感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程时长 14 小时
课程大纲
LLMs 与智能体框架简介
- 基础设施自动化中大语言模型概述
- 多智能体工作流的关键概念
- AutoGen、CrewAI 和 LangChain 在 DevOps 中的应用案例
配置用于 DevOps 任务的 LLMs 智能体
- 安装 AutoGen 并配置智能体配置文件
- 使用 OpenAI API 及其他 LLMs 提供商
- 设置工作区及兼容 CI/CD 的环境
自动化测试与代码质量工作流
- 通过提示 LLMs 生成单元和集成测试
- 利用智能体执行代码检查、提交规则及代码审查指南
- 自动化的拉取请求摘要与标签分类
用于告警处理与变更检测的 LLMs 智能体
- 为流水线故障告警设计响应智能体
- 使用语言模型分析日志与追踪数据
- 主动检测高风险变更或配置错误
DevOps 中的多智能体协调
- 基于角色的智能体编排(规划者、执行者、审查者)
- 智能体消息循环与内存管理
- 关键系统的人机协同设计
安全、治理与可观测性
- 处理基础设施中的数据暴露及 LLMs 安全性
- 审计智能体行为并限制作用范围
- 跟踪流水线行为及模型反馈
真实应用场景与自定义场景
- 设计用于事件响应的智能体工作流
- 将智能体集成至 GitHub Actions、Slack 或 Jira
- DevOps 中扩展 LLMs 集成的最佳实践
总结与后续步骤
要求
- 具备 DevOps 工具链及流水线自动化经验
- 熟悉基于 Python 和 Git 的工作流
- 了解 LLMs 或接触过提示工程
目标受众
- 创新工程师及 AI 集成平台负责人
- 在 DevOps 或自动化领域工作的 LLMs 开发者
- 探索智能智能体框架的 DevOps 专业人士