聯繫我們

課程簡介

LLM與代理框架簡介

  • 大語言模型在基礎設施自動化中的概述。
  • 多代理工作流中的關鍵概念。
  • AutoGen、CrewAI和LangChain在DevOps中的應用案例。

爲DevOps任務設置LLM代理

  • 安裝AutoGen並配置代理配置文件。
  • 使用OpenAI API及其他LLM提供商。
  • 設置工作空間和CI/CD兼容環境。

自動化測試與代碼質量工作流

  • 提示LLM生成單元和集成測試。
  • 使用代理強制執行代碼檢查、提交規則和代碼審查指南。
  • 自動化的拉取請求摘要與標記。

用於警報處理和變更檢測的LLM代理

  • 爲流水線故障警報設計響應代理。
  • 使用語言模型分析日誌和跟蹤。
  • 主動檢測高風險變更或配置錯誤。

DevOps中的多代理協調

  • 基於角色的代理編排(規劃者、執行者、審查者)。
  • 代理消息循環與內存管理。
  • 關鍵系統中的人機協作設計。

安全性、治理與可觀測性

  • 處理基礎設施中的數據暴露和LLM安全性。
  • 審計代理操作並限制範圍。
  • 跟蹤流水線行爲與模型反饋。

實際用例與自定義場景

  • 爲事件響應設計代理工作流。
  • 將代理與GitHub Actions、Slack或Jira集成。
  • 在DevOps中擴展LLM集成的最佳實踐。

總結與下一步

最低要求

  • 具備DevOps工具和流水線自動化經驗。
  • 熟悉Python和基於Git的工作流。
  • 瞭解LLM或接觸過提示工程。

目標受衆

  • 創新工程師和AI集成平臺負責人。
  • 從事DevOps或自動化的LLM開發者。
  • 探索智能代理框架的DevOps專業人員。
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類