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