Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 14 godzin
Plan Szkolenia
Wprowadzenie do LLM i frameworków agentowych
- Przegląd dużych modeli językowych w automatyzacji infrastruktury
- Kluczowe pojęcia w przepływach wieloagentowych
- 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
- Ustawianie przestrzeni roboczych i środowisk kompatybilnych z CI/CD
Automatyzacja przepływów dotyczących testów i jakości kodu
- Promptowanie LLM do generowania testów jednostkowych i integracyjnych
- Wykorzystanie agentów do egzekwowania reguł lintowania, commitów i wytycznych dotyczących przeglądów kodu
- Automatyczne podsumowywanie i tagowanie pull requestów
Agenci LLM do obsługi alertów i wykrywania zmian
- Projektowanie agentów reagujących na alerty dotyczące awarii potoków
- Analiza dzienników i tras (traces) przy użyciu modeli językowych
- Proaktywne wykrywanie zmian o wysokim ryzyku lub nieprawidłowych konfiguracji
Koordynacja wielu agentów w DevOps
- Orkiestracja agentów oparta na rolach (planista, wykonawca, przeglądarka)
- Pętle komunikacyjne agentów i zarządzanie pamięcią
- Projektowanie systemów z udziałem człowieka (human-in-the-loop) dla krytycznych systemów
Bezpieczeństwo, governance i obserwowalność
- Zarządzanie ujawnianiem danych i bezpieczeństwem LLM w infrastrukturze
- Audytowanie działań agentów i ograniczanie zakresu ich uprawnień
- Śledzenie zachowań potoków i zwrotnej informacji od modeli
Przypadki użycia w świecie rzeczywistym i scenariusze customizowane
- Projektowanie przepływów agentowych do reagowania na incydenty
- Integracja agentów z GitHub Actions, Slack lub Jira
- Najlepsze praktyki skalowania integracji LLM w DevOps
Podsumowanie i kolejne kroki
Wymagania
- Doświadczenie w obsłudze narzędzi DevOps i automatyzacji potoków
- Znajomość programowania w Pythonie i prac opartych na Git
- Zrozumienie działania LLM lub doświadczenie z inżynierią promptów
Grupa docelowa
- Inżynierowie innowacji i liderzy platform integrujących AI
- Deweloperzy LLM pracujący w obszarze DevOps lub automatyzacji
- Specjaliści DevOps badający inteligentne frameworki agentowe