Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till LLMs och Agentramverk
- Översikt över stora språkmodeller inom infrastrukturautomatisering
- Nyckelbegrepp i multi-agentarbetsflöden
- AutoGen, CrewAI, och LangChain: användningsområden i DevOps
Konfigurering av LLM-agenter för DevOps-uppgifter
- Installation av AutoGen och konfiguration av agentprofiler
- Användning av OpenAI API och andra LLM-leverantörer
- Konfigurering av arbetsområden och CI/CD-kompatibla miljöer
Automatisering av test- och kodkvalitetsarbetsflöden
- Användning av LLMs för att generera enhets- och integreringstester
- Användning av agenter för att genomdriva linting, commit-regler och kodgranskningsriktlinjer
- Automatiserad sammanfattning och taggning av pull requests
LLM-agenter för hantering av varningar och förändringsdetektering
- Design av svarande agenter för varningar om pipelinefel
- Analys av loggar och spår med språkmodeller
- Proaktiv detektering av högriskförändringar eller felkonfigurationer
Multi-agentkoordinering i DevOps
- Rollbaserad agentorkestrering (planerare, utförare, granskare)
- Agentmeddelandeloopar och minneshantering
- Design med människan i slutanvändarsystem för kritiska system
Säkerhet, Gostyrning och Observabilitet
- Hantering av dataläckage och LLM-säkerhet i infrastruktur
- Granskning av agentåtgärder och inskränkning av omfattning
- Spårning av pipelinebeteende och modellåterkoppling
Reella Use Case och anpassade scenarier
- Design av agentarbetsflöden för incidenthantering
- Integration av agenter med GitHub Actions, Slack, eller Jira
- Bästa praxis för skalning av LLM-integration i DevOps
Sammanfattning och nästa steg
Krav
- Erfarenhet av DevOps verktyg och pipelineautomatisering
- Arbetsvetskap om Python och Git-baserade arbetsflöden
- Förståelse för LLMs eller exponering för prompt engineering
Målgrupp
- Innovationsingenjörer och AI-integrerade plattformsledare
- LLM-utvecklare som arbetar i DevOps eller automatisering
- DevOps professionella som utforskar intelligenta agentramverk
14 timmar
Vittnesmål (1)
Tränare som svarar på frågor på plats.
Adrian
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Machine Translated