お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 14 時間
コース概要
LLMとエージェントフレームワークの紹介
- 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な概念
- AutoGen、CrewAI、LangChain:DevOpsにおける使用例
DevOpsタスク向け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およびその他のLLMプロバイダーの活用
- ワークスペースおよびCI/CD互換環境の構築
テストおよびコード品質ワークフローの自動化
- LLMにプロンプトを与え、ユニットテストと統合テストを生成する
- エージェントを使用して、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を強制する
- プルリクエストの要約とタグ付けの自動化
アラート処理と変更検出のためのLLMエージェント
- パイプライン障害アラートへの対応エージェントを設計する
- 言語モデルを用いたログとトレースの分析
- 高リスクな変更や設定ミスの能動的な検出
DevOpsにおけるマルチエージェントの協調
- 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Human-in-the-Loop設計
セキュリティ、ガバナンス、オブザーバビリティ
- インフラストラクチャにおけるデータ漏洩およびLLMの安全性の処理
- エージェントのアクション監査とスコープの制限
- パイプラインの動作およびモデルのフィードバックの追跡
実際の使用例とカスタムシナリオ
- インシデントレスポンス向けエージェントワークフローの設計
- エージェントをGitHub Actions、Slack、Jiraと統合する
- DevOpsにおけるLLM統合のスケーリングに関するベストプラクティス
まとめと次のステップ
要求
- DevOpsツールおよびパイプライン自動化の実務経験
- PythonおよびGitベースのワークフローに関する実務的な知識
- 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
対象読者
- イノベーションエンジニア、AI統合プラットフォームのリーダー
- DevOpsや自動化分野でLLMを開発するエンジニア
- インテリジェントエージェントフレームワークを探求しているDevOps専門家