Formation LLM et agents dans les workflows DevOps

Introduction aux LLM et aux frameworks d'agents

• Aperçu des grands modèles de langage dans l'automatisation de l'infrastructure
• Concepts clés des workflows multi-agents
• AutoGen, CrewAI et LangChain : cas d'usage 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
• Mise en place d'espaces de travail et d'environnements compatibles CI/CD

Automatisation des workflows de test et de qualité du code

• Utilisation de prompts pour générer des tests unitaires et d'intégration via les LLM
• Utilisation d'agents pour faire respecter le linting, les règles de commit et les directives de revue de code
• Résumé et étiquetage automatisés des demandes de tirage (pull requests)

Agents LLM pour le traitement des alertes et la détection des modifications

• Conception d'agents répondants pour les alertes d'échec de pipeline
• Analyse des journaux et des traces à l'aide de modèles de langage
• Détection proactive des modifications à haut risque ou des erreurs de configuration

Coordination multi-agents dans le DevOps

• Orchestration d'agents par rôle (planificateur, exécuteur, réviseur)
• Boucles de messagerie entre 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 des pipelines et des retours des modèles

Cas d'usage réels et scénarios personnalisés

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

Summary and Next Steps