聯繫我們
 課程時長 14 時間:

課程簡介

LLM 及代理框架簡介

  • 基礎設施自動化中大型語言模型概覽
  • 多代理工作流程的核心概念
  • AutoGen、CrewAI 及 LangChain:在 DevOps 中的應用場景

為 DevOps 任務設置 LLM 代理

  • 安裝 AutoGen 並配置代理配置文件
  • 使用 OpenAI API 及其他 LLM 供應商服務
  • 設置工作區及兼容 CI/CD 的環境

自動化測試及代碼質量工作流程

  • 提示 LLM 生成單元測試及集成測試
  • 利用代理執行 Linting、提交規則及代碼審查指南
  • 自動化的 Pull Request 摘要及標籤生成

用於警報處理及變更檢測的 LLM 代理

  • 為管道失敗警報設計響應代理
  • 使用語言模型分析日誌及追蹤數據
  • 主動檢測高風險變更或配置錯誤

DevOps 中的多代理協調

  • 基於角色的代理編排(規劃者、執行者、審查者)
  • 代理消息循環及內存管理
  • 關鍵系統的人工介入(Human-in-the-loop)設計

安全性、治理及可觀測性

  • 基礎設施中的數據洩露處理及 LLM 安全性
  • 審計代理動作並限制作用域
  • 追蹤管道行為及模型反饋

實際應用案例及自定義場景

  • 為事故響應設計代理工作流程
  • 將代理與 GitHub Actions、Slack 或 Jira 集成
  • DevOps 中擴展 LLM 集成的最佳實踐

總結及後續步驟

最低要求

  • 具備 DevOps 工具鏈及管道自動化經驗
  • 熟悉 Python 及基於 Git 的工作流程
  • 理解 LLM 或具備提示工程相關知識

目標受眾

  • 創新工程師及整合 AI 的平台負責人
  • 在 DevOps 或自動化領域工作的 LLM 開發者
  • 探索智能代理框架的 DevOps 專業人士

課程分類