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.
Struttura del corso
Introduzione a LLM e Framework Agenti
- Panoramica dei modelli linguistici di grandi dimensioni nell'automazione dell'infrastruttura
- Concetti chiave nei flussi di lavoro multiagente
- AutoGen, CrewAI e LangChain: casi d'uso in DevOps
Configurazione degli Agenti LLM per le attività DevOps
- Installazione di AutoGen e configurazione dei profili agente
- Utilizzo dell'API OpenAI e altri fornitori LLM
- Impostazione di spazi di lavoro ed ambienti compatibili con CI/CD
Automatizzazione dei Flussi di Lavoro per Test e Qualità del Codice
- Sollecitazione degli LLM per la generazione di test unitari e di integrazione
- Utilizzo degli agenti per applicare linting, regole di commit e linee guida della revisione del codice
- Sintesi automatica delle richieste di estrazione e tagging
Agenti LLM per Gestione degli Avvisi e Rilevamento dei Cambiamenti
- Disseno di agenti rispondenti per gli avvisi di fallimento del pipeline
- Analisi dei log e delle tracce utilizzando modelli linguistici
- Rilevazione proattiva di cambiamenti a alto rischio o miconfigurazioni
Coordinazione Multiagente in DevOps
- Orchestratore basato sul ruolo (pianificatore, esecutore, revisore)
- Cicli di comunicazione e gestione della memoria degli agenti
- Disseno con l'umano nel ciclo per i sistemi critici
Sicurezza, Goernenza ed Osservabilità
- Gestione dell'esposizione dei dati e della sicurezza LLM nell'infrastruttura
- Audit delle azioni degli agenti e restrizione dello scopo
- Tracciamento del comportamento del pipeline e feedback del modello
Casi di Uso nel Mondo Reale Use Case e Scenari Personalizzati
- Disseno dei flussi di lavoro degli agenti per la risposta agli incidenti
- Integrazione degli agenti con le azioni GitHub, Slack o Jira
- Migliori pratiche per lo scaling dell'integrazione LLM in DevOps
Riepilogo e Passaggi Successivi
Requisiti
- Esperienza con gli strumenti e l'automazione delle pipeline di DevOps
- Conoscenza pratica di Python e flussi di lavoro basati su Git
- Comprensione degli LLM o esposizione all'ingegneria dei prompt
Pubblico Obiettivo
- Ingegneri dell'innovazione e leader delle piattaforme integrate con AI
- Sviluppatori di LLM che lavorano in DevOps o automatizzazione
- Professionisti di DevOps che esplorano framework di agenti intelligenti
14 ore
Recensioni (1)
Formatore che risponde alle domande in tempo reale.
Adrian
Corso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traduzione automatica
