Modele LLM i agenci w procesach DevOps - Plan Szkolenia

Wprowadzenie do modeli LLM i frameworków agentowych

• Przegląd dużych modeli językowych w automatyzacji infrastruktury
• Kluczowe koncepcje przepływów pracy wieloagentowej
• AutoGen, CrewAI i LangChain: przypadki użycia w DevOps

Konfiguracja agentów LLM do zadań DevOps

• Instalacja AutoGen i konfiguracja profili agentów
• Korzystanie z API OpenAI i innych dostawców LLM
• Konfiguracja przestrzeni roboczych i środowisk zgodnych z CI/CD

Automatyzacja procesów testowania i jakości kodu

• Promptowanie modeli LLM do generowania testów jednostkowych i integracyjnych
• Wykorzystanie agentów do egzekwowania lintowania, zasad commitów i wytycznych code review
• Automatyczne podsumowywanie i tagowanie pull requestów

Agenci LLM do obsługi alertów i wykrywania zmian

• Projektowanie agentów reagujących na alerty o awariach potoków
• Analiza logów i śladów przy użyciu modeli językowych
• Proaktywne wykrywanie zmian wysokiego ryzyka lub błędnych konfiguracji

Koordynacja wielu agentów w DevOps

• Orkiestracja agentów oparta na rolach (planista, wykonawca, recenzent)
• Pętle komunikacji między agentami i zarządzanie pamięcią
• Projektowanie z udziałem człowieka w pętli dla systemów krytycznych

Bezpieczeństwo, zarządzanie i obserwowalność

• Postępowanie z ekspozycją danych i bezpieczeństwem LLM w infrastrukturze
• Audytowanie działań agentów i ograniczanie zakresu
• Śledzenie zachowania potoków i informacji zwrotnych z modeli

Przypadki użycia w świecie rzeczywistym i scenariusze niestandardowe

• Projektowanie przepływów pracy agentów do reagowania na incydenty
• Integracja agentów z GitHub Actions, Slack lub Jira
• Najlepsze praktyki skalowania integracji LLM w DevOps

Podsumowanie i kolejne kroki