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 des infrastructures
  • Concepts clés des workflows multi-agents
  • AutoGen, CrewAI et LangChain : cas d'utilisation en 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 tests et de qualité du code

  • Incitation des LLM à générer des tests unitaires et d'intégration
  • Utilisation d'agents pour imposer le linting, les règles de commit et les lignes directrices de revue de code
  • Synthétisation et étiquetage automatisés des pull requests

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

  • Conception d'agents répondeurs 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 mauvaises configurations

Coordination multi-agents dans le DevOps

  • Orchestration basée sur les rôles des agents (planificateur, exécutant, réviseur)
  • Boucles de messagerie entre agents et gestion de la mémoire
  • Conception avec intervention humaine 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 périmètre
  • Suivi du comportement du pipeline et des retours des modèles

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 déploiement à grande échelle de l'intégration des LLM en DevOps

Résumé 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 à l'ingénierie des prompts

Public cible

  • Ingénieurs en innovation et chefs 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