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。
课程大纲
LLMs与Agent框架简介
- 大型语言模型在基础设施自动化中的概述
- 多Agent工作流程的关键概念
- AutoGen、CrewAI和LangChain:DevOps中的使用案例
为DevOps任务设置LLM Agents
- 安装AutoGen并配置Agent配置文件
- 使用OpenAI API和其他LLM提供者
- 设置工作空间和CI/CD兼容的环境
自动化测试与代码质量工作流程
- 提示LLMs生成单元和集成测试
- 使用Agent执行Linting、提交规则和代码审查指南
- 自动化的拉取请求摘要和标记
LLM Agents用于警报处理与变更检测
- 设计用于管道故障警报的响应Agent
- 使用语言模型分析日志和追踪
- 主动检测高风险变更或错误配置
DevOps中的多Agent协调
- 基于角色的Agent协调(规划者、执行者、审查者)
- Agent消息循环与记忆管理
- 关键系统中的人机交互设计
安全性、Go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Agent行为并限制范围
- 跟踪管道行为和模型反馈
实际Use Case案例与自定义场景
- 设计用于事件响应的Agent工作流程
- 将Agent与GitHub Actions、Slack或Jira集成
- DevOps中扩展LLM集成的最佳实践
总结与下一步
要求
- 具备DevOps工具和管道自动化的经验
- 熟悉Python和基于Git的工作流程
- 了解LLM或接触过提示工程
受众
- 创新工程师和AI集成平台负责人
- 在DevOps或自动化领域工作的LLM开发者
- 探索智能代理框架的DevOps专业人员
14 小时
客户评论 (1)
培训师即时回答问题。
Adrian
课程 - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
机器翻译