LLM與代理在DevOps工作流程中的應用培訓
大語言模型(LLM)及自動代理框架(如AutoGen和CrewAI)正在重新定義DevOps團隊如何透過模擬人類般的協作與決策過程,自動化變更追蹤、測試生成及警報分級等任務。
本課程為 instructor-led 的即時培訓(可選線上或現場模式),專為具備高級技術水平的工程師設計,協助他們設計並實作由大語言模型(LLM)及多代理系統驅動的DevOps自動化工作流程。
完成本培訓後,學員將能夠:
- 在CI/CD工作流程中整合基於LLM的代理,實現智能自動化。
- 利用代理自動化測試生成、提交分析及變更摘要。
- 協調多個代理以分級警報、生成回應及提供DevOps建議。
- 使用開源框架構建安全且易於維護的代理驅動工作流程。
課程形式
- 互動式講座與討論。
- 大量練習與實作訓練。
- 在實時實驗室環境中進行動手實作。
課程客製化選項
- 如需申請本課程的客製化培訓,請聯繫我們安排相關事宜。
課程簡介
LLM與代理框架簡介
- 基礎設施自動化中大語言模型的概觀
- 多代理工作流程中的關鍵概念
- AutoGen、CrewAI及LangChain:在DevOps中的應用案例
為DevOps任務設置LLM代理
- 安裝AutoGen並配置代理檔案
- 使用OpenAI API及其他LLM服務供應商
- 設置工作區及相容CI/CD的環境
自動化測試及代碼質量工作流程
- 提示LLM生成單元測試及整合測試
- 利用代理執行Linter規則、提交規範及代碼審查指南
- 自動化Pull Request的摘要生成與標籤設定
用於警報處理及變更偵測的LLM代理
- 設計應對管道失敗警報的回應代理
- 使用語言模型分析日誌與追蹤數據
- 主動偵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)
- 代理消息循環及記憶體管理
- 關鍵系統中的人機協同(Human-in-the-loop)設計
安全性、治理與可觀測性
- 處理基礎設施中的數據洩露風險及LLM安全性
- 審計代理操作並限制其作用範圍
- 追蹤管道行為及模型反饋
實際應用案例及客製化場景
- 設計事故回應(Incident Response)的代理工作流程
- 將代理整合至GitHub Actions、Slack或Jira
- 在DevOps中擴展LLM整合的最佳實踐
總結與後續步驟
最低要求
- 具備DevOps工具鏈及管道自動化的相關經驗
- 熟悉Python及基於Git的工作流程
- 了解LLM或具備提示工程(Prompt Engineering)接觸經驗
目標學員
- 創新工程師及AI整合平台負責人
- 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
需要幫助選擇合適的課程嗎?
macao@nobleprog.com 或 +852 81990613
LLM與代理在DevOps工作流程中的應用培訓 - 詢問
LLM與代理在DevOps工作流程中的應用 - 咨詢詢問
相關課程
使用 Gemini 3 和 Google Antigravity 進行智能代理開發
21 小時進階反重力技術:回饋迴路、學習機制與長效能體記憶
14 小時AI 驅動的可觀測性:從日誌到 LLM 賦能的洞見
14 小時這門在 澳門(線上或線下)舉行的由講師主導的現場培訓,面向希望將 LLM 和 AI 整合到監控、警報和事件分析工作流中的可觀測性和 SRE 工程師。
AIOps 實務應用:事件預測與根本原因分析自動化
14 小時AIOps 基礎:監控、關聯與智慧告警
14 小時使用開源工具建立 AIOps 管線
14 小時在 澳門 進行的本場講師主導培訓中,學習如何使用開源工具構建端到端的 AIOps 管線。課程涵蓋 Prometheus、ELK 及自訂機器學習模型,深入探討可觀察性、異常檢測及自動化警報,讓您在真實的生產環境中掌握實用的動手技能。
Antigravity 開發者指南:建構代理優先應用程式
21 小時Antigravity 入門:智能體優先 IDE 概覽
14 小時面向網頁自動化及瀏覽器相關任務的 Google Antigravity
21 小時Splunk、Moogsoft 與 Dynatrace 的企業級 AIOps
14 小時此 澳門 實地培訓指導中高階 IT 團隊如何整合 Splunk、Moogsoft 及 Dynatrace 以實現企業級 AIOps。課程涵蓋異常偵測、警報關聯及工作流程自動化,旨在降低 MTTR 並提升大規模環境下的營運效率。
使用 Prometheus、Grafana 和機器學習實施 AIOps
14 小時本場在 澳門 舉行的導師授課實作培訓,協助可觀察性專業人員利用 Prometheus、Grafana 和機器學習整合 AIOps。學員將配置可觀察性棧,應用機器學習進行異常檢測與預測,並構建用於自動化運維的智能告警規則。
LLMOps:生產環境中的大語言模型營運與治理
14 小時本培訓由講師主講,以線上或線下形式於 澳門 進行,旨在協助 ML 工程師與平台團隊建立可擴充且穩健的操作管道,用於大規模部署 LLM 驅動的應用程式。