Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in LLMs und Agenten-Frameworks
- Überblick über grosse Sprachmodelle 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 Agenten-Profilen
- Nutzung der OpenAI API und anderer LLM-Anbieter
- Einrichtung von Workspaces und CI/CD-kompatiblen Umgebungen
Automatisierung von Test- und Codequalitäts-Workflows
- Prompting von LLMs zur Generierung von Unit- und Integrationstests
- Einsatz von Agenten für Linting, Commit-Regeln und Code-Review-Richtlinien
- Automatisierte Zusammenfassung und Tagging von Pull Requests
LLM-Agenten für die Warnungsbehandlung und Änderungserkennung
- Gestaltung von Responder-Agenten für Pipeline-Fehlersignale
- Analyse von Logs und Traces mit Sprachmodellen
- Proaktive Erkennung von hochriskanten Änderungen oder Fehlkonfigurationen
Multi-Agenten-Koordination in DevOps
- Rollenbasierte Agenten-Orchestrierung (Planer, Ausführender, Prüfer)
- Agenten-Nachrichten-Loops und Speicherverwaltung
- Human-in-the-Loop-Design für kritische Systeme
Sicherheit, Governance und Beobachtbarkeit
- Bewältigung von Datenexposition und LLM-Sicherheit in der Infrastruktur
- Auditing von Agentenaktionen und Einschränkung des Scopes
- Verfolgung des Pipeline-Verhaltens und des Modell-Feedbacks
Praxisnahe Anwendungsfälle und benutzerdefinierte Szenarien
- Gestaltung von Agenten-Workflows für die Störungsbeseitigung
- Integration von Agenten mit GitHub Actions, Slack oder Jira
- Best Practices für das Skalieren der LLM-Integration in DevOps
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit DevOps-Tools und Pipeline-Automatisierung
- Fachkenntnisse in Python und Git-basierten Workflows
- Verständnis von LLMs oder Erfahrung mit Prompt Engineering
Zielgruppe
- Innovationsingenieure und Plattformleiter für KI-Integration
- LLM-Entwickler in DevOps oder Automatisierung
- DevOps-Profis, die intelligente Agenten-Frameworks erkunden