LLMs and Agents in DevOps Workflows

• Doświadczenie w narzędziach i automatyzacji linii montażowych DevOps
• Znajomość pracy z Python i przepływami opartymi na Git
• Zrozumienie duzych modeli językowych lub ekspozycja na inżynierię pytań

Grupa docelowa

• Inżynierowie innowacji i liderzy platform zintegrowanych z AI
• Developerzy LLMs pracujący w DevOps lub automatyzacji
• Profesjonaliści DevOps eksplorujący ramy agentów inteligentnych

LLMs i autonomiczne ramy agentów, takie jak AutoGen i CrewAI, redefiniują sposób, w jaki zespoły DevOps automatyzują zadania, takie jak śledzenie zmian, generowanie testów i klasyfikacja alertów, symulując współpracę i podejmowanie decyzji w sposób przypominający człowieka.

To prowadzone przez instruktora szkolenie w trybie online lub stacjonarnym jest skierowane do zaawansowanych inżynierów, którzy chcą projektować i wdrażać automatyzowane przepływy pracy DevOps zasilane dużymi modelami językowymi (LLMs) i wieloagentowymi systemami.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Integrować agentów opartych na LLMs w przepływy pracy CI/CD dla inteligentnej automatyzacji.
• Automatyzować generowanie testów, analizę commitów i podsumowania zmian za pomocą agentów.
• Koordynować wiele agentów do klasyfikacji alertów, generowania odpowiedzi i dostarczania zaleceń dla DevOps.
• Budować bezpieczne i utrzymywalne przepływy pracy zasilane agentami za pomocą otwartych ram open-source.

Format kursu

• Interaktywna wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku live-lab.

Opcje dostosowania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, skontaktuj się z nami, aby umówić się.

Wprowadzenie do dużych modeli językowych i ram agentów

• Przegląd dużych modeli językowych w automatyzacji infrastruktury
• Kluczowe pojęcia w wieloagentowych przepływach pracy
• AutoGen, CrewAI i LangChain: przypadki użycia w DevOps

Konfiguracja agentów LLM dla zadań w DevOps

• Instalowanie AutoGen i konfigurowanie profilów agentów
• Używanie API OpenAI i innych dostawców LLM
• Konfiguracja przestrzeni roboczych i środowisk kompatybilnych z CI/CD

Automatyzacja przepływów pracy testowania i jakości kodu

• Wyzwalanie LLM do generowania testów jednostkowych i integracyjnych
• Używanie agentów do egzekwowania lintingu, reguł commitów i wytycznych recenzji kodu
• Automatyczne podsumowywanie i tagowanie pull requestów

Agenci LLM dla obsługi alertów i wykrywania zmian

• Projektowanie agentów odpowiedzi na alerty o awarii w rurociągu
• Analizowanie logów i śladów za pomocą modeli językowych
• Aktywne wykrywanie wysokiego ryzyka zmian lub nieprawidłowych konfiguracji

Koordynacja wieloagentowa w DevOps

• Orchestracja agentów na podstawie ról (planista, wykonawca, recenzent)
• Pętle komunikacji agentów i zarządzanie pamięcią
• Projektowanie z uwzględnieniem człowieka w pętli dla krytycznych systemów

Bezpieczeństwo, Governance i obserwowalność

• Zarządzanie eksponowaniem danych i bezpieczeństwem LLM w infrastrukturze
• Audytowanie działań agentów i ograniczenie zakresu
• Śledzenie zachowania rurociągu i opinii modelu

Realistyczne Use Casey i scenariusze niestandardowe

• Projektowanie przepływów agentów dla reagowania na incydenty
• Integracja agentów z GitHub Actions, Slack lub Jira
• Najlepsze praktyki dla skalowania integracji LLM w DevOps

Podsumowanie i następne kroki