Contattataci

Struttura del corso

Introduzione alle grandi modelli linguistici e ai framework per agenti

  • Panoramica sull’applicazione dei LLM nell’automazione infrastrutturale
  • Concetti fondamentali riguardanti i flussi di lavoro multi-agente
  • AutoGen, CrewAI e LangChain: casi d’uso concreti nel contesto DevOps

Configurazione degli agenti LLM per compiti DevOps

  • Installazione di AutoGen e impostazione dei profili degli agenti
  • Utilizzo dell’API OpenAI nonché di altri provider di modelli linguistici
  • Configurazione di ambienti di lavoro compatibili con i flussi CI/CD

Automazione dei workflow per test e qualità del codice

  • Utilizzo di prompt per indurre i LLM alla generazione di test unitari e d’integrazione
  • Adozione di agenti finalizzati all’applicazione delle regole di linting, validazione dei commit e linee guida per la revisione del codice
  • Produzione automatica di riassunti e taggatura dei pull request

Agenti LLM per gestione degli allarmi e rilevamento delle modifiche

  • Progettazione di agenti in grado di rispondere agli avvisi legati a eventuali errori nei flussi lavorativi
  • Analisi dei log e delle tracce attraverso l’ausilio di modelli linguistici
  • Rilevamento proattivo di modifiche ad alto rischio o configurazioni errate

Coordinazione multi-agente in contesto DevOps

  • Orchestrazione degli agenti in base a ruoli definiti (planner, esecutore, revisore)
  • Gestione della memoria e dei cicli di comunicazione tra agenti
  • Progettazione di sistemi ibridi dove l’intervento umano è necessario in fasi critiche

Sicurezza, governance e monitoraggio dei flussi lavorativi

  • Gestione della riservatezza dei dati nonché delle problematiche di sicurezza legate all’uso dei modelli linguistici
  • Audit sulle azioni compiute dagli agenti e limitazione dei loro ambiti d’intervento
  • Tenuta sotto controllo del comportamento dei flussi lavorativi nonché raccolta dei feedback relativi ai modelli utilizzati

Casi d’uso reali e scenari personalizzabili

  • Realizzazione di workflow basati su agenti per la gestione delle emergenze operative
  • Integrazione degli agenti con piattaforme come GitHub Actions, Slack o Jira
  • Linee guida e best practice per l’espansione dell’uso dei LLM in ambienti DevOps

Riepilogo e prospettive future

Requisiti

  • Esperienza nell’utilizzo di strumenti DevOps e nell’automazione dei flussi lavorativi
  • Conoscenza pratica di Python e dei workflow basati su Git
  • Familiarità con le grandi modelli linguistici o esperienza nella progettazione di prompt

Destinatari

  • Ingegneri innovativi e responsabili della integrazione dell’intelligenza artificiale nelle piattaforme
  • Sviluppatori di LLM che operano in ambito DevOps o automazione
  • Professionisti DevOps interessati ai framework basati su agenti intelligenti
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative