Schulung – OpenAI Codex – Go

OpenAI Codex für Go-Entwickler:innen

Mit OpenAI Codex Entwicklungsaufgaben delegieren: CLI und Cloud-Agent, AGENTS.md, Sandboxing, Freigaben und PR-Workflows im Team.

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „OpenAI Codex für Go-Entwickler:innen“ richtet sich an Rollen wie Go-Entwickler:innen in Backend- und Plattformteams, Entwickler:innen von Cloud-native-Tools, Operatoren und CLIs und Site Reliability Engineers mit eigenem Go-Code und zeigt Schritt für Schritt, wie OpenAI Codex im Bereich Go produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

OpenAI Codex ist ein Coding-Agent, der sowohl lokal als Kommandozeilenwerkzeug und IDE-Erweiterung als auch als Cloud-Agent arbeitet. Lokal liest Codex Ihr Repository, schlägt Änderungen vor und führt Befehle in einer abgesicherten Umgebung aus. In der Cloud bearbeitet Codex delegierte Aufgaben parallel in isolierten Containern und liefert die Ergebnisse als nachvollziehbare Diffs oder Pull Requests. In diesem kompakten Training lernen Sie, beide Arbeitsweisen sinnvoll zu kombinieren und Aufgaben so zu schneiden, dass der Agent sie zuverlässig erledigt.

Zentrale Themen sind Steuerung und Sicherheit: Mit AGENTS.md geben Sie Codex Projektwissen, Build- und Testbefehle sowie Konventionen mit. Sie konfigurieren Freigabemodi und Sandboxing, damit der Agent nur das tut, was Sie erlauben, und richten Cloud-Umgebungen mit passenden Setup-Skripten ein. Außerdem binden Sie Codex in Ihre Pull-Request-Workflows ein, nutzen automatisierte Code-Reviews und entwickeln Regeln dafür, welche Aufgaben im Team delegiert werden und wie die Ergebnisse vor dem Merge geprüft werden.

Go ist die Sprache vieler Cloud-native-Werkzeuge, Microservices, CLIs und Infrastruktur-Komponenten. Ihre Stärke liegt in Einfachheit, schneller Kompilierung und eingebauter Nebenläufigkeit – doch gerade Goroutines, Channels, Context-Handling und Fehlerbehandlung verlangen Disziplin. KI-Coding-Assistenten und Agenten passen gut zu dieser Sprache: Der Compiler, go vet und der Race Detector liefern schnelles, eindeutiges Feedback, mit dem Agenten iterativ arbeiten können. Typische Aufgaben sind tabellengetriebene Tests, gRPC- und HTTP-Handler aus Spezifikationen, das Aufspüren von Race Conditions oder Goroutine-Leaks sowie Refactorings hin zu klaren Interfaces. Im Kurs lernen Sie, idiomatisches Go von KI erzeugen zu lassen und die Ergebnisse mit Go-eigenen Werkzeugen abzusichern.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Go-Entwickler:innen in Backend- und Plattformteams
  • Entwickler:innen von Cloud-native-Tools, Operatoren und CLIs
  • Site Reliability Engineers mit eigenem Go-Code
  • Software-Architekt:innen für hochperformante Microservices

Typische Herausforderungen, die wir adressieren

  • Subtile Nebenläufigkeitsfehler wie Race Conditions, Deadlocks und Goroutine-Leaks
  • Wiederholender Boilerplate-Code in Fehlerbehandlung, Handlern und Tests
  • Uneinheitliche Projektstrukturen und Interface-Schnitte in wachsenden Codebasen
  • Schwierige Performance-Analyse von Speicherallokationen und Latenzen

Das können Sie nach dem Training

  • Sie setzen Codex lokal und in der Cloud gezielt für passende Entwicklungsaufgaben ein.
  • Sie schreiben eine AGENTS.md, die den Agenten zuverlässig durch Ihr Projekt führt.
  • Sie konfigurieren Freigabemodi und Sandboxing passend zu Ihren Sicherheitsanforderungen.
  • Sie delegieren Aufgaben an den Cloud-Agenten und prüfen die Ergebnisse systematisch.
  • Sie lassen KI-Agenten idiomatischen Go-Code, Tests und Services erzeugen, die Go-Konventionen folgen.
  • Sie nutzen KI gezielt zur Analyse von Nebenläufigkeits- und Performance-Problemen.
  • Sie sichern generierten Code mit Compiler, go vet, Race Detector, Linting und Benchmarks ab.

Inhalte & Ablauf

Modul 1 Codex im Überblick: CLI, IDE und Cloud
  • Arbeitsweisen von Codex lokal und in der Cloud vergleichen
  • Codex CLI installieren, anmelden und im Repository starten
  • Interaktive Sitzungen, nicht-interaktive Ausführung und Modellwahl
  • Geeignete und ungeeignete Aufgaben für einen Coding-Agenten unterscheiden
Modul 2 Projektwissen mit AGENTS.md
  • AGENTS.md mit Build-, Test- und Lint-Befehlen aufbauen
  • Konventionen, Architekturhinweise und Verbote präzise formulieren
  • Verschachtelte AGENTS.md-Dateien für Monorepos und Teilprojekte nutzen
  • Wirksamkeit prüfen und Anweisungen iterativ verbessern
Modul 3 Sandboxing, Freigaben und Sicherheit
  • Freigabemodi von nur lesend bis weitgehend autonom bewusst wählen
  • Sandbox-Grenzen für Dateisystem und Netzwerkzugriff verstehen
  • Umgang mit Secrets, Abhängigkeiten aus dem Internet und Prompt Injection
  • Konfigurationsdateien für Team-Standards und sichere Voreinstellungen
Modul 4 Aufgaben an den Cloud-Agenten delegieren
  • Cloud-Umgebungen mit Setup-Skripten und Abhängigkeiten konfigurieren
  • Aufgaben mit klarem Ziel, Kontext und Abnahmekriterien formulieren
  • Mehrere Aufgaben parallel starten und Ergebnisse vergleichen
  • Logs und Testausgaben nutzen, um Lösungen nachzuvollziehen
Modul 5 PR-Workflows und Code-Review im Team
  • Ergebnisse als Pull Request übernehmen und nachbessern lassen
  • Automatisierte Code-Reviews durch Codex in GitHub einsetzen
  • Codex in Skripte und CI-Pipelines einbinden
  • Teamregeln für Delegation, Review-Pflichten und Verantwortlichkeiten festlegen
Modul 6 Praxislabor: Go
  • Tabellengetriebene Tests schreiben
  • gRPC- und HTTP-Services implementieren
  • Nebenläufigkeitsfehler finden
  • Idiomatische Refactorings
  • Performance profilieren
  • CLIs und Tools bauen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Go-Werkzeuge laufen oft tief in der Infrastruktur: Halten Sie Kubeconfigs, Tokens und Zertifikate strikt aus dem Kontext von KI-Assistenten heraus. Prüfen Sie neue Module auf Herkunft, Lizenz und bekannte Schwachstellen, etwa mit govulncheck, und dokumentieren Sie Abhängigkeiten in einer SBOM, wie sie der Cyber Resilience Act für Produkte mit digitalen Elementen fordert.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

Tabellengetriebene Tests schreiben

Der Agent erzeugt idiomatische Table-Driven-Tests mit Subtests, Testhelfern und Fakes für Interfaces, führt go test mit Race Detector aus und ergänzt fehlende Grenzfälle, bis die Abdeckung stimmt.

gRPC- und HTTP-Services implementieren

Aus Protobuf-Definitionen oder OpenAPI-Spezifikationen entstehen Handler, Middleware für Logging und Authentifizierung, Context-Weitergabe mit Timeouts und saubere Fehlerrückgaben. Integrationstests prüfen die Endpunkte gegen realistische Anfragen und Fehlerfälle.

Nebenläufigkeitsfehler finden

Die KI analysiert Ausgaben des Race Detectors, Goroutine-Dumps und Code mit Channels oder Mutexen, erklärt die Ursache von Deadlocks oder Leaks und schlägt Korrekturen mit errgroup oder Context-Abbruch vor.

Idiomatische Refactorings

Große Pakete werden entflochten, kleine konsumentenseitige Interfaces eingeführt, Fehler mit Wrapping und errors.Is aufbereitet und Code an Linter-Regeln von golangci-lint angepasst. Das Verhalten bleibt durch bestehende Tests abgesichert.

Performance profilieren

pprof-Profile und Benchmark-Ergebnisse werden ausgewertet, Hotspots und unnötige Allokationen identifiziert und Optimierungen mit Vorher-nachher-Benchmarks belegt. So werden Verbesserungen messbar statt nur vermutet, und Regressionen fallen früh auf.

CLIs und Tools bauen

Der Assistent erstellt Kommandozeilenwerkzeuge mit Cobra oder der Standardbibliothek, inklusive Konfiguration, strukturiertem Logging, Cross-Compilation und Release-Automatisierung. Ergänzt werden Tests, Hilfetexte und eine verständliche Dokumentation der Befehle.

Mögliche Praxisprojekte im Kurs

Health-Check-Aggregator

Ein Go-Dienst, der Health-Endpunkte vieler Services parallel abfragt, Ergebnisse zusammenführt und als JSON sowie Prometheus-Metriken bereitstellt. Zeitüberschreitungen und Fehler werden sauber behandelt und protokolliert.

Log-Shipper-CLI

Ein schlankes Kommandozeilentool, das Logdateien beobachtet, Einträge filtert und gebündelt an einen HTTP-Endpunkt sendet – mit Backoff und Graceful Shutdown.

