Zkuste nás kontaktovat

Návrh Školení

Úvod do velkých jazykových modelů a frameworků pro agenty

  • Přehled využití LLM při automatizaci správy infrastruktury
  • Základní koncepty víceagentních pracovních postupů
  • AutoGen, CrewAI a LangChain: jejich využití v prostředí DevOps

Nastavení agentů založených na LLM pro úlohy DevOps

  • Instalace frameworku AutoGen a konfigurace profilů jednotlivých agentů
  • Použití API služby OpenAI a dalších poskytovatelů LLM
  • Nastavení pracovních prostředí kompatibilních s CI/CD postupy

Automatizace tvorby testů a kontroly kvality kódu

  • Použití promptů k vytvoření jednotkových i integračních testů pomocí LLM
  • Využití agentů pro prosazování stylistické kontroly, pravidel při commitech a směrnic pro recenzi kódu
  • Automatizované shrnování pull requestů včetně jejich tagování

Agenti na bázi LLM pro reakci na upozornění a detekci změn

  • Návrh agentů, kteří reagují na upozornění o selhání v procesech automatizace
  • Analýza logových záznamů a sledovacích dat pomocí jazykových modelů
  • Proaktivní identifikace rizikových změn či konfiguračních chyb

Koordinace více agentů v prostředí DevOps

  • Orchestrace agentů na základě jejich rolí (plánovač, vykonavatel, recenzent)
  • Správa komunikace mezi agenty a jejich paměti
  • Návrh systémů s možností lidského zásahu v kritických situacích

Bezpečnost, řízení a monitorování procesů

  • Ochrana před nežádoucím odhalením dat a zajištění bezpečnosti využití LLM v infrastruktuře
  • Auditování činností agentů a omezování jejich pravomocí
  • Sledování chování automatizačních procesů i zpětné vazby od modelů

Reálné příklady použití a možnosti zakázkových řešení

  • Návrh pracovních postupů založených na agentech pro reakci na incidenty
  • Integrace agentů s nástroji jako GitHub Actions, Slack nebo Jira
  • Osvědčené postupy pro škálování využití LLM v rámci DevOps systémů

Shrnutí a další kroky

Požadavky

  • Praktické zkušenosti s nástroji a automatizací v rámci DevOps
  • Znalost programovacího jazyka Python a pracovních postupů v systému Git
  • Rozumění velkým jazykovým modelům nebo zkušenosti s inženýrstvím promptů

Cílová skupina

  • Inovativní inženýři a vedoucí pracovníci v oblastech integrace umělé inteligence do platformních řešení
  • Vývojáři LLM působící v prostředí DevOps či automatizace
  • Odborníci z oblasti DevOps, kteří se snaží pochopit možnosti chytrých agentních systémů
 14 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie