Entrar em Contato

Programa do Curso

Introdução a LLMs e Frameworks de Agentes

  • Visão geral de modelos de linguagem grandes na automação de infraestrutura.
  • Conceitos-chave em fluxos de trabalho multi-agente.
  • AutoGen, CrewAI e LangChain: casos de uso em DevOps.

Configurando Agentes LLM para Tarefas de DevOps

  • Instalação do AutoGen e configuração de perfis de agente.
  • Uso da API da OpenAI e outros provedores de LLMs.
  • Configuração de espaços de trabalho e ambientes compatíveis com CI/CD.

Automatizando Fluxos de Trabalho de Testes e Qualidade de Código

  • Geração de prompts para LLMs criarem testes unitários e de integração.
  • Uso de agentes para impor linting, regras de commit e diretrizes de revisão de código.
  • Resumização e categorização automatizadas de pull requests.

Agentes LLM para Manipulação de Alertas e Detecção de Mudanças

  • Projeto de agentes respondedores para alertas de falha no pipeline.
  • Análise de logs e rastreamentos usando modelos de linguagem.
  • Deteção proativa de mudanças de alto risco ou configurações incorretas.

Coordenação Multi-agente em DevOps

  • Orquestração de agentes baseada em funções (planejador, executor, revisor).
  • Loops de comunicação entre agentes e gerenciamento de memória.
  • Design com participação humana para sistemas críticos.

Segurança, Governança e Observabilidade

  • Lidando com exposição de dados e segurança de LLMs na infraestrutura.
  • Auditoria das ações dos agentes e restrição do escopo de atuação.
  • Acompanhamento do comportamento do pipeline e feedback dos modelos.

Casos de Uso no Mundo Real e Cenários Personalizados

  • Projeto de fluxos de trabalho de agentes para resposta a incidentes.
  • Integração de agentes com GitHub Actions, Slack ou Jira.
  • Melhores práticas para escalonamento da integração de LLMs em DevOps.

Resumo e Próximos Passos

Requisitos

  • Experiência com ferramentas de DevOps e automação de pipelines.
  • Conhecimento prático de Python e fluxos de trabalho baseados em Git.
  • Compreensão de LLMs ou familiaridade com engenharia de prompts.

Público-Alvo

  • Engenheiros de inovação e líderes de plataformas com integração de IA.
  • Desenvolvedores de LLMs que trabalham em DevOps ou automação.
  • Profissionais de DevOps explorando frameworks de agentes inteligentes.
 14 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas