联系我们

课程大纲

LLM与代理框架简介

  • 大语言模型在基础设施自动化中的概述。
  • 多代理工作流中的关键概念。
  • AutoGen、CrewAI和LangChain在DevOps中的应用案例。

为DevOps任务设置LLM代理

  • 安装AutoGen并配置代理配置文件。
  • 使用OpenAI API及其他LLM提供商。
  • 设置工作空间和CI/CD兼容环境。

自动化测试与代码质量工作流

  • 提示LLM生成单元和集成测试。
  • 使用代理强制执行代码检查、提交规则和代码审查指南。
  • 自动化的拉取请求摘要与标记。

用于警报处理和变更检测的LLM代理

  • 为流水线故障警报设计响应代理。
  • 使用语言模型分析日志和跟踪。
  • 主动检测高风险变更或配置错误。

DevOps中的多代理协调

  • 基于角色的代理编排(规划者、执行者、审查者)。
  • 代理消息循环与内存管理。
  • 关键系统中的人机协作设计。

安全性、治理与可观测性

  • 处理基础设施中的数据暴露和LLM安全性。
  • 审计代理操作并限制范围。
  • 跟踪流水线行为与模型反馈。

实际用例与自定义场景

  • 为事件响应设计代理工作流。
  • 将代理与GitHub Actions、Slack或Jira集成。
  • 在DevOps中扩展LLM集成的最佳实践。

总结与下一步

要求

  • 具备DevOps工具和流水线自动化经验。
  • 熟悉Python和基于Git的工作流。
  • 了解LLM或接触过提示工程。

目标受众

  • 创新工程师和AI集成平台负责人。
  • 从事DevOps或自动化的LLM开发者。
  • 探索智能代理框架的DevOps专业人员。
 14 小时

即将举行的公开课程

课程分类