お問い合わせ
 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

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