Einrichtung des KI-Workflow-Kurses: Terminal, Git und Übungslabor

Table of Contents
Zurück zum praktischen KI-Workflow-Kurs
Richte einen sicheren Übungsbereich ein, bevor du einen Agenten verwendest. Lektion 1 und 2 funktionieren ohne dieses Labor im Browser. Kehre vor Lektion 3 hierher zurück, wenn du den vollständigen Kurs absolvieren möchtest. Für die praktischen Programmierlektionen brauchst du Git, Python 3.10 oder neuer und einen Coding-Agenten. Im Studienpfad ersetzen gekennzeichnete manuelle Aufgaben nicht verfügbare Agentenaktionen.
Lernziel: Du führst das Einstiegslabor aus, speicherst einen lokalen Ausgangsstand und erklärst, wie du eine entbehrliche Kopie zurücksetzt.
Wichtigste Erkenntnisse
- Browserpfad: Bearbeite Chat-, Planungs-, Quellenprüfungs- und Review-Übungen in ChatGPT oder Claude.
- Lokaler Pfad: Verwende für Programmierübungen ein Terminal und das bereitgestellte Python-Labor.
- Zurücksetzen: Entpacke eine neue Laborkopie, wenn eine Übung schiefgeht.
- Sicherheitsregel: Private Dateien, Kundendaten und Zugangsdaten gehören nicht ins Labor.
Wähle deinen Pfad
| Pfad | Voraussetzungen | Übungen |
|---|---|---|
| Einführung im Browser | Aktueller Browser und ChatGPT- oder Claude-Konto | Lektionen 1 und 2 sowie das Chat-Aufgabenpaket aus Lektion 1 |
| Praktisches Arbeiten lokal | Git, Python 3.10 oder neuer, Terminal und ein Coding-Agent | Dateien, Diffs, Tests und Änderungen des Agenten |
| Studienkurs | Browser, lokales Python 3.10 oder neuer und Git | Vollständige Laborprüfungen; nicht verfügbare Agenten- und MCP-Schritte sind als nicht ausgeführt markiert |
Angebote und Limits legt jedes Produkt selbst fest. Prüfe ChatGPT Projects und Claude Projects , bevor du dich auf eine Funktion verlässt. Der Studienpfad belegt keine praktische Fähigkeit mit einem nicht verfügbaren Coding-Agenten. Halte diesen Unterschied in deinen Abschlussnotizen fest.
Nutze einen Standardpfad: ChatGPT im Browser für Chatübungen, danach einen verfügbaren Coding-Agenten mit dem lokalen Labor. Claude ist eine gleichwertige Chat-Option. Für die Programmierphase stehen Codex CLI, Claude Code CLI und OpenCode zur Wahl. Du brauchst keine Konten bei allen Anbietern.
Notiere fünf Vorabprüfungen, bevor du einen Coding-Agenten öffnest. So unterscheidest du eine lokale Laborprüfung von einer Aussage über ein Konto oder einen gehosteten Arbeitsbereich.
| Prüfung | Notiz |
|---|---|
| Arbeitsbereich | Exakter entpackter Laborordner, den der Agent lesen soll |
| Ausführung | Lokaler Computer oder ausgewählter Remote-Arbeitsbereich |
| Anbieter | Für diese Aufgabe verwendetes Konto oder Modellanbieter |
| Berechtigungen | Ob Dateischreibzugriffe und Shell-Befehle erlaubt sind oder eine Freigabe brauchen |
| Ausgangsstand | Beobachtete Anzahl und zwei bestandene Tests vor Änderungen |
Halte das Übungs-Stammverzeichnis eng begrenzt. Ein gehosteter Arbeitsbereich braucht eine eigene Kopie des synthetischen Labors. Ein lokaler Lauf beweist nicht, dass die Remote-Kopie oder das Konto dieselben Dateien und Berechtigungen besitzt.
Lokale Begriffe verstehen
| Begriff | Einfache Bedeutung |
|---|---|
| Terminal | App, in der du Befehle eingibst |
| Shell | Software, die diese Befehle interpretiert |
| CLI | Kommandozeilenschnittstelle zu einem Programm |
| Arbeitsverzeichnis | Ordner, den ein Befehl standardmäßig verwendet |
| Repository | Von Git nachverfolgtes Projekt |
| Commit | Gespeicherter Git-Schnappschuss |
| Branch | Benannter Entwicklungszweig für Git-Änderungen |
| Diff | Anzeige hinzugefügter oder entfernter Zeilen |
| Prüfung | Wiederholbare Prüfung des erwarteten Verhaltens |
| Exit-Code | Zahl, die Erfolg oder Fehlschlag eines Befehls meldet |
Für das Einstiegslabor brauchst du GitHub nicht. Git läuft auf deinem Computer. GitHub ist ein separater Hosting-Dienst. Ein lokaler Commit speichert einen Stand, ohne deine Dateien irgendwohin zu senden.
Das Labor vorbereiten
Lade das
Kurs-Einstiegslabor
herunter und entpacke es in einen neuen Ordner, den du kontrollierst. Öffne dort ein Terminal. Auf macOS oder Linux öffnest du Terminal und wechselst mit cd in den entpackten Ordner. Unter Windows verwendest du PowerShell oder Windows Terminal und ebenfalls cd. Unter Windows heißt der Python-Befehl oft py -3 statt python3.
