Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
課程簡介
LLMs與Agent框架簡介
- 大型語言模型在基礎設施自動化中的概述
- 多Agent工作流程的關鍵概念
- AutoGen、CrewAI和LangChain:DevOps中的使用案例
為DevOps任務設置LLM Agents
- 安裝AutoGen並配置Agent配置文件
- 使用OpenAI API和其他LLM提供者
- 設置工作空間和CI/CD兼容的環境
自動化測試與代碼質量工作流程
- 提示LLMs生成單元和集成測試
- 使用Agent執行Linting、提交規則和代碼審查指南
- 自動化的拉取請求摘要和標記
LLM Agents用於警報處理與變更檢測
- 設計用於管道故障警報的響應Agent
- 使用語言模型分析日誌和追踪
- 主動檢測高風險變更或錯誤配置
DevOps中的多Agent協調
- 基於角色的Agent協調(規劃者、執行者、審查者)
- Agent消息循環與記憶管理
- 關鍵系統中的人機交互設計
安全性、Go治理與可觀測性
- 處理基礎設施中的數據暴露和LLM安全性
- 審計Agent行為並限制範圍
- 跟踪管道行為和模型反饋
實際Use Case案例與自定義場景
- 設計用於事件響應的Agent工作流程
- 將Agent與GitHub Actions、Slack或Jira集成
- DevOps中擴展LLM集成的最佳實踐
總結與下一步
最低要求
- 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 時間:
客戶評論 (1)
培訓師即時回答問題。
Adrian
Course - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
機器翻譯