Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução aos LLMs e Frameworks de Agentes Autônomos
- Visão geral dos grandes modelos linguísticos na automação de infraestrutura
- Conceitos-chave em fluxos de trabalho multi-agente
- AutoGen, CrewAI e LangChain: casos de uso no DevOps
Configurando Agentes LLM para Tarefas do DevOps
- Instalação do AutoGen e configuração dos perfis de agente
- Utilização da API OpenAI e outros provedores de LLM
- Criação de ambientes de trabalho compatíveis com CI/CD
Automatizando Fluxos de Trabalho de Testes e Qualidade do Código
- Incentivando os LLMs a gerar testes unitários e de integração
- Utilização dos agentes para impor regras de formatação, commits e diretrizes de revisão de código
- Somatização e etiquetagem automatizada das solicitações de pull
Agentes LLM para Gerenciamento de Alertas e Detecção de Mudanças
- Dissignação de agentes respondentes para alertas de falha no pipeline
- Análise de logs e rastreamentos usando modelos linguísticos
- Detecção proativa de mudanças de alto risco ou configurações incorretas
Coordenação Multi-Agente no DevOps
- Orquestração baseada em papéis dos agentes (planejador, executor, revisor)
- Ciclos de mensagem e gerenciamento de memória dos agentes
- Diseño com humano no lazo para sistemas críticos
Segurança, Governance e Observabilidade
- Gestão da exposição de dados e segurança do LLM na infraestrutura
- Auditoria das ações dos agentes e restrição do escopo
- Rastreamento do comportamento do pipeline e feedback do modelo
Cenários Reais de Use Case e Cenários Personalizados
- Design de fluxos de trabalho de agentes para resposta a incidentes
- Integração dos agentes com GitHub Actions, Slack, ou Jira
- Melhores práticas para escalar a integração LLM no DevOps
Resumo e Próximos Passos
Requisitos
- Experiência com ferramentas e automação de pipeline do DevOps
- Conhecimento prático em Python e fluxos de trabalho baseados em Git
- Compreensão de modelos de linguagem grandes (LLMs) ou exposição à engenharia de prompts
Público-Alvo
- Engenheiros de inovação e líderes de plataformas integradas com IA
- Desenvolvedores de LLMs trabalhando em DevOps ou automação
- Profissionais de DevOps explorando estruturas de agentes inteligentes
14 Horas
Declaração de Clientes (1)
Treinador respondendo perguntas na hora.
Adrian
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Máquina Traduzida