感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
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
最低要求
- 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
14 時間:
客戶評論 (1)
培訓師即時回答問題。
Adrian
課程 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
機器翻譯