Probier es aus

Nimm einen kleinen Backlog-Eintrag. Schreibe in fünf Minuten drei Zeilen:

  1. Ergebnis: Welches prüfbare Ergebnis brauchst du?
  2. Arbeitsweise: Passt Chat, ein interaktiver Agent oder ein eigenständigerer Agent besser? Begründe es.
  3. Prüfung: Was kontrollierst du vor der Übernahme: Diff, Tests, Befehle oder alles drei?

Bei einer riskanten oder unbekannten Änderung beginnst du mit weniger Autonomie. In der Copilot-App dokumentiert GitHub die Sitzungsmodi Interactive, Plan und Autopilot getrennt von der Modellwahl. GitHub Docs Ein Plan kann den vorgeschlagenen Weg vor der Umsetzung sichtbar machen.

Darauf solltest du achten

„Chat“, „Coding-Agent“ und „Modell“ sind nützliche Lernbegriffe, aber keine überall einheitlichen Produktkategorien. Namen, verfügbare Modi und Berechtigungen unterscheiden sich je nach Anbieter und Oberfläche. Auch die Verfügbarkeit von Modellen kann von deinem Tarif, der Oberfläche, Organisationsrichtlinien und der aktuellen Verfügbarkeit abhängen. GitHub Docs

Betrachte weder ein stärkeres Modell noch die automatische Auswahl als Freigabe. Prüfe den Diff. Führe relevante Tests aus. Berücksichtige Sicherheitsfolgen und Befehle, die den Projekt- oder Systemzustand ändern könnten. Eine gute Standardregel lautet: Nutze Chat zum Verstehen, einen Agenten für klar abgegrenzte Aufgaben und bleibe selbst für die Abnahme verantwortlich.