LFCS-Tutorials

LabEx bietet den Online OpenClaw Playground an, ein quelloffenes Framework für autonome KI-Agenten, das für die lokale Ausführung mit Unterstützung für Multi-Channel-Messaging entwickelt wurde.

LabEx bietet den Online Codex Playground an, ein umfassendes KI-Agenten-Ökosystem von OpenAI, das für agentenbasiertes Coding und End-to-End-Software-Engineering-Aufgaben entwickelt wurde.

LabEx bietet einen Online Claude Code Playground an – ein agentenbasiertes KI-Tool von Anthropic, das Software-Engineering-Aufgaben direkt in Ihrem Playground und in Cloud-Sandboxes automatisiert.

LabEx bietet einen Online OpenCode Playground an – eine agentenbasierte KI-Programmierumgebung, die für CLI-orientierte Workflows entwickelt wurde und es Ihnen ermöglicht, Code autonom zu planen, zu implementieren und zu refaktorisieren.

Üben Sie Threat Modeling, indem Sie einen kleinen Login-Dienst untersuchen und Assets, Vertrauensgrenzen, Angriffsvektoren sowie Gegenmaßnahmen in einem strukturierten JSON-Modell erfassen.

Üben Sie das Prinzip der mehrschichtigen Verteidigung (Defense in Depth), indem Sie Token-Prüfungen, lokale Bindungen, Dateiberechtigungen und Protokollierung für abgelehnte Zugriffe in einen kleinen lokalen Dienst integrieren.

Üben Sie die Multi-Faktor-Authentifizierung, indem Sie ein lokales Python-Login-Skript von reinem Passwort-Zugriff auf Passwort plus einen HMAC-basierten Code umstellen.

In diesem Lab lernen Sie, wie Sie JSON-Konfigurationsdateien mit Python parsen, ändern und speichern. Diese Fähigkeit ist für die Verwaltung strukturierter Daten in modernen Anwendungen unerlässlich.

In diesem Lab lernen Sie, wie Sie Konfigurationen und vertrauliche Daten in Kubernetes mithilfe von ConfigMaps und Secrets verwalten. Sie trennen die Konfiguration vom Code und injizieren Secrets sicher in Pods.

In diesem Lab lernen Sie, wie Sie Linux-Shell-Befehle aus einem Python-Skript heraus mit dem Modul subprocess ausführen, deren Ausgabe erfassen und mögliche Fehler sicher behandeln.

In diesem Lab lernen Sie, wie Sie Fehler in Kubernetes-Workloads beheben, indem Sie einen fehlerhaften Pod untersuchen. Sie stellen einen Pod mit einem Konfigurationsfehler bereit, ermitteln das Problem mithilfe von Statusprüfungen und Events und beheben den Fehler, um den Workload wiederherzustellen.

In diesem Lab lernen Sie, von Bash-Skripten zu Python-Skripten zu wechseln, Versionen zu prüfen, die REPL zu verwenden und ausführbare Python-Skripte zu erstellen.

In diesem Lab lernen Sie, mit Pythons Standardbibliothek urllib einen Netzwerkverfügbarkeitsprüfer zu erstellen, ohne externe Pakete zu installieren.

In diesem Lab lernen Sie, wie Sie Ihre Terraform-Konfigurationen mithilfe von Variablen und Ausgaben dynamisch gestalten. Sie definieren Eingabevariablen, um Containernamen anzupassen, und verwenden Ausgabewerte, um Ressourcen-IDs anzuzeigen.

In diesem Lab lernen Sie die Grundlagen des Debuggings in Kubernetes, indem Sie mit laufenden Pods interagieren. Sie zeigen Logs an, führen Befehle in Containern aus und leiten Ports weiter.

In diesem Lab lernen Sie das grundlegende Konzept von Kubernetes-Pods kennen, indem Sie einen einfachen Nginx-Pod erstellen, bereitstellen und untersuchen.

In diesem Lab lernen Sie, wie Sie eine Kubernetes-Anwendung mithilfe eines NodePort-Service für externen Datenverkehr verfügbar machen. Sie definieren ein Service-Manifest, gleichen Selektoren mit Pod-Labels ab und greifen über einen Browser auf die Anwendung zu.

In diesem Lab lernen Sie, wie Sie Ihren Terraform-Code in wiederverwendbare Module aufteilen. Sie erstellen ein Webserver-Modul und instanziieren es mehrfach, um die Vorteile modularer Infrastruktur zu verstehen.