Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 14 ore
Schița de curs
Introducere în LLM-uri și framework-uri de agenți
- Prezentarea modelelor de limbaj mari în automatizarea infrastructurii
- Concepte cheie în fluxurile de lucru multi-agent
- AutoGen, CrewAI și LangChain: cazuri de utilizare în DevOps
Configurarea agenților LLM pentru sarcini DevOps
- Instalarea AutoGen și configurarea profilurilor de agenți
- Utilizarea API-ului OpenAI și a altor provideri de LLM-uri
- Configurarea workspaces-urilor și a mediilor compatibile CI/CD
Automatizarea fluxurilor de lucru pentru testare și calitatea codului
- Prompt-uri pentru LLM-uri pentru generarea testelor unitare și de integrare
- Utilizarea agenților pentru aplicarea linting-ului, a regulilor de commit și a ghidurilor de code review
- Rezumat automat al pull request-urilor și adăugarea de tag-uri
Agenți LLM pentru gestionarea alertelor și detectarea modificărilor
- Proiectarea agenților responder pentru alertele de eșec în pipeline
- Analiza log-urilor și a trace-urilor utilizând modele de limbaj
- Detectarea proactivă a modificărilor cu risc ridicat sau a erorilor de configurare
Coordonare multi-agent în DevOps
- Orchestrare a agenților bazată pe roluri (planificator, executor, reviewer)
- Bucle de comunicare între agenți și gestionarea memoriei
- Design „human-in-the-loop” pentru sisteme critice
Securitate, guvernanță și observabilitate
- Gestionarea expunerii datelor și siguranța LLM-urilor în infrastructură
- Auditarea acțiunilor agenților și restricționarea domeniului de acțiune
- Monitorizarea comportamentului pipeline-urilor și feedback-ul modelului
Cazuri de utilizare reale și scenarii personalizate
- Proiectarea fluxurilor de lucru ale agenților pentru răspunsul la incidente
- Integrarea agenților cu GitHub Actions, Slack sau Jira
- Practici recomandate pentru scalarea integrării LLM-urilor în DevOps
Rezumat și pașii următori
Cerințe
- Experiență cu instrumentele DevOps și automatizarea pipeline-urilor
- Cunoștințe practice în Python și fluxuri de lucru bazate pe Git
- Înțelegerea funcționării LLM-urilor sau experiență cu prompt engineering
Public țintă
- Ingineri de inovație și lideri de platformă integrați cu AI
- Dezvoltatori de LLM-uri care lucrează în DevOps sau automatizare
- Profesioniști DevOps care explorează framework-uri de agenți inteligenți