Entrar em Contato
 Duração 14 horas

Programa do Curso

Introdução a LLMs e Estruturas de Agentes

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

Configuração de Agentes LLM para Tarefas de DevOps

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

Automação de Fluxos de Trabalho de Testes e Qualidade de Código

  • Solicitação a LLMs para gerar testes unitários e de integração
  • Uso de agentes para impor linting, regras de commit e diretrizes de revisão de código
  • Resumo automático e marcação de solicitações de pull request

Agentes LLM para Tratamento de Alertas e Detecção de Alterações

  • Projeto de agentes respondedores para alertas de falha em pipelines
  • Análise de logs e rastreamentos utilizando modelos de linguagem
  • Detecção proativa de alterações de alto risco ou configurações inadequadas

Coordenação Multiagente em DevOps

  • Orquestração de agentes baseada em funções (planejador, executor, revisor)
  • Laços de mensagens entre agentes e gerenciamento de memória
  • Projeto com participação humana no circuito (human-in-the-loop) para sistemas críticos

Segurança, Governança e Observabilidade

  • Gerenciamento de exposição de dados e segurança de LLMs na infraestrutura
  • Auditoria de ações de agentes e restrição de escopo
  • Rastreamento do comportamento do pipeline e feedback do modelo

Casos de Uso em Cenários Reais e Personalizados

  • Projeto de fluxos de trabalho de agentes para resposta a incidentes
  • Integração de agentes com GitHub Actions, Slack ou Jira
  • Boas práticas para escalar a 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 integradas com IA
  • Desenvolvedores de LLMs trabalhando em DevOps ou automação
  • Profissionais de DevOps explorando estruturas de agentes inteligentes

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas