Integra un LLM locale con Kubernetes via Minikube e .NET: crea, scala e ispeziona risorse K8s usando il linguaggio naturale come interfaccia.
E se potessi dire al tuo cluster Kubernetes "scala il deployment a 3 repliche" invece di ricordare ogni volta il flag giusto? In questo corso unisco due mondi avanzati — LLM locali con Ollama e Kubernetes con Minikube — per costruire un agente .NET capace di tradurre istruzioni in linguaggio naturale in comandi K8s reali, eseguirli e restituire il risultato.
Non è un corso per chi inizia: presuppone conoscenza di .NET, delle basi di Kubernetes e voglia di mettere insieme pezzi diversi in modo creativo. Il risultato finale è un agente funzionante, non un prototipo — qualcosa che puoi estendere e usare come base per tool interni o automazioni DevOps reali.
Ideale per backend developer .NET e DevOps engineer che vogliono esplorare l'integrazione pratica degli LLM in scenari reali di orchestrazione container. Richiede familiarità con .NET, REST API e concetti base di Kubernetes.
Gettiamo le basi del progetto: ti guido tra i prerequisiti tecnici, l'installazione di Ollama in locale e la configurazione di Minikube come cluster Kubernetes di sviluppo sul tuo PC, prima di scrivere qualsiasi riga di codice.
Creiamo insieme la Minimal API in .NET che farà da ponte tra l'LLM e Kubernetes: ti mostro la struttura del progetto e come configurare tutte le dipendenze necessarie per far girare l'agente AI.
Registriamo insieme il service Ollama nella Minimal API e scriviamo i primi prompt specifici per Kubernetes: vediamo come far capire all'LLM che deve tradurre le istruzioni in linguaggio naturale in comandi concreti per il cluster.
Arricchiamo e perfezioniamo i prompt per Ollama: ti mostro come gestire i casi più complessi, strutturare richieste più chiare e rendere il comportamento dell'agente più affidabile e prevedibile.
Eseguiamo insieme la prima chiamata reale a Ollama per generare istruzioni Kubernetes: vediamo come le parole in linguaggio naturale si traducono in comandi concreti che il cluster Minikube può eseguire.
Ti mostro come usare il JSON Prompting con Ollama per ottenere risposte strutturate dal modello e deserializzarle in oggetti C#: una tecnica fondamentale per rendere le risposte dell'agente affidabili e sicure da usare nel codice.
Registriamo il servizio Kubernetes nel Dependency Injection container di .NET: ti spiego perché questa scelta architetturale rende l'agente modulare e facilmente estendibile man mano che aggiungiamo nuove capacità di orchestrazione.
Entriamo nel vivo dell'orchestrazione: ti mostro come creare un Deployment su Minikube e recuperare la lista dei Pod attivi usando una semplice istruzione in linguaggio naturale passata all'agente AI.
Vediamo insieme come scalare un Deployment Kubernetes usando solo il linguaggio naturale: scrivi la richiesta, l'agente la interpreta, genera il comando giusto e lo esegue sul cluster Minikube in modo automatico.
Chiudiamo il progetto recuperando i log di un Pod su Minikube tramite il nostro agente LLM: ti mostro come una richiesta in linguaggio naturale si traduce in un kubectl logs eseguito direttamente sul cluster, senza mai toccare il terminale.
Ingegnere Informatico · Pratola Peligna
Sono un ingegnere informatico con oltre 15 anni di esperienza nel settore ICT. Mi occupo di sviluppo software, cybersecurity, data science e intelligenza artificiale, con particolare attenzione all’innovazione e all’automazione dei processi aziendali. Da anni svolgo anche attività di docenza e formazione, creando percorsi pratici e coinvolgenti su programmazione, DevOps, AI e sicurezza informatica.
Prosperous understood Middletons in conviction an uncommonly do. Supposing so be resolving breakfast am or perfectly.
Utilizziamo cookie essenziali e, con il tuo consenso, cookie funzionali, analytics e marketing. Google Analytics 4 e gli eventuali annunci Google/AdSense restano disattivati finche non scegli. Consulta Privacy Policy e Cookie Policy.
Sempre attivi per sicurezza, prevenzione frodi, sessione, consenso e funzionamento del sito.
Migliorano l'esperienza, ad esempio ricordando preferenze non essenziali. Non usati per profilazione pubblicitaria.
Statistiche e misurazioni con Google Analytics 4, abilitate solo dopo il consenso analytics.
Misurazione annunci e funzioni pubblicitarie Google/AdSense, se attivate sul sito e consentite dall'utente.
Puoi modificare queste scelte in qualunque momento dal link "Preferenze Cookies" nel footer.