연락처 정보

코스 개요

LLM 및 에이전트 프레임워크 소개

  • 인프라 자동화 분야의 대규모 언어 모델 개요
  • 멀티에이전트 워크플로우의 핵심 개념
  • AutoGen, CrewAI, LangChain의 DevOps 활용 사례

DevOps 작업을 위한 LLM 에이전트 설정

  • AutoGen 설치 및 에이전트 프로필 구성
  • OpenAI API 및 기타 LLM 제공업체 사용법
  • 워크스페이스 및 CI/CD 호환 환경 설정하기

테스트 및 코드 품질 자동화 워크플로우

  • LLM을 프롬프트하여 유닛 테스트 및 통합 테스트 생성하기
  • 에이전트를 사용하여 린팅, 커밋 규칙, 코드 리뷰 가이드라인 적용하기
  • Pull Request 자동 요약 및 태깅하기

알림 처리 및 변경 감지를 위한 LLM 에이전트

  • 파이프라인 실패 알림을 위한 대응 에이전트 설계하기
  • LLM을 사용하여 로그 및 트레이스 분석하기
  • 높은 위험도가 있는 변경 사항이나 오작동 사전 감지하기

DevOps에서의 멀티에이전트 조정

  • 역할 기반 에이전트 오케스트레이션(플래너, 실행자, 리뷰어)
  • 에이전트 메시지 루프 및 메모리 관리
  • 핵심 시스템용 Human-in-the-loop 설계

보안, 거버넌스 및 가시성(Observability)

  • 인프라에서의 데이터 노출 및 LLM 안전성 처리하기
  • 에이전트 작업 감사 및 범위 제한하기
  • 파이프라인 동작 및 모델 피드백 추적하기

실제 사용 사례 및 커스텀 시나리오

  • 사고 대응을 위한 에이전트 워크플로우 설계하기
  • GitHub Actions, Slack, Jira 등과의 에이전트 통합하기
  • DevOps 환경에서 LLM 통합을 확장하기 위한 모범 사례

요약 및 다음 단계

요건

  • DevOps 도구 및 파이프라인 자동화 경험
  • Python 및 Git 기반 워크플로우에 대한 실무 지식
  • LLM에 대한 이해 또는 프롬프트 엔지니어링 경험

대상

  • 혁신 엔지니어 및 AI 통합 플랫폼 책임자
  • DevOps 또는 자동화 분야에서 활동하는 LLM 개발자
  • 지능형 에이전트 프레임워크를 모색 중인 DevOps 전문가
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리