Bangun Agen AI Nyata, Dari Loop Pertama hingga Production
Agen AI adalah program yang menggunakan large language model untuk bernalar, memanggil tools, dan mengambil tindakan multi-langkah — menangani tugas yang tidak bisa dilakukan kode statis. Track ini mencakup semuanya dari cara loop agen LLM benar-benar bekerja hingga menerapkan agen yang andal dan teramati di production. Kurikulum mencakup 60 kursus di enam level (A1 hingga C2), didasarkan pada tools yang digunakan praktisi saat ini: LangChain, LangGraph, LlamaIndex, vector databases, dan function-calling APIs yang diekspos oleh setiap major LLM provider.
Apa yang Akan Anda Pelajari
Anda akan memulai dengan mekanika LLM APIs dan prompt engineering untuk agen, kemudian melanjutkan dengan tool-use dan function-calling pattern yang membuat agen benar-benar berguna. Keterampilan inti meliputi membangun retrieval-augmented generation (RAG) pