Programa do Curso

Introdução aos LLMs e Frameworks de Agentes Autônomos

  • Visão geral dos grandes modelos linguísticos na automação de infraestrutura
  • Conceitos-chave em fluxos de trabalho multi-agente
  • AutoGen, CrewAI e LangChain: casos de uso no DevOps

Configurando Agentes LLM para Tarefas do DevOps

  • Instalação do AutoGen e configuração dos perfis de agente
  • Utilização da API OpenAI e outros provedores de LLM
  • Criação de ambientes de trabalho compatíveis com CI/CD

Automatizando Fluxos de Trabalho de Testes e Qualidade do Código

  • Incentivando os LLMs a gerar testes unitários e de integração
  • Utilização dos agentes para impor regras de formatação, commits e diretrizes de revisão de código
  • Somatização e etiquetagem automatizada das solicitações de pull

Agentes LLM para Gerenciamento de Alertas e Detecção de Mudanças

  • Dissignação de agentes respondentes para alertas de falha no pipeline
  • Análise de logs e rastreamentos usando modelos linguísticos
  • Detecção proativa de mudanças de alto risco ou configurações incorretas

Coordenação Multi-Agente no DevOps

  • Orquestração baseada em papéis dos agentes (planejador, executor, revisor)
  • Ciclos de mensagem e gerenciamento de memória dos agentes
  • Diseño com humano no lazo para sistemas críticos

Segurança, Governance e Observabilidade

  • Gestão da exposição de dados e segurança do LLM na infraestrutura
  • Auditoria das ações dos agentes e restrição do escopo
  • Rastreamento do comportamento do pipeline e feedback do modelo

Cenários Reais de Use Case e Cenários Personalizados

  • Design de fluxos de trabalho de agentes para resposta a incidentes
  • Integração dos agentes com GitHub Actions, Slack, ou Jira
  • Melhores práticas para escalar a integração LLM no DevOps

Resumo e Próximos Passos

Requisitos

  • Experiência com ferramentas e automação de pipeline do DevOps
  • Conhecimento prático em Python e fluxos de trabalho baseados em Git
  • Compreensão de modelos de linguagem grandes (LLMs) ou exposição à engenharia de prompts

Público-Alvo

  • Engenheiros de inovação e líderes de plataformas integradas com IA
  • Desenvolvedores de LLMs trabalhando em DevOps ou automação
  • Profissionais de DevOps explorando estruturas de agentes inteligentes
 14 Horas

Próximas Formações Provisórias

Categorias Relacionadas


Fatal error: Uncaught TypeError: _isl_get_excluded_site(): Return value must be of type ?array, none returned in /apps/hitra7/backdrop/modules/_custom/frontend/islc7/isl_common.inc:38 Stack trace: #0 /apps/hitra7/backdrop/modules/_custom/frontend/islc7/isl_common.inc(30): _isl_get_excluded_site() #1 /apps/hitra7/backdrop/modules/_custom/frontend/islc7/isl_common.inc(17): isl_get_excluded_site() #2 /apps/hitra7/backdrop/modules/_custom/frontend/islc7/islc7.module(51): get_outline_isls() #3 /apps/hitra7/backdrop/modules/_custom/frontend/islc7/islc7.module(7): islc_prepare_links() #4 /apps/hitra7/npfrontend/nptemplates/default.php(272): islc7_sites_links_array_v3() #5 /apps/hitra7/npfrontend/modules/course/course.php(143): require_once('...') #6 /apps/hitra7/npfrontend/core/routes.php(15): course_menu_callback() #7 /apps/hitra7/npfrontend/__index.php(78): require_once('...') #8 /apps/hitra7/npfrontend/index.php(15): include_once('...') #9 /apps/hitra7/index.php(66): include_once('...') #10 {main} thrown in /apps/hitra7/backdrop/modules/_custom/frontend/islc7/isl_common.inc on line 38