Contattataci
 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

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative