Prenez contact avec nous

Plan du cours

Introduction aux LLM et aux frameworks d'agents

  • Vue d'ensemble des grands modèles de langage dans l'automatisation de l'infrastructure.
  • Concepts clés des workflows multi-agents.
  • AutoGen, CrewAI et LangChain : cas d'utilisation dans le DevOps.

Configuration des agents LLM pour les 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 workflows de tests et de qualité du code

  • Prompting des LLM pour générer des tests unitaires et d'intégration.
  • Utilisation d'agents pour appliquer le linting, les règles de commit et les directives de revue de code.
  • Automatisation de la synthèse et de l'étiquetage des pull requests.

Agents LLM pour la gestion des alertes et la détection des changements

  • Conception d'agents de réponse pour les alertes d'échec de pipeline.
  • Analyse des logs et des traces à l'aide de modèles linguistiques.
  • Détection proactive des changements à haut risque ou des mauvaises configurations.

Coordination multi-agents dans le DevOps

  • Orchestration basée sur les rôles des agents (planificateur, exécutant, réviseur).
  • Boucles de messagerie des agents et gestion de la mémoire.
  • Conception 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 l'infrastructure.
  • Audit des actions des agents et restriction de leur portée.
  • Suivi du comportement du pipeline et des retours du modèle.

Cas d'utilisation réels et scénarios personnalisés

  • Conception de workflows d'agents pour la réponse aux incidents.
  • Intégration d'agents avec GitHub Actions, Slack ou Jira.
  • Meilleures pratiques pour le passage à l'échelle de l'intégration des LLM dans le DevOps.

Conclusion et prochaines étapes

Pré requis

  • Expérience avec les outils DevOps et l'automatisation des pipelines.
  • Connaissance pratique de Python et des workflows basés sur Git.
  • Compréhension des LLM ou exposition au prompt engineering.

Audience cible

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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires