Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till Agentic AI för drift
- Från statiska arbetsinstruktioner (runbooks) till resonemangsagenter: utvecklingen av IT-automatisering
- Agentens anatomi: resonemangsslinga, verktyganvändning, minne och planering
- När man ska automatisera och när mänsklig inblandning behövs
Agentramverk och arkitekturer
- Enkelt-agent-mönster: ReAct, Plan-and-Execute och verktygsanropsslingor
- Multi-agent-arkitekturer: överordnande, hierarkiska och svärmmönster
- Sammanjämfkning av ramverk: LangGraph, CrewAI, AutoGen och anpassade agenter
- Bygga din första driftagent: fråga övervakning, diagnostisera, föreslå
Verktygsintegration för IT-drift
- Ansluta agenter till API:er för Prometheus, Grafana, Datadog och PagerDuty
- Loggfrågor med agenter: integration med Elasticsearch, Loki och Splunk
- Användning av infrastrukturverktyg: kubectl, Terraform, Ansible via agentaktioner
- Designa säkra gränssnitt för verktyg med parametervalidering och idempotens
Automatisering av händelsehantering
- Automatisk prioritering av händelser: klassificering av allvarlighetsgrad och ruttning
- Generering av hypoteser om rotorsaker och insamling av bevis
- Automatiserade åtgärder: omstart, skalning, rollbake och övergång (failover)
- Bygga en agent för händelsehantering med gradvisa autonominevåer
Säkerhet, stödstrukturer och mänsklig kontroll (human-in-the-loop)
- Klassificering av åtgärder: skrivskyddad, lågrisk, högrisk och destruktiv
- Godkännandegater och eskaleringspolicyer för kritiska operationer
- Mönster för stödstrukturer (guardrails): tillåtna åtgärder, begränsning av verkan och garanti för rollback
- Revisionsloggar och besluts ursprung för efterlevnad (compliance)
Multi-agent-orchestrering för komplexa händelser
- Koordinering av specialisteragenter: prioriteringsagent, diagnosagent, åtgärdsagent
- Kommunikation mellan agenter och hantering av delade sammanhang
- Lösa konflikter när agenter föreslår motsägelsefulla åtgärder
- Simulering av stor händelse med multi-agent-svar, från början till slut
Observedbilitet och utvärdering
- Sporra agenternas resonemanskedjor för felsökning och revision
- Utvärdera agenternas beslutsfattande: precision, recall, tid till åtgärd
- Feedbackloop: lära sig av operatörens överstyrningar och utfall
- Kostnadssporring och token-ekonomi för driftagenter
Distribution och drift i produktion
- Distribuera agenter som tjänster: API:er, webhooks och schemalagda jobb
- Gradvis ökning av autonomi: från skuggläge till fullständig automatisk åtgärd
- Handboks (runbook) för agents misslyckanden: vad händer när agenten själv går sönder
- Bygga affärsfallet och mäta avkastning (ROI) för autonom drift
Krav
- Erfarenhet av IT-drift, DevOps eller SRE-praktik.
- Kännedom till Python-scriptning och REST-API:er.
- Grundläggande förståelse för LLM-funktioner och promptengineering.
Målgrupp
- SRE- och DevOps-ingenjörer som utforskar AI-drivna automatiseringar.
- Plattformstekniker som bygger självläkande infrastruktur.
- IT-driftsledare som utvärderar agentic AI för händelsehantering.
14 Timmar