Свържете се с нас

Съдържание и теми, включени в курса

Въведение в големите езикови модели и агентните рамки

  • Общ преглед на големите езикови модели в автоматизацията на инфраструктурата
  • Ключови концепции в мулти-агентните работни потоци
  • AutoGen, CrewAI и LangChain: случаи на употреба в DevOps

Настройка на LLM агенти за DevOps задачи

  • Инсталиране на AutoGen и конфигуриране на агентни профили
  • Използване на OpenAI API и други доставчици на LLM
  • Настройка на работни пространства и CI/CD-съвместими среди

Автоматизиране на тестови работни потоци и потоци за качество на кода

  • Създаване на промптове за LLM за генериране на модулни и интеграционни тестове
  • Използване на агенти за налагане на правила за линтинг, къмити и насоки за преглед на код
  • Автоматизирано обобщаване и тагване на pull request-и

LLM агенти за обработка на сигнали и откриване на промени

  • Проектиране на агенти за отговор при сигнали за неуспех в pipeline
  • Анализиране на логове и трасировки с помощта на езикови модели
  • Проактивно откриване на високорискови промени или грешни конфигурации

Мулти-агентна координация в DevOps

  • Базирана на роли оркестрация на агенти (планиращ, изпълнител, проверяващ)
  • Агентни цикли на съобщения и управление на паметта
  • Дизайн с човек в цикъла за критични системи

Сигурност, управление и наблюдаемост

  • Справяне с излагане на данни и безопасност на LLM в инфраструктурата
  • Одитиране на действията на агентите и ограничаване на обхвата
  • Проследяване на поведението на pipeline и обратна връзка от модела

Реални случаи на употреба и персонализирани сценарии

  • Проектиране на агентни работни потоци за реакция при инциденти
  • Интегриране на агенти с GitHub Actions, Slack или Jira
  • Най-добри практики за мащабиране на LLM интеграцията в DevOps

Обобщение и следващи стъпки

Изисквания

  • Опит с DevOps инструменти и автоматизация на pipeline
  • Практически познания по Python и работни потоци, базирани на Git
  • Разбиране на големи езикови модели или опит с промпт инженеринг

Аудитория

  • Инженери по иновации и ръководители на платформи с интегриран AI
  • Разработчици на LLM, работещи в DevOps или автоматизация
  • DevOps професионалисти, изследващи рамки за интелигентни агенти
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории