LLMs and Agents in DevOps Workflows

• 具备DevOps工具和管道自动化的经验
• 熟悉Python和基于Git的工作流程
• 了解LLM或接触过提示工程

受众

• 创新工程师和AI集成平台负责人
• 在DevOps或自动化领域工作的LLM开发者
• 探索智能代理框架的DevOps专业人员

LLMs和自主代理框架如AutoGen和CrewAI正在重新定义DevOps团队如何通过模拟人类协作和决策来自动化任务，例如变更跟踪、测试生成和警报分类。

本课程为讲师主导的培训（线上或线下），面向希望设计和实施由大型语言模型（LLMs）和多代理系统驱动的DevOps自动化工作流程的高级工程师。

培训结束后，学员将能够：

• 将基于LLM的代理集成到CI/CD工作流程中，实现智能自动化。
• 使用代理自动化测试生成、提交分析和变更摘要。
• 协调多个代理进行警报分类、生成响应和提供DevOps建议。
• 使用开源框架构建安全且可维护的代理驱动工作流程。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

LLMs与Agent框架简介

• 大型语言模型在基础设施自动化中的概述
• 多Agent工作流程的关键概念
• AutoGen、CrewAI和LangChain：DevOps中的使用案例

为DevOps任务设置LLM Agents

• 安装AutoGen并配置Agent配置文件
• 使用OpenAI API和其他LLM提供者
• 设置工作空间和CI/CD兼容的环境

自动化测试与代码质量工作流程

• 提示LLMs生成单元和集成测试
• 使用Agent执行Linting、提交规则和代码审查指南
• 自动化的拉取请求摘要和标记

LLM Agents用于警报处理与变更检测

• 设计用于管道故障警报的响应Agent
• 使用语言模型分析日志和追踪
• 主动检测高风险变更或错误配置

DevOps中的多Agent协调

• 基于角色的Agent协调（规划者、执行者、审查者）
• Agent消息循环与记忆管理
• 关键系统中的人机交互设计

安全性、Go治理与可观测性

• 处理基础设施中的数据暴露和LLM安全性
• 审计Agent行为并限制范围
• 跟踪管道行为和模型反馈

实际Use Case案例与自定义场景

• 设计用于事件响应的Agent工作流程
• 将Agent与GitHub Actions、Slack或Jira集成
• DevOps中扩展LLM集成的最佳实践

总结与下一步