Bangun AI Agent
dari Nol sampai Production

Belum pernah nulis Python sama sekali? Nggak masalah. Modul ini bawa kamu dari syntax dasar sampai siap pakai Python buat bikin AI agent di modul-modul berikutnya.

• Variabel & Tipe Data
• Operator & Aritmatika
• Control Flow (if/else, loop)
• Function & Scope
• List, Dict, Tuple, Set
• Error Handling (try/except)
• Module & Package
• Virtual Environment & pip

Mulai dari fondasi yang benar. Bedah perbedaan Prompt, Skill, Tool, dan Agent supaya kamu nggak bingung lagi di modul-modul berikutnya.

• Apa itu Prompt, Skill, Tool, dan Agent
• Cara kerja LLM secara garis besar
• Kapan butuh agent, kapan cukup prompt biasa
• Framework mental buat desain agent

Kuasai prompting techniques, structured output dengan JSON mode, dan function calling, dasar dari semua agent yang bisa "bertindak".

• Prompting: zero-shot, few-shot, chain-of-thought
• System prompt vs user prompt
• Structured output dengan JSON mode
• Function calling dasar
• Temperature, token, dan parameter lain

Pelajari embedding, vector search, dan chunking strategies lewat mini project: bikin RAG chatbot yang benar-benar paham knowledge base kamu.

• Embedding & vector representation
• Vector database (Chroma, Pinecone, dll)
• Chunking strategies
• Retrieval pipeline
• Mini project: RAG chatbot

Bikin agent yang bisa melakukan real action, bukan cuma jawab teks. Design tool schema, handle error, sampai chain multiple tools.

• Design tool schema
• Multi-tool chaining
• Error handling saat tool gagal
• Validasi input & output tool

Kuasai standar terbaru dari Anthropic ini lebih dulu dari kebanyakan engineer lain. Bikin MCP server sendiri dan integrasikan ke Claude Desktop.

• Apa itu Model Context Protocol
• Bikin MCP server sendiri
• Integrasi ke Claude Desktop
• Best practice desain MCP tool

Nggak akan bingung lagi kapan pakai LangChain, kapan LangGraph, kapan vanilla Python. Langsung praktik build multi-agent system.

• LangChain vs LangGraph vs vanilla Python
• State management dengan LangGraph
• Memory & conversation history
• Build multi-agent system

Buktikan skill kamu dengan bikin complex AI agent yang connect ke real system, lengkap dari planning sampai deployment.

• Planning & requirement gathering
• Arsitektur agent yang kompleks
• Integrasi ke real system
• Studi kasus end-to-end

Bawa agent kamu ke tangan real user. Pelajari strategi deployment, kontrol biaya API, sampai setup monitoring dan observability.

• Deployment strategies (server & serverless)
• Kontrol biaya API
• Monitoring & observability
• Logging & error tracking