Contattataci

Struttura del corso

Introduzione agli LLM e ai Framework di Agenti

  • Panoramica dei large language models nell'automazione delle infrastrutture
  • Concetti chiave nei flussi di lavoro multi-agente
  • AutoGen, CrewAI e LangChain: casi d'uso in DevOps

Configurazione di Agenti LLM per Attività DevOps

  • Installazione di AutoGen e configurazione dei profili degli agenti
  • Utilizzo dell'API OpenAI e di altri fornitori di LLM
  • Impostazione di workspace e ambienti compatibili con CI/CD

Automazione dei Flussi di Lavoro per Test e Qualità del Codice

  • Prompting degli LLM per generare test unitari e di integrazione
  • Utilizzo di agenti per far rispettare linting, regole di commit e linee guida per il code review
  • Riepilogo e taggazione automatizzati delle pull request

Agenti LLM per la Gestione degli Allarmi e Rilevamento delle Modifiche

  • Progettazione di agenti response per gli allarmi di fallimento della pipeline
  • Analisi di log e trace utilizzando modelli linguistici
  • Rilevamento proattivo di modifiche ad alto rischio o misconfigurazioni

Coordinamento Multi-Agente in DevOps

  • Orchestrazione degli agenti basata sui ruoli (planner, executor, reviewer)
  • Cicli di messaggistica tra agenti e gestione della memoria
  • Progettazione "human-in-the-loop" per sistemi critici

Sicurezza, Governance e Osservabilità

  • Gestione dell'esposizione dei dati e sicurezza degli LLM nelle infrastrutture
  • Audit delle azioni degli agenti e limitazione del campo di applicazione
  • Monitoraggio del comportamento della pipeline e feedback del modello

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 scalare l'integrazione LLM in DevOps

Riepilogo e Prossimi Passi

Requisiti

  • Esperienza con strumenti DevOps e automazione delle pipeline
  • Conoscenza pratica di Python e flussi di lavoro basati su Git
  • Comprensione degli LLM o esposizione all'ingegneria dei prompt

Target

  • Ingegneri dell'innovazione e responsabili di piattaforme integrate con AI
  • Sviluppatori LLM che lavorano in ambito DevOps o automazione
  • Professionisti DevOps che esplorano framework di agenti intelligenti
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative