Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a los LLMs y marcos de agentes
- Vista general de los modelos de lenguaje de gran escala en la automatización de infraestructura
- Conceptos clave en flujos de trabajo multi-agente
- AutoGen, CrewAI y LangChain: casos de uso en DevOps
Configuración de agentes LLM para tareas DevOps
- Instalación de AutoGen y configuración de perfiles de agentes
- Uso de la API de OpenAI y otros proveedores de LLMs
- Configuración de espacios de trabajo y entornos compatibles con CI/CD
Automatización de flujos de trabajo de pruebas y calidad del código
- Instrucción de LLMs para generar pruebas unitarias e integradas
- Uso de agentes para aplicar reglas de linter, reglas de commit y pautas de revisión de código
- Resumen y etiquetado automatizados de solicitudes de extracción (pull requests)
Agentes LLM para el manejo de alertas y la detección de cambios
- Diseño de agentes respondedores para alertas de fallo en pipelines
- Análisis de registros y trazas utilizando modelos de lenguaje
- Detección proactiva de cambios de alto riesgo o configuraciones incorrectas
Coordinación multi-agente en DevOps
- Orquestación de agentes por roles (planificador, ejecutor, revisor)
- Bucles de mensajería entre agentes y gestión de memoria
- Diseño de bucle humano para sistemas críticos
Seguridad, gobernanza y observabilidad
- Manejo de la exposición de datos y la seguridad de LLMs en la infraestructura
- Auditoría de acciones de agentes y restricción de alcance
- Seguimiento del comportamiento del pipeline y retroalimentación del modelo
Casos de uso reales y escenarios personalizados
- Diseño de flujos de trabajo de agentes para la respuesta a incidentes
- Integración de agentes con GitHub Actions, Slack o Jira
- Mejores prácticas para escalar la integración de LLMs en DevOps
Resumen y próximos pasos
Requerimientos
- Experiencia con herramientas DevOps y automatización de pipelines
- Conocimiento práctico de Python y flujos de trabajo basados en Git
- Comprensión de LLMs o exposición a la ingeniería de prompts
Audiencia
- Ingenieros de innovación y líderes de plataformas con integración de IA
- Desarrolladores de LLMs que trabajan en DevOps o automatización
- Profesionales de DevOps que exploran marcos de agentes inteligentes