LLMy a agenti v procesech DevOps Počítačový Kurz

Úvod do LLM a frameworků agentů

• Podvodce velkých jazykových modelů v automatizaci infrastruktury
• Klíčové koncepty ve workflowech více agentů
• AutoGen, CrewAI a LangChain: use kase v DevOps

Nastavení LLM agentů pro úlohy DevOps

• Instalace AutoGenu a konfigurace profilů agentů
• Použití OpenAI API a dalších poskytovatelů LLM
• Nastavení pracovních prostor a prostředí kompatibilních s CI/CD

Automatizace workflowů pro testy a kvalitu kódu

• Promptování LLM k generování unit a integračních testů
• Použití agentů ke vynucování linterování, pravidel commitů a zásad pro code review
• Automatické shrnování a tagování pull requestů

LLM agenti pro zpracování alarmů a detekci změn

• Navrhování responder agentů pro alerty o selhání pipeline
• Analýza logů a trace pomocí jazykových modelů
• Proaktivní detekce změn s vysokým rizikem nebo chybné konfigurace

Koordinace více agentů v DevOps

• Orchestrace agentů podle rolí (plánovač, vykonavatel, reviewr)
• Komunikační smyčky agentů a správa paměti
• Navrhování řešení human-in-the-loop pro kritické systémy

Bezpečnost, správa a observability

• Zpracování úniku dat a bezpečnosti LLM v infrastruktuře
• Audit akcí agentů a omezení rozsahu pravomocí
• Sledování chování pipeline a zpětné vazby modelu

Reálné use kase a přizpůsobená scénáře

• Navrhování workflowů agentů pro incident response
• Integrace agentů s GitHub Actions, Slackem nebo Jirou
• Nejlepší praxe pro škálování integrace LLM v DevOps

Shrnutí a další kroky