お問い合わせ

コース概要

LLMとエージェントフレームワークの概要

  • インフラストラクチャ自動化における大規模言語モデルの概要
  • マルチエージェントワークフローの主要概念
  • AutoGen、CrewAI、LangChain:DevOpsにおけるユースケース

DevOpsタスク用のLLMエージェントのセットアップ

  • AutoGenのインストールとエージェントプロファイルの設定
  • OpenAI APIおよび他のLLMプロバイダーの使用
  • ワークスペースとCI/CD互換環境の構築

テストとコード品質ワークフローの自動化

  • LLMに対するプロンプトを用いたユニットテストおよび統合テストの生成
  • エージェントを活用したリンティング、コミットルール、コードレビューガイドラインの適用
  • プルリクエストの自動サマリーおよびタグ付け

アラート対応と変更検出におけるLLMエージェント

  • パイプライン障害アラートに対応するレスポンダーエージェントの設計
  • 言語モデルを使用したログおよびトレースの分析
  • 高リスクの変更や誤設定の積極的な検出

DevOpsにおけるマルチエージェント連携

  • 役割ベースのエージェントオーケストレーション(プランナー、エグゼキューター、レビュアー)
  • エージェント間のメッセージングループとメモリ管理
  • 重要システムにおけるヒューインザループ設計

セキュリティ、ガバナンス、および観測性

  • インフラストラクチャにおけるデータ漏洩とLLMの安全性の管理
  • エージェントアクションの監査およびスコープの制限
  • パイプラインの動作およびモデルフィードバックの追跡

実際のユースケースとカスタムシナリオ

  • インシデント対応用のエージェントワークフローの設計
  • GitHub Actions、Slack、Jiraへのエージェントの統合
  • DevOpsにおけるLLM統合のスケーリングにおけるベストプラクティス

要約および次のステップ

要求

  • DevOpsツールやパイプライン自動化の経験
  • PythonおよびGitベースのワークフローの実務知識
  • LLMの理解、またはプロンプトエンジニアリングへの接触経験

対象者

  • イノベーションエンジニアやAI統合プラットフォームのリード
  • DevOpsや自動化分野でLLM開発に従事している開発者
  • インテリジェントなエージェントフレームワークを探求するDevOps専門家
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー