Intrati in legatura

Schița de curs

Introducere în LLM-uri și Cadre de Agenți

  • Prezentare generală a modelelor de limbaj de mari dimensiuni 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 furnizori LLM
  • Configurarea spațiilor de lucru și a mediilor compatibile cu CI/CD

Automatizarea Fluxurilor de Lucru pentru Teste și Calitatea Codului

  • Generarea de teste unitare și de integrare folosind LLM-uri
  • Utilizarea agenților pentru a impune reguli de linting, commit și linii directoare pentru revizuirea codului
  • Rezumare și etichetare automată a cererilor de pull

Agenți LLM pentru Gestionarea Alertelor și Detectarea Modificărilor

  • Proiectarea agenților de răspuns pentru alerte de eșec ale pipeline-ului
  • Analiza jurnalelor și a urmelor folosind modele de limbaj
  • Detectarea proactivă a modificărilor sau a configurațiilor eronate de risc ridicat

Coordonarea Multi-Agent în DevOps

  • Orchestrarea agenților bazată pe roluri (planificator, executor, revizor)
  • Bucle de mesagerie ale agenților și gestionarea memoriei
  • Design cu omul în buclă pentru sisteme critice

Securitate, Guvernanță și Observabilitate

  • Gestionarea expunerii datelor și a siguranței LLM în infrastructură
  • Auditarea acțiunilor agenților și restricționarea domeniului de acțiune
  • Urmărirea comportamentului pipeline-ului și feedback-ul modelului

Cazuri de Utilizare din Lumea Reală și Scenarii Personalizate

  • Proiectarea fluxurilor de lucru ale agenților pentru răspuns la incidente
  • Integrarea agenților cu GitHub Actions, Slack sau Jira
  • Cele mai bune practici pentru scalarea integrării LLM în DevOps

Rezumat și Pași Următori

Cerințe

  • Experiență cu instrumente DevOps și automatizare de pipeline
  • Cunoștințe de lucru cu Python și fluxuri de lucru bazate pe Git
  • Înțelegere a LLM-urilor sau expunere la inginerie de prompt

Publicul țintă

  • Ingineri de inovație și lideri de platforme integrate cu AI
  • Dezvoltatori LLM care lucrează în DevOps sau automatizare
  • Profesioniști DevOps care explorează cadre de agenți inteligenți
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite