Kursus Pelatihan LLM dan Agen dalam Alur Kerja DevOps

Pengenalan LLM dan Kerangka Kerja Agen

• Ikhtisar large language models dalam otomasi infrastruktur
• Konsep kunci dalam alur kerja multi-agen
• AutoGen, CrewAI, dan LangChain: kasus penggunaan di DevOps

Penyiapan Agen LLM untuk Tugas DevOps

• Instalasi AutoGen dan konfigurasi profil agen
• Penggunaan OpenAI API dan penyedia LLM lainnya
• Penyiapan ruang kerja dan lingkungan yang kompatibel dengan CI/CD

Otomatisasi Alur Kerja Tes dan Kualitas Kode

• Prompting LLM untuk menghasilkan tes unit dan integrasi
• Penggunaan agen untuk menegakkan linting, aturan commit, dan pedoman ulasan kode
• Ringkasan dan penandaan pull request secara otomatis

Agen LLM untuk Penanganan Peringatan dan Deteksi Perubahan

• Perancangan agen penjawab untuk peringatan kegagalan pipeline
• Analisis log dan jejak menggunakan model bahasa
• Deteksi proaktif perubahan berisiko tinggi atau kesalahan konfigurasi

Koordinasi Multi-Agen dalam DevOps

• Orkestrasi agen berbasis peran (perencana, eksekutor, peninjau)
• Loop pesan agen dan pengelolaan memori
• Desain human-in-the-loop untuk sistem kritis

Keamanan, Tata Kelola, dan Observabilitas

• Penanganan paparan data dan keamanan LLM di infrastruktur
• Audit tindakan agen dan pembatasan ruang lingkup
• Pelacakan perilaku pipeline dan umpan balik model

Kasus Penggunaan Dunia Nyata dan Skenario Kustom

• Perancangan alur kerja agen untuk respons insiden
• Integrasi agen dengan GitHub Actions, Slack, atau Jira
• Praktik terbaik untuk menskalakan integrasi LLM di DevOps

Ringkasan dan Langkah Berikutnya