LLMs und Agenten in DevOps-Workflows Schulung

Einführung in LLMs und Agenten-Frameworks

• Überblick über Large Language Models in der Infrastruktur-Automatisierung
• Wichtige Konzepte in Multi-Agenten-Workflows
• AutoGen, CrewAI und LangChain: Anwendungsfälle in DevOps

Einrichtung von LLM-Agenten für DevOps-Aufgaben

• Installation von AutoGen und Konfiguration von Agentenprofilen
• Verwendung der OpenAI-API und anderer LLM-Anbieter
• Erichrung von Workspaces und CI/CD-kompatiblen Umgebungen

Automatisierung von Test- und Code-Qualitäts-Workflows

• Prompting von LLMs zur Generierung von Unit- und Integrationstests
• Verwendung von Agenten zur Durchsetzung von Linting, Commit-Regeln und Code-Review-Leitlinien
• Automatisierte Zusammenfassung und Tagging von Pull Requests

LLM-Agenten für Alarmverarbeitung und Änderungs Erkennung

• Gestaltung von Respondent-Agenten für Alarme bei Pipeline-Fehlern
• Analyse von Logs und Traces mit Hilfe von Sprachmodellen
• Proaktive Erkennung von hochriskanten Änderungen oder Fehlkonfigurationen

Multi-Agenten-Koordination in DevOps

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

Sicherheit, Governance und Observability

• Umgang mit Datenexpositionsrisiken und LLM-Sicherheit in der Infrastruktur
• Prüfung von Agentenaktionen und Beschränkung des Geltungsbereichs
• Nachverfolgung des Pipeline-Verhaltens und des Modell-Feedbacks

Praktische Anwendungsfälle und eigene Szenarien

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

Zusammenfassung und nächste Schritte