联系我们
 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

即将举行的公开课程

课程分类