现代软件交付和 DevOps 法学硕士

在整个软件开发和交付生命周期中应用法学硕士的实用指南，提高现代软件组织的开发、测试、运营和项目效率。

主要功能

• 通过实际的企业示例将法学硕士应用于跨开发和运营的现代 DevOps 工作流程
• 在 GPT、微调、RAG 和基于代理的系统方面建立流畅的架构
• 利用人工智能驱动的自动化和运营智能强化软件交付渠道

书籍说明

如果您在软件工程、DevOps、SRE 或平台团队工作，这本书由企业数字化转型专家撰写，展示了大型语言模型 (LLM) 如何增强现代工程组织的自动化、软件交付和操作可靠性。

为了加深熟悉度，本书首先实践了 LLM 的技术基础，包括 Transformer、GPT 架构以及 LoRA 和 QLoRA 等微调技术。然后，它开发这些基础来演示如何将检索增强生成（RAG）和基于代理的系统嵌入到真实的企业工作流程中。在开发、测试、运营、安全和项目管理场景中，您将看到法学硕士如何增强代码生成、自动化测试、改进日志分析和事件响应、支持根本原因分析以及协助基于风险的决策。

读完本书后，您将能够从孤立的模型实验转向可扩展的企业实践，设计高效、可靠且战略一致的智能 DevOps 和 SRE 工作流程。

你将学到什么

• 了解大型语言模型和基于 Transformer 的架构的演变
• 构建和优化 GPT 式模型，包括微调和强化学习技术
• 将 RAG 和代理架构应用于企业 DevOps 和平台工程场景
• 使用 LLM 自动化操作任务，例如日志分析、票证处理和根本原因分析
• 利用大型语言模型增强测试、编程和 CI/CD 工作流程
• 将法学硕士应用于 DevOps 环境中的项目管理、风险分析和安全用例

这本书适合谁

本书适合希望在整个软件交付生命周期中应用和实施 LLM 的软件工程师、DevOps 和 SRE 专业人员、QA 和安全团队以及技术经理。

目录

1. 大型语言模型简介
2. 大型语言模型的基石——Transformer
3. 从 Transformer 到 ChatGPT33
4. 大型语言模型的微调技术
5. 企业人工智能应用技术—RAG
6. 软件交付的三个基本支柱
7. 大语言模型在运营场景中的实际应用
8. 大型语言模型在测试场景中的实际应用
9. 大语言模型在编程场景中的实际应用
10. 大型语言模型在项目管理场景中的实际应用
11. 大型语言模型在安全场景中的实际应用