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与代理框架简介
- 基础设施自动化中的大语言模型概述
- 多代理工作流的关键概念
- AutoGen、CrewAI和LangChain：在DevOps中的应用案例
为DevOps任务设置LLM代理
- 安装AutoGen并配置代理角色
- 使用OpenAI API和其他LLM提供商
- 设置工作区和兼容CI/CD的环境
自动化测试和代码质量工作流
- 提示LLMs生成单元测试和集成测试
- 使用代理执行代码风格、提交规则和代码审查指南
- 自动生成拉取请求摘要并添加标签
LLM代理用于警报处理和变更检测
- 设计响应代理以处理流水线失败警报
- 使用语言模型分析日志和追踪信息
- 主动检测高风险变更或错误配置
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）
- 代理消息循环和内存管理
- 关键系统中的人机协同设计
安全、治理与可观测性
- 处理基础设施中的数据暴露和LLM安全
- 审计代理操作并限制其权限范围
- 跟踪流水线行为和模型反馈
实际应用案例与自定义场景
- 设计事件响应的代理工作流
- 与GitHub Actions、Slack或Jira集成代理
- 在DevOps中扩展LLM集成的最佳实践
总结与后续步骤
要求
- 具备DevOps工具和流水线自动化经验
- 掌握Python和基于Git的工作流
- 理解LLMs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专业人士
