感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
LLMs 與代理框架簡介
- 大型語言模型在基礎設施自動化中的概覽
- 多代理工作流程的關鍵概念
- AutoGen、CrewAI 與 LangChain 在 DevOps 中的應用案例
為 DevOps 任務設定 LLM 代理
- 安裝 AutoGen 並配置代理配置文件
- 使用 OpenAI API 及其他 LLM 供應商
- 設定工作區及相容於 CI/CD 的環境
自動化測試與程式碼品質工作流程
- 透過提示讓 LLMs 生成單元測試與整合測試
- 使用代理強制執行 Linting、提交規則及程式碼審查準則
- 自動生成 Pull Request 摘要與標籤
用於警報處理與變更偵測的 LLM 代理
- 為管道失敗警報設計回應代理
- 使用語言模型分析日誌與追蹤資料
- 主動偵測高風險變更或配置錯誤
DevOps 中的多代理協調
- 基於角色的代理編排(規劃者、執行者、審查者)
- 代理訊息循環與記憶體管理
- 關鍵系統的 Human-in-the-loop 設計
安全性、治理與可觀測性
- 處理基礎設施中的資料洩露與 LLM 安全性問題
- 審計代理行為並限制其作用範圍
- 追蹤管道行為與模型反饋
實際應用案例與自訂場景
- 設計事件回應的代理工作流程
- 將代理整合至 GitHub Actions、Slack 或 Jira
- 在 DevOps 中擴展 LLM 整合的最佳實務
總結與後續步驟
最低要求
- 具備 DevOps 工具與管道自動化作業經驗
- 熟悉 Python 及基於 Git 的工作流程
- 了解 LLMs 或接觸過提示工程(Prompt Engineering)
適合對象
- 創新工程師及整合 AI 的平台負責人
- 在 DevOps 或自動化領域工作的 LLM 開發者
- 探索智慧代理框架的 DevOps 專業人員