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與Agent框架簡介

• 大型語言模型在基礎設施自動化中的概述
• 多Agent工作流程的關鍵概念
• AutoGen、CrewAI和LangChain：DevOps中的使用案例

為DevOps任務設置LLM Agents

• 安裝AutoGen並配置Agent配置文件
• 使用OpenAI API和其他LLM提供者
• 設置工作空間和CI/CD兼容的環境

自動化測試與代碼質量工作流程

• 提示LLMs生成單元和集成測試
• 使用Agent執行Linting、提交規則和代碼審查指南
• 自動化的拉取請求摘要和標記

LLM Agents用於警報處理與變更檢測

• 設計用於管道故障警報的響應Agent
• 使用語言模型分析日誌和追踪
• 主動檢測高風險變更或錯誤配置

DevOps中的多Agent協調

• 基於角色的Agent協調（規劃者、執行者、審查者）
• Agent消息循環與記憶管理
• 關鍵系統中的人機交互設計

安全性、Go治理與可觀測性

• 處理基礎設施中的數據暴露和LLM安全性
• 審計Agent行為並限制範圍
• 跟踪管道行為和模型反饋

實際Use Case案例與自定義場景

• 設計用於事件響應的Agent工作流程
• 將Agent與GitHub Actions、Slack或Jira集成
• DevOps中擴展LLM集成的最佳實踐

總結與下一步