Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction aux modèles de langage LLM et aux cadres d'agents autonomes
- Aperçu des grands modèles de langage dans l'automatisation de l'infrastructure
- Concepts clés dans les workflows multi-agents
- AutoGen, CrewAI et LangChain : cas d'utilisation dans DevOps
Configuration des agents LLM pour les tâches de DevOps
- Installation de AutoGen et configuration des profils d'agents
- Utilisation de l'API OpenAI et autres fournisseurs LLM
- Configuration des espaces de travail et environnements compatibles CI/CD
Automatisation des workflows de tests et de qualité du code
- Solliciter les LLM pour générer des tests unitaires et d'intégration
- Utilisation des agents pour imposer l'analyse statique, les règles de commit et les directives de revue de code
- Synthétiser et taguer automatiquement les demandes de tirage (pull requests)
Agents LLM pour la gestion d'alertes et la détection de changements
- Développement d'agents réactifs pour les alertes sur l'échec des pipelines
- Analyse des journaux et des traces à l'aide de modèles de langage
- Détection proactive des changements à haut risque ou des mauvaises configurations
Coordination multi-agent dans DevOps
- Orchestration basée sur les rôles (planificateur, exécuteur, réviseur)
- Boucles de communication et gestion de la mémoire des agents
- Désignation humaine en boucle pour les systèmes critiques
Sécurité, Governance et Observabilité
- Gestion de l'exposition des données et sécurité LLM dans l'infrastructure
- Audit des actions d'agents et restriction de portée
- Suivi du comportement des pipelines et des retours sur les modèles
Cas concrets Use Cases et scénarios personnalisés
- Conception des workflows d'agents pour la réponse aux incidents
- Intégration des agents avec GitHub Actions, Slack, ou Jira
- Meilleures pratiques pour l'échelle de l'intégration LLM dans DevOps
Résumé et prochains pas
Pré requis
- Expérience avec les outils et la mise en automatisme des pipelines de DevOps
- Connaissance pratique de Python et des workflows basés sur Git
- Compréhension des modèles de grands langages (LLMs) ou exposition à l'ingénierie des prompts
Audience
- Ingénieurs innovateurs et responsables de plateformes intégrées à l'IA
- Développeurs LLM travaillant dans DevOps ou en automatisation
- Professionnels de DevOps explorant les cadres d'agents intelligents
14 Heures
Nos clients témoignent (1)
Formateur répondant aux questions au fur et à mesure.
Adrian
Formation - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traduction automatique