Prenez contact avec nous
 Durée 14 heures

Plan du cours

Introduction aux LLM et aux cadres d'agents

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

Configuration d'agents LLM pour des tâches DevOps

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

Automatisation des flux de tests et de la qualité du code

  • Utilisation de prompts pour générer des tests unitaires et d'intégration avec des LLM
  • Utilisation d'agents pour faire respecter le linting, les règles d'engagement et les directives d'examen 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 répondant aux alertes d'échec de pipeline
  • Analyse des journaux et des traces à l'aide de modèles de langage
  • Détection proactive des modifications à haut risque ou des erreurs de configuration

Coordination multi-agents dans le DevOps

  • Orchestration d'agents basée sur des rôles (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 portée
  • Suivi du comportement du pipeline et des rétroactions des modèles

Cas d'utilisation réels et scénarios personnalisés

  • Conception de flux de travail d'agents pour la réponse aux incidents
  • Intégration d'agents avec GitHub Actions, Slack ou Jira
  • Meilleures pratiques pour l'extension de l'intégration de LLM dans le DevOps

Summary et prochaines étapes

Pré requis

  • Expérience avec les outils DevOps et l'automatisation des pipelines
  • Connaissances fonctionnelles de Python et des flux de travail basés sur Git
  • Compréhension des LLM ou familiarité avec l'ingénierie de prompts

Public cible

  • Ingénieurs en innovation et responsables de plateformes intégrant l'IA
  • Développeurs de LLM travaillant dans le domaine du DevOps ou de l'automatisation
  • Professionnels du DevOps explorant les cadres d'agents intelligents

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires