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.
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