Kubernetes-Ressourcenbericht

Ein CLI auf Basis von client-go, das Ressourcenanforderungen und Limits aller Deployments ausliest und Auffälligkeiten tabellarisch darstellt. Die Ausgabe ist auch als JSON verfügbar.

Voraussetzungen

Sie haben praktische Programmiererfahrung, arbeiten sicher mit Git und der Kommandozeile und kennen Pull-Request-basierte Workflows. Praktische Erfahrung mit Go einschließlich Goroutines, Interfaces und Modulen sowie Grundkenntnisse in Git und Containern.

Technische Voraussetzungen

Eigener Laptop mit Terminal, Git und Node.js-Laufzeit; ein ChatGPT-Plan mit Codex-Zugang oder ein OpenAI-API-Schlüssel sowie ein GitHub-Konto für die Cloud-Übungen.

Datenschutz & Compliance

Go-Werkzeuge laufen oft tief in der Infrastruktur: Halten Sie Kubeconfigs, Tokens und Zertifikate strikt aus dem Kontext von KI-Assistenten heraus. Prüfen Sie neue Module auf Herkunft, Lizenz und bekannte Schwachstellen, etwa mit govulncheck, und dokumentieren Sie Abhängigkeiten in einer SBOM, wie sie der Cyber Resilience Act für Produkte mit digitalen Elementen fordert.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Do, 10. Dezember 2026 6 Std. Anfragen
  • Salzburg Fr, 11. Dezember 2026 6 Std. Anfragen
  • Berlin Do, 10. Dezember 2026 6 Std. Anfragen
  • Augsburg Di, 15. Dezember 2026 6 Std. Anfragen
  • Hannover Do, 10. Dezember 2026 6 Std. Anfragen
  • Bremen Mi, 16. Dezember 2026 6 Std. Anfragen
  • Stuttgart Mi, 16. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Mo, 14. Dezember 2026 6 Std. Anfragen
  • Online Mi, 16. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Wann nutze ich Codex lokal und wann in der Cloud?

Lokal arbeiten Sie interaktiv und eng am Code, etwa beim Debugging oder bei explorativen Änderungen, bei denen Sie jeden Schritt verfolgen möchten. Der Cloud-Agent eignet sich für klar umrissene Aufgaben, die unabhängig ablaufen können, beispielsweise Tests ergänzen oder kleinere Fehler beheben. Mehrere solcher Aufgaben lassen sich parallel starten und anschließend als Pull Request prüfen.

Was gehört in eine gute AGENTS.md?

Eine gute AGENTS.md beschreibt, wie das Projekt gebaut, getestet und geprüft wird, welche Konventionen gelten und welche Bereiche nicht angefasst werden sollen. Sie ist knapp, konkret und aktuell. Hilfreich sind außerdem Hinweise zur Architektur und zu typischen Stolperfallen. Im Kurs entwickeln Sie eine AGENTS.md für ein eigenes Projekt und testen deren Wirkung.

Wie sicher ist es, Codex Befehle ausführen zu lassen?

Codex arbeitet standardmäßig in einer Sandbox mit eingeschränktem Datei- und Netzwerkzugriff und fragt vor riskanten Schritten nach Freigabe. Wie viel Autonomie Sie gewähren, legen Sie über Freigabemodi und Konfiguration fest. Im Kurs lernen Sie, diese Einstellungen bewusst zu wählen und Risiken wie Prompt Injection oder das Ausführen unbekannter Abhängigkeiten zu begrenzen.

Schreibt die KI wirklich idiomatisches Go?

Mit gutem Kontext ja. Ohne Vorgaben neigen Modelle manchmal zu Mustern aus anderen Sprachen, etwa zu großen Interfaces oder übermäßiger Abstraktion. Im Kurs hinterlegen Sie Ihre Go-Konventionen, Linter-Konfiguration und Beispielcode so, dass der Assistent einfachen, idiomatischen Code bevorzugt, und prüfen die Ergebnisse mit golangci-lint.

Kann die KI Race Conditions zuverlässig finden?

Die KI ist ein starkes Analysewerkzeug, ersetzt aber nicht den Race Detector. Am besten wirkt die Kombination: Der Agent führt Tests mit Race Detector aus, interpretiert die Berichte und schlägt Korrekturen vor. Sie lernen, diesen Ablauf aufzusetzen und vorgeschlagene Synchronisationsänderungen kritisch zu bewerten.

Was kostet die Schulung „OpenAI Codex für Go-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für Go-Entwickler:innen

Weitere Kurse zu OpenAI Codex

Alle 32 Kurse zu OpenAI Codex

OpenAI Codex – MünchenOpenAI Codex – SalzburgOpenAI Codex – BerlinOpenAI Codex – AugsburgOpenAI Codex – HannoverOpenAI Codex – BremenOpenAI Codex – StuttgartOpenAI Codex – KaiserslauternOpenAI Codex – Online