聯繫我們
 課程時長 14 時間:

課程簡介

LLMs與智能體框架入門

  • 大型語言模型在基礎設施自動化中的概覽
  • 多智能體工作流程的關鍵概念
  • AutoGen、CrewAI和LangChain在DevOps中的應用案例

為DevOps任務設置LLM智能體

  • 安裝AutoGen並配置智能體配置文件
  • 使用OpenAI API及其他LLM服務提供商
  • 設置工作區及與CI/CD兼容的環境

自動化測試與代碼質量工作流程

  • 提示LLM生成單元測試和集成測試
  • 使用智能體執行代碼檢查、提交規則和代碼審查指南
  • 自動生成拉取請求摘要和標籤

LLM智能體在警報處理與變更檢測中的應用

  • 為管道失敗警報設計回應智能體
  • 使用語言模型分析日誌和追蹤信息
  • 主動檢測高風險變更或配置錯誤

DevOps中的多智能體協調

  • 基於角色的智能體編排(規劃者、執行者、審查者)
  • 智能體消息循環及內存管理
  • 關鍵系統中的人機交互設計

安全性、治理與可觀察性

  • 處理基礎設施中的數據泄露及LLM安全性
  • 審計智能體行為並限制作用域
  • 追蹤管道行為及模型反饋

實際應用案例及自定義場景

  • 為事件響應設計智能體工作流程
  • 將智能體與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工具及管道自動化方面的經驗
  • 掌握Python及基於Git的工作流程知識
  • 理解LLMs或接觸過提示詞工程

目標受眾

  • 創新工程師及AI整合平台負責人
  • 從事DevOps或自動化領域的LLM開發者
  • 探索智能智能體框架的DevOps專業人士

人數


每位參與者的報價

即將到來的課程

課程分類