Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in LLMs und Agenten-Frameworks

  • Überblick über große Sprachmodelle in der Infrastrukturautomatisierung
  • Wesentliche Konzepte in Multi-Agenten-Workflows
  • AutoGen, CrewAI und LangChain: Anwendungsfälle im DevOps-Bereich

Einrichten von LLM-Agenten für DevOps-Aufgaben

  • Installation von AutoGen und Konfiguration von Agentenprofilen
  • Nutzung der OpenAI-API und anderer LLM-Anbieter
  • Einrichtung von Arbeitsbereichen und CI/CD-kompatiblen Umgebungen

Automatisierung von Test- und Code-Qualitäts-Workflows

  • Verwendung von Prompts, um LLMs zur Generierung von Unit- und Integrationstests anzuweisen
  • Einsatz von Agenten, um Linting, Commit-Regeln und Code-Review-Richtlinien durchzusetzen
  • Automatisierte Zusammenfassung und Tagung von Pull Requests

LLM-Agenten für die Behandlung von Warnungen und die Erkennung von Änderungen

  • Gestaltung von Antwortagenten für Warnungen bei Pipeline-Fehlern
  • Analyse von Logs und Spuren mithilfe von Sprachmodellen
  • Proaktive Erkennung von Hochrisiko-Änderungen oder Fehlkonfigurationen

Koordination mehrerer Agenten im DevOps-Bereich

  • Rollenbasierte Orchestrierung von Agenten (Planer, Ausführender, Prüfer)
  • Nachrichtenschleifen zwischen Agenten und Speicherverwaltung
  • Human-in-the-loop-Design für kritische Systeme

Sicherheit, Governance und Observability

  • Bewältigung von Datenexposition und LLM-Sicherheit in der Infrastruktur
  • Auditing von Agentenaktionen und Einschränkung des Geltungsbereichs
  • Verfolgung des Pipeline-Verhaltens und des Modelfeedbacks

Praktische Anwendungsfälle und benutzerdefinierte Szenarien

  • Gestaltung von Agenten-Workflows für die Incident-Response
  • Integration von Agenten mit GitHub Actions, Slack oder Jira
  • Best Practices für die Skalierung der LLM-Integration im DevOps-Bereich

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit DevOps-Tools und Pipeline-Automatisierung
  • Arbeitswissen in Python und Git-basierten Workflows
  • Verständnis von LLMs oder Erfahrung mit Prompt Engineering

Zielgruppe

  • Ingenieure für Innovation und Plattform-Leads mit KI-Integration
  • LLM-Entwickler, die im DevOps- oder Automatisierungsbereich tätig sind
  • DevOps-Profis, die intelligente Agenten-Frameworks untersuchen

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien