Formation LLMs et agents dans les flux de travail DevOps

Introduction aux LLM et aux cadres d’agents

• Aperçu des modèles de langage de grande taille dans l’automatisation des infrastructures
• Concepts clés des flux de travail multi-agents
• AutoGen, CrewAI et LangChain : cas d’utilisation dans DevOps

Mise en place d’agents LLM pour les tâches DevOps

• Installation d’AutoGen et configuration des profils d’agents
• Utilisation de l’API OpenAI et d’autres fournisseurs de LLM
• Mise en place des espaces de travail et des environnements compatibles CI/CD

Automatisation des flux de travail de tests et de qualité du code

• Utilisation de prompts pour générer des tests unitaires et d’intégration
• Utilisation d’agents pour appliquer le linting, les règles de commit et les directives de révision de code
• Résumé et étiquetage automatisés des demandes de tirage (pull requests)

Agents LLM pour la gestion des alertes et la détection des modifications

• Conception d’agents répondeurs pour les alertes d’échec de pipeline
• Analyse des journaux et des traces à l’aide de modèles de langage
• Détection proactive de modifications à haut risque ou de mauvaises configurations

Coordination multi-agents dans DevOps

• Orchestration d’agents par rôle (planificateur, exécuteur, réviseur)
• Boucles de messagerie d’agents et gestion de la mémoire
• Conception avec boucle humaine (human-in-the-loop) pour les systèmes critiques

Sécurité, gouvernance et observabilité

• Gestion de l’exposition des données et de la sécurité des LLM dans les infrastructures
• Audit des actions des agents et restriction de leur périmètre
• Suivi du comportement des pipelines et des réactions des modèles

Cas d’utilisation réels et scénarios personnalisés

• Conception de flux de travail d’agents pour la gestion des incidents
• Intégration des agents avec GitHub Actions, Slack ou Jira
• Meilleures pratiques pour mettre à l’échelle l’intégration des LLM dans DevOps

Résumé et prochaines étapes