Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés az LLMs-be és az Ügynök Keretrendszerekbe
- Áttekintés a nagy nyelvi modellek használatáról az infrastruktúra-automatizálásban
- A többügyős munkafolyamatok kulcsfontosságú koncepciói
- AutoGen, CrewAI, és LangChain: felhasználási esetek DevOps-ban
DevOps Feladatokat Ellátó LLM Ügynökök Beállítása
- AutoGen telepítése és ügynökprofilk beállítása
- OpenAI API és más LLM szolgáltatók használata
- Munkaterületek és CI/CD-kompatibilis környezetek beállítása
A Teszt és Kódminőség Munkafolyamatok Automatizálása
- Összegzések és egyedi integrációs tesztek létrehozása LLMs segítségével
- Ügynökök használata a lintelés, közzététel szabályok és kódszemle irányelveinek betartására
- Automatizált pull request összefoglalások és címkék
Ügynökök Értesítések Kezelésére és Változások Érzékelésére
- Válaszadó ügynökök tervezése pipeline-sikertelen értesítésekhez
- Naplók és nyomkövetések elemzése nyelvi modellekkel
- A magas kockázatú változások vagy hibabeállítások proaktív észlelése
Többügyős Koordináció DevOps-ban
- Szerepköralapú ügynökkoordináció (tervező, végrehajtó, értékelő)
- Ügynök üzenőhurok és memóriakezelés
- Ember-beszálló tervezés kritikus rendszerekhez
Biztonság, Goirányítás, és Megfigyelhetőség
- Adatleleplezés és LLM-biztonság kezelése az infrastruktúrában
- Ügynök akciók auditálása és hatókör korlátozása
- Pipeline-magatartás követése és modell-visszajelzés
Valós Világbeli Use Case-ok és Egyedi Szenáriók
- Ügynökmunkafolyamatok tervezése incidenskezelésre
- Ügynökök integrálása GitHub Műveletekkel, Slack, vagy Jira
- A LLM-integráció skálázásának legjobb gyakorlatai DevOps-ban
Összegzés és Következő Lépések
Követelmények
- DevOps eszközök és pipeline-automatizálási tapasztalat
- Python és Git alapú munkamenet ismerete
- Ismerete van a nagy nyelvmodellekről vagy tapasztalata van a prompt engineeringszel
Célközönség
- Innovációs mérnökök és AI-integrált platform vezetők
- DevOps vagy automatizálási folyamatban dolgozó LLM fejlesztők
- DevOps szakemberek, akik intelligens ügynökkörnyezeteket kutatók
14 Órák
Vélemények (1)
Kiképző válaszol a kérdésekre a repülőn.
Adrian
Kurzus - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Gépi fordítás