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
LLM 與代理框架簡介
- 基礎設施自動化中大語言模型概覽
- 多代理工作流的關鍵概念
- AutoGen、CrewAI 及 LangChain 在 DevOps 中的應用案例
設定用於 DevOps 任務的 LLM 代理
- 安裝 AutoGen 並設定代理配置檔案
- 使用 OpenAI API 及其他 LLM 供應商
- 建立工作區及相容於 CI/CD 的環境
自動化測試與程式碼品質工作流
- 提示 LLM 生成單元測試與整合測試
- 利用代理執行 Linting、提交規則及程式碼審查指南
- 自動化的 Pull Request 摘要生成與標籤貼上
用於告警處理與變更偵測的 LLM 代理
- 為管道失敗告警設計回應者代理
- 使用語言模型分析日誌與追蹤數據
- 主動偵測高風險變更或錯誤配置
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）
- 代理訊息迴圈與記憶體管理
- 關鍵系統的人機協同（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 安全問題
- 審計代理動作並限制其作用範圍
- 追蹤管道行為與模型回饋
真實世界應用案例與客製化場景
- 為事件回應設計代理工作流
- 將代理整合至 GitHub Actions、Slack 或 Jira
- DevOps 中擴展 LLM 整合的最佳實踐
總結與後續步驟
最低要求
- 具備 DevOps 工具鏈及管道自動化經驗
- 熟悉 Python 及基於 Git 的工作流程
- 了解 LLM 或對提示詞工程（Prompt Engineering）有接觸
目標學員
- 創新工程師及負責 AI 整合的平台負責人
- 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
