{"meta":{"title":"Schnellstart für GitHub Modelle","intro":"Führen Sie Ihr erstes Modell mit GitHub Models in Minuten aus.","product":"GitHub-Modelle","breadcrumbs":[{"href":"/de/github-models","title":"GitHub-Modelle"},{"href":"/de/github-models/quickstart","title":"Schnellstart"}],"documentType":"article"},"body":"# Schnellstart für GitHub Modelle\n\nFühren Sie Ihr erstes Modell mit GitHub Models in Minuten aus.\n\n## Einführung\n\nGitHub Models ist eine KI-Ableitungs-API, aus GitHub der Sie KI-Modelle nur mit Ihren GitHub Anmeldeinformationen ausführen können. Sie können aus vielen verschiedenen Modellen wählen – einschließlich OpenAI, Meta und DeepSeek – und verwenden Sie sie in Skripts, Apps oder sogar GitHub Actionsohne separaten Authentifizierungsprozess.\n\nDieser Leitfaden hilft dir, Modelle schnell im Playground auszuprobieren, und zeigt dir dann, wie du dein erstes Modell über die API oder den Workflow ausführst.\n\n## Schritt 1: Testen von Modellen im Playground\n\n1. Wechseln Sie zu ****.\n2. Wähle im Playground im Dropdownmenü mindestens ein Modell aus.\n3. Teste verschiedene Prompts mithilfe der Ansicht **Chat**, und vergleiche Antworten aus verschiedenen Modellen.\n4. Verwende die Ansicht **Parameters**, um die Parameter für die Modelle anzupassen, die du testest, und sieh dir dann an, wie sich diese auf Antworten auswirken.\n\n > \\[!NOTE]\n > Der Playground funktioniert sofort, wenn Sie bei GitHub angemeldet sind. Es verwendet Ihr GitHub Konto für den Zugriff – es sind keine Setup- oder API-Schlüssel erforderlich.\n\n## Schritt 2: Ausführen eines API-Aufrufs\n\nAusführliche Informationen zu verfügbaren Feldern, Headern und Anforderungsformaten finden Sie in der [API-Referenz für GitHub Models](/de/rest/models/inference?apiVersion=2022-11-28).\n\nUm Modelle programmgesteuert aufzurufen, benötigst du Folgendes:\n\n* Ein GitHub Konto.\n* A personal access token (PAT) mit dem `models` Bereich, den Sie [in den Einstellungen](https://github.com/settings/tokens) erstellen können.\n\n1. Führe den folgenden Befehl `curl` aus, und ersetze dabei `YOUR_GITHUB_PAT` durch deinen Token.\n\n ```bash copy\n curl -L \\\n -X POST \\\n -H \"Accept: application/vnd.github+json\" \\\n -H \"Authorization: Bearer YOUR_GITHUB_PAT\" \\\n -H \"X-GitHub-Api-Version: 2022-11-28\" \\\n -H \"Content-Type: application/json\" \\\n https://models.github.ai/inference/chat/completions \\\n -d '{\"model\":\"openai/gpt-4.1\",\"messages\":[{\"role\":\"user\",\"content\":\"What is the capital of France?\"}]}'\n ```\n\n2. Du erhältst eine Antwort wie die Folgende:\n\n ```json\n {\n \"choices\": [\n {\n \"message\": {\n \"role\": \"assistant\",\n \"content\": \"The capital of France is **Paris**.\"\n }\n }\n ],\n ...other fields omitted\n }\n ```\n\n3. Wenn Sie andere Modelle ausprobieren möchten, ändern Sie den Wert des Felds `model` in der JSON-Nutzlast in eine von [marketplace](https://github.com/marketplace/models).\n\n## Schritt 3: Ausführen von Modellen in GitHub Actions\n\n1. Erstellen Sie in Ihrem Repository eine Workflowdatei unter `.github/workflows/models-demo.yml`.\n\n2. Füge den folgenden Workflow in die soeben erstellte Datei ein.\n\n ```yaml copy\n name: Use GitHub Models\n\n on: [push]\n\n permissions:\n models: read\n\n jobs:\n call-model:\n runs-on: ubuntu-latest\n steps:\n - name: Call AI model\n env:\n GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n run: |\n curl \"https://models.github.ai/inference/chat/completions\" \\\n -H \"Content-Type: application/json\" \\\n -H \"Authorization: Bearer $GITHUB_TOKEN\" \\\n -d '{\n \"messages\": [\n {\n \"role\": \"user\",\n \"content\": \"Explain the concept of recursion.\"\n }\n ],\n \"model\": \"openai/gpt-4o\"\n }'\n ```\n\n > \\[!NOTE]\n > Workflows, die GitHub Models aufrufen, müssen `models: read` im Berechtigungsblock enthalten.\n > GitHub-gehostete Runner stellen automatisch ein `GITHUB_TOKEN` bereit.\n\n3. Committe und pushe, um den Workflow auszulösen.\n\nIn diesem Beispiel wird gezeigt, wie du einen Prompt an ein Modell sendest und die Antwort in deinen CI-Workflows (Continuous Integration) verwendest. Weitere Anwendungsfälle, z. B. das Zusammenfassen von Problemen, das Erkennen fehlender Wiedergabeschritte für Fehlerberichte oder das Reagieren auf Pullanforderungen finden Sie unter [Konfigurieren des Zugriffs auf KI-Modelle in GitHub Copilot](/de/github-models/use-github-models/integrating-ai-models-into-your-development-workflow).