聯繫我們
 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

即將到來的課程

課程分類