Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 14 ore
Struttura del corso
Introduzione alle LLM e ai framework di agenti
- Panoramica sui modelli linguistici di grandi dimensioni nell'automazione delle infrastrutture
- Concetti chiave nei flussi di lavoro multi-agente
- AutoGen, CrewAI e LangChain: casi d'uso in ambito DevOps
Configurazione degli agenti LLM per attività DevOps
- Installazione di AutoGen e configurazione dei profili degli agenti
- Utilizzo dell'API OpenAI e di altri provider LLM
- Configurazione di workspace e ambienti compatibili con CI/CD
Automazione dei flussi di lavoro per test e qualità del codice
- Prompting di LLM per la generazione di test unitari e di integrazione
- Utilizzo di agenti per far rispettare linting, regole di commit e linee guida per la revisione del codice
- Sintesi e tagging automatici delle pull request
Agenti LLM per la gestione degli avvisi e il rilevamento delle modifiche
- Progettazione di agenti responder per gli avvisi di fallimento della pipeline
- Analisi di log e trace utilizzando modelli linguistici
- Rilevamento proattivo di modifiche ad alto rischio o configurazioni errate
Coordinamento multi-agente in ambito DevOps
- Orchestrazione di agenti basata sui ruoli (pianificatore, esecutore, revisore)
- Cicli di messaggistica tra agenti e gestione della memoria
- Progettazione con coinvolgimento umano (human-in-the-loop) per i sistemi critici
Sicurezza, governance e osservabilità
- Gestione dell'esposizione dei dati e della sicurezza delle LLM nelle infrastrutture
- Auditing delle azioni degli agenti e limitazione dell'ambito operativo
- Monitoraggio del comportamento della pipeline e del feedback dei modelli
Casi d'uso reali e scenari personalizzati
- Progettazione di flussi di lavoro degli agenti per la risposta agli incidenti
- Integrazione degli agenti con GitHub Actions, Slack o Jira
- Best practice per lo scaling dell'integrazione LLM in ambito DevOps
Sintesi e prossimi passi
Requisiti
- Esperienza con lo strumento DevOps e l'automazione delle pipeline
- Conoscenza operativa di Python e dei flussi di lavoro basati su Git
- Comprensione delle LLM o familiarità con l'ingegneria dei prompt
Pubblico target
- Ingegneri dell'innovazione e responsabili di piattaforme con integrazione AI
- Sviluppatori LLM operanti in ambito DevOps o di automazione
- Professionisti DevOps che esplorano i framework di agenti intelligenti