Installiere bei Bedarf
Python 3.10 oder neuer
und
Git
. Prüfe die installierten Werkzeuge vor dem Laborlauf. Die ersten beiden Befehle geben Versionsnummern aus. cd wechselt das Arbeitsverzeichnis. ls listet Dateien auf. Ersetze den Beispielpfad durch den tatsächlichen Pfad deines entpackten Ordners.
python3 --version
git --version
cd /path/to/effective-ai-course-lab
ls
In Windows PowerShell verwendest du py -3 --version, git --version, cd C:\path\to\effective-ai-course-lab und Get-ChildItem. Die Liste sollte task_report.py, tasks.json, tests und docs enthalten. Schlägt ein Versionsbefehl fehl, schließe erst die Installation ab.
pwd
python3 task_report.py tasks.json
python3 -m unittest discover -s tests -v
In Windows PowerShell kannst du pwd durch Get-Location ersetzen und python3 durch py -3, wenn Python den Launcher verwendet. Der erste Befehl zeigt den Pfad; er sollte auf deinen entpackten Laborordner enden. Prüfe auch die Dateinamen. Eine Datei namens AGENTS.md.txt ersetzt keine AGENTS.md. Aktiviere im Windows-Explorer die Dateinamenerweiterungen, damit du den vollständigen Namen siehst.
Erwartete Ausgabe: Der Bericht nennt Total tasks: 4. Der Testbefehl führt zwei Tests auf und endet mit OK. Eine Shell liefert bei Erfolg den Exit-Code null. Eine andere Anzahl oder ein Traceback bedeutet, dass du Ordner und Python-Einrichtung prüfen solltest.
Lies Befehle in ihren Bestandteilen. In python3 task_report.py tasks.json startet python3 Python, task_report.py ist das Programm und tasks.json benennt die Eingabedaten. Die ausgegebene Anzahl ist eine Ausgabe, kein weiterer Befehl. Nach einem Fehler zeigen macOS und Linux den Status mit echo $?. PowerShell stellt den Status des letzten nativen Programms über $LASTEXITCODE bereit.
Plane nach der Python-Installation etwa zehn Minuten für den ersten Lauf ein: Entpacke das Labor, führe den Bericht aus und vergleiche die Anzahl mit den vier Einträgen in tasks.json. Öffne die JSON-Datei in einem Texteditor und zähle die Einträge selbst.
Git sicher üben
Starte Git nur im entpackten Laborordner. Die Befehle speichern einen lokalen Stand. git status zeigt geänderte Dateien. git diff zeigt geänderte Zeilen, nachdem du eine nachverfolgte Datei bearbeitet hast.
git init
git add .
git commit -m "Kurslabor-Basisstand"
git status --short
Erwarteter Status: Nach dem Commit erscheinen keine Dateinamen. Fragt Git nach Name und E-Mail, richte in diesem Ordner eine nur für das Labor bestimmte Identität ein und wiederhole den Commit. Ersetze die Beispielwerte durch private Werte. Füge Identitäts- oder Zugangsdaten-Ausgaben nicht in einen öffentlichen Chat ein.
git config --local user.name "Kursteilnehmer"
git config --local user.email "[email protected]"
git commit -m "Kurslabor-Basisstand"
git status --short
Zum Zurücksetzen brauchst du keinen Git-Befehl. Speichere deine Notizen außerhalb des Labors, lösche die entpackte Übungskopie und entpacke die ursprüngliche ZIP-Datei erneut. Nutze das, wenn eine Änderung aus einer Lektion das Programm in einen unbekannten Zustand versetzt.
Deinen Übungsbereich schützen
Verwende synthetische Beispiele. Lade keine privaten Dokumente in ein Kursprojekt hoch. Füge keine API-Schlüssel in Prompts, Quelldateien, Screenshots oder Commits ein. Der Datei- und Befehlszugriff eines Coding-Agenten hängt von seinen Berechtigungen und dem geöffneten Ordner ab. Prüfe beides, bevor du ihn ausführen lässt.
Prüfe die Freigabe vor dem Hochladen. Projektdateien können für Projektmitglieder verfügbar sein. Befolge bei echter Arbeit die Richtlinien deiner Organisation. Der Kurs verwendet fiktive Daten, daher ist für das Labor keine besondere Freigabe nötig.
Üben und prüfen
Dein Ergebnis: Notiere den gewählten Pfad, die fünf Vorabfelder, die Anzahl im Bericht, das Testergebnis und die Zurücksetzmethode. Verwende eine frische Laborkopie, um das Zurücksetzen zu üben.
Erwartetes Verständnis: Du weißt, welcher Ordner von Befehlen betroffen ist, unterscheidest lokales Git von Hosting und kennst eine Wiederherstellungsmöglichkeit, bevor ein Agent Dateien ändert.
Verständnis prüfen
Frage: Schließt eine reine Browser-Einführung den lokalen Laborpfad ab? Antwort: Nein. Der vollständige Pfad setzt eine lokale Python- und Git-Ausgangsbasis voraus.
Frage: Was solltest du speichern, bevor du das entbehrliche Labor änderst? Antwort: Das bestandene Ergebnis des Starttests und einen sauberen Ausgangspunkt zum Zurücksetzen.
Fehlerbehebung
- Python-Befehl fehlt: Installiere Python 3 über den offiziellen Anbieter und öffne das Terminal erneut.
- Datei nicht gefunden: Prüfe das Arbeitsverzeichnis und liste die Dateien im entpackten Ordner auf.
- Tests starten nicht: Verwende genau den Befehl aus der README-Datei des entpackten Labors.
- Git verlangt eine Commit-Identität: Richte Git lokal ein und halte die gewählten Werte aus den Kursnotizen heraus.
Nächste Schritte
Fahre mit dem zuverlässigen KI-Workflow fort. Die erste Übung verwendet dieselbe synthetische Werkstatt, bevor ein Werkzeug echte Dateien erhält.
Kursnavigation: Kursübersicht .




