آموزش DevOps و هوش مصنوعی مولد با استفاده از .NET، Azure OpenAI و GitHub - آخرین آپدیت

مقدمه Introduction

• مقدمه Introduction

• محدوده دوره و ابزارها Course Scope and Tooling

مفاهیم هوش مصنوعی مولد برای DevOps Generative AI Concepts for DevOps

• مرور بخش Section Overview

• چگونه هوش مصنوعی مولد به مهندسان DevOps کمک می‌کند How Generative AI Helps DevOps Engineers

• نقش هوش مصنوعی مولد در چرخه حیات DevOps Where Generative AI Adds Value in the DevOps Lifecycle

• تفاوت DevOps تحت حمایت هوش مصنوعی و DevOps خودگردان AI-Assisted vs AI-Autonomous DevOps

• آگاهی از ریسک: توهمات، تغییر مدل و فراتر رفتن از کنترل Risk Awareness: Hallucinations, Drift, and Overreach

• مرور بخش Section Review

DevOps عملی با کمک هوش مصنوعی Practical AI-Assisted DevOps

• مرور بخش Section Overview

• زیرساخت به عنوان کد (IaC) با کمک هوش مصنوعی AI-Assisted Infrastructure as Code (IaC)

• دمو: زیرساخت به عنوان کد با کمک هوش مصنوعی (Bicep + GitHub Copilot) Demo: AI-Assisted Infrastructure as Code (Bicep + GitHub Copilot)

• دمو: نویسندگی و بهینه‌سازی خط لوله با استفاده از هوش مصنوعی Demo: Pipeline Authoring and Optimization Using AI

• دمو: هوش مصنوعی برای استراتژی تست و اطمینان از انتشار Demo: AI for Test Strategy and Release Confidence

• دمو: خودکارسازی یادداشت‌های انتشار با کمک هوش مصنوعی Demo: AI-Assisted Release Notes Automation

• دمو: پاسخ به حوادث و تحلیل ریشه مشکل با کمک هوش مصنوعی Demo: AI-Assisted Incident Response and Root Cause Analysis

• مرور بخش Section Review

ابزارهای هوش مصنوعی در DevOps، حاکمیت و آمادگی سازمانی DevOps AI Tools, Governance, and Enterprise Readiness

• مرور بخش Section Overview

• چشم‌انداز ابزارهای هوش مصنوعی سازمانی برای DevOps Enterprise AI Tooling Landscape for DevOps

• مرور ابزارهای هوش مصنوعی مورد استفاده در DevOps Review of AI Tooling Used in DevOps

• ایجاد چارچوب‌های حفاظتی هوش مصنوعی برای تیم‌های DevOps سازمانی Establishing AI Guardrails for Enterprise DevOps Teams

• حسابرسی، مسئولیت‌پذیری و نظارت عملیاتی Auditing, Accountability, and Operational Oversight

• ایجاد دستورالعمل پذیرش هوش مصنوعی برای سازمان شما Creating an AI Adoption Playbook for Your Organization

• اندازه‌گیری نرخ بازگشت سرمایه (ROI) هوش مصنوعی در DevOps Measuring ROI of AI in DevOps

• مرور بخش Section Review

ادغام هوش مصنوعی مولد در خط لوله‌های DevOps Integrating Generative AI into DevOps Pipelines

• مرور بخش Section Overview

• آماده‌سازی و اتصال به موتور هوش مصنوعی Provisioning and Connecting to an AI Engine

• طراحی مراحل قطعی در جریان کاری هوش مصنوعی Designing Deterministic AI Workflow Steps

• مدیریت وظایف هوش مصنوعی در GitHub Actions Orchestrating AI Jobs in GitHub Actions

• مهندسی متن (Context Engineering) برای هوش مصنوعی در DevOps Context Engineering for DevOps AI

• مدیریت هزینه و عملکرد برای خط لوله‌های هوش مصنوعی Cost and Performance Management for AI Pipelines

• قابلیت مشاهده و حلقه‌های بازخورد برای خط لوله‌های تحت حمایت هوش مصنوعی Observability and Feedback Loops for AI-Assisted Pipelines

• الگوهای ادغام امن (امنیت فنی) Secure Integration Patterns (Technical Security)

• ChatOps تقویت شده با هوش مصنوعی AI-Augmented ChatOps

• مرور بخش Section Review

هوش مصنوعی عامل‌محور برای سناریوهای پیشرفته DevOps Agentic AI for Advanced DevOps Scenarios

• مرور بخش Section Overview

• مبانی عامل‌های هوش مصنوعی: آناتومی یک عامل AI Agents 101: Anatomy of an Agent

• هوش مصنوعی عامل‌محور در خط لوله‌های CI/CD (موارد استفاده امن و ناامن) Agentic AI in CI/CD Pipelines (Safe and Unsafe Use Cases)

• دمو: توسعه یک عامل ساده DevOps Demo: Developing a Minimal DevOps Agent

• دمو: اضافه کردن یک عامل ساده به یک جریان کاری GitHub Demo: Adding Minimal Agent to a GitHub Workflow

• حالت‌های شکست عامل در محیط تولید Agent Failure Modes in Production

• مدل طراحی خودمختاری تدریجی Progressive Autonomy Design Model

• الگوهای عامل‌محور در جریان‌های کاری DevOps (PRها، بیلدها، حوادث) Agentic Patterns in DevOps Workflows (PRs, Builds, Incidents)

• دمو: توسعه یک عامل پیشنهاد دهنده کیفیت کد در Pull Request Demo: Developing a PR Code Quality Suggesting Agent

• دمو: ادغام عامل در جریان کاری ارزیابی کیفیت کد PR Demo: Integrating Agent into PR Code Quality Assessment Workflow

• حافظه در سیستم‌های عامل: چه چیزی ذخیره شود و چه چیزی ذخیره نشود Memory in Agentic Systems: What to Store and What Not to Store

• دمو: اضافه کردن حافظه در سطح جریان کاری به یک عامل DevOps Demo: Adding Workflow-Level Memory to a DevOps Agent

• ابزارها و MCP: استانداردسازی متن و اقدامات در میان عامل‌ها Tools and MCP: Standardizing Context and Actions Across Agents

• دمو: ساخت یک سرور MCP برای ابزارهای GitHub Demo: Build an MCP Server for GitHub Tooling

• دمو: گسترش عامل با ابزارهای MCP Demo: Extend the Agent with MCP Tools

• دمو: تست و تأیید جریان کاری GitHub با استفاده از عامل MCP Demo: Test and Verify the GitHub Workflow Using the MCP Agent

• سیستم‌های چند-عاملی برای پاسخ به حوادث Multi-Agent Systems for Incident Response

• دمو: ایجاد یک پیاده‌سازی چند-عاملی Demo: Creating a Multi-Agent Implementation

• دمو: تست یک جریان کاری چند-عاملی Demo: Testing a Multi-Agent Workflow

• قابلیت مشاهده و ارزیابی عامل‌های هوش مصنوعی Observability and Evaluation of AI Agents

• دمو: اضافه کردن قابلیت مشاهده و ارزیابی به یک عامل Demo: Adding Observability and Evaluation to an Agent

• دمو: تجسم OpenTelemetry عامل با استفاده از Aspire Demo: Visualizing Agent OpenTelemetry with Aspire

• مرور بخش Section Review

نتیجه‌گیری Conclusion

• نتیجه‌گیری و توصیه‌ها Conclusion and Recommendations