\n\n## Schritt 4: Speichern der ersten Promptdatei\n\nGitHub Models unterstützt wiederverwendbare Eingabeaufforderungen, die in `.prompt.yml` Dateien definiert sind. Nachdem du diese Datei deinem Repository hinzugefügt hast, wird sie auf der Seite „Models“ deines Repositorys angezeigt und kann direkt im Prompt-Editor und in den Auswertungstools ausgeführt werden. Erfahren Sie mehr über [Speichern von Prompts in GitHub-Repositorys](/de/github-models/use-github-models/storing-prompts-in-github-repositories).\n\n1. Erstelle in deinem Repository eine Datei mit dem Namen `summarize.prompt.yml`. Du kannst sie in einem beliebigen Verzeichnis speichern.\n\n2. Füge den folgenden Prompt in die soeben erstellte Datei ein.\n\n ```yaml copy\n name: Text Summarizer\n description: Summarizes input text concisely\n model: openai/gpt-4o-mini\n modelParameters:\n temperature: 0.5\n messages:\n - role: system\n content: You are a text summarizer. Your only job is to summarize text given to you.\n - role: user\n content: |\n Summarize the given text, beginning with \"Summary -\":\n \n {{input}}\n \n ```\n\n3. Committe die Datei, und pushe sie in dein Repository.\n\n4. Wechsle in deinem Repository auf die Registerkarte **Models**.\n\n5. Klicken Sie im Navigationsmenü auf ** \"Eingabeaufforderungen**\", und klicken Sie dann auf die Eingabeaufforderungsdatei.\n\n6. Der Prompt wird im Prompt-Editor geöffnet. Klicken Sie auf **Ausführen**. Es wird eine rechte Seitenleiste angezeigt, in der du aufgefordert wirst, Eingabetext einzugeben. Gib einen beliebigen Eingabetext ein, und klicke dann in der unteren rechten Ecke auf **Run**, um ihn zu testen.\n\n > \\[!NOTE]\n > Der Prompteditor übergibt Repository-Inhalte nicht automatisch an die Prompts. Du gibst die Eingabe manuell an.\n\n## Schritt 5: Einrichten deiner ersten Auswertung\n\nAuswertungen helfen dir zu messen, wie verschiedene Modelle auf dieselben Eingaben reagieren, sodass du das Beste für deinen Anwendungsfall auswählen kannst.\n\n1. Gehen Sie zurück zu der Datei `summarize.prompt.yml`, die Sie im vorherigen Schritt erstellt haben.\n\n2. Aktualisiere die Datei entsprechend dem folgenden Beispiel.\n\n ```yaml copy\n name: Text Summarizer\n description: Summarizes input text concisely\n model: openai/gpt-4o-mini\n modelParameters:\n temperature: 0.5\n messages:\n - role: system\n content: You are a text summarizer. Your only job is to summarize text given to you.\n - role: user\n content: |\n Summarize the given text, beginning with \"Summary -\":\n \n {{input}}\n \n testData:\n - input: |\n The quick brown fox jumped over the lazy dog.\n The dog was too tired to react.\n expected: Summary - A fox jumped over a lazy, unresponsive dog.\n - input: |\n The museum opened a new dinosaur exhibit this weekend. Families from all\n over the city came to see the life-sized fossils and interactive displays.\n expected: Summary - The museum's new dinosaur exhibit attracted many families with its fossils and interactive displays.\n evaluators:\n - name: Output should start with 'Summary -'\n string:\n startsWith: 'Summary -'\n - name: Similarity\n uses: github/similarity\n ```\n\n3. Committe die Datei, und pushe sie in dein Repository.\n\n4. Klicken Sie in Ihrem Repository auf die Registerkarte **\"Modelle**\". Klicken Sie dann auf **\"Eingabeaufforderungen\", und öffnen Sie** dieselbe Eingabeaufforderung im Eingabeaufforderungs-Editor erneut.\n\n5. In der oberen linken Ecke kannst du die Ansicht von **Edit** in **Compare** umschalten. Klicken Sie auf **Vergleichen**.\n\n6. Ihre Evaluation wird automatisch eingerichtet. Klicke auf **Run**, um die Ergebnisse anzuzeigen.\n\n > \\[!TIP]\n > Durch Klicken auf **Add prompt** kannst du denselben Prompt mit unterschiedlichen Modellen ausführen oder die Formulierung des Prompt ändern, um Rückschlussantworten mit mehreren Variationen gleichzeitig zu erhalten und Auswertungen nebeneinander anzuzeigen, um datengesteuerte Modellentscheidungen zu treffen.\n\n## Nächste Schritte\n\n* [Informationen zu GitHub Modellen](/de/github-models/about-github-models).\n* [Durchsuchen Sie den Modellkatalog](https://github.com/marketplace?type=models)\n* [Speichern von Prompts in GitHub-Repositorys](/de/github-models/use-github-models/storing-prompts-in-github-repositories)\n* [Auswerten von KI-Modellen](/de/github-models/use-github-models/evaluating-ai-models)\n* [Konfigurieren des Zugriffs auf KI-Modelle in GitHub Copilot](/de/github-models/use-github-models/integrating-ai-models-into-your-development-workflow#using-ai-models-with-github-actions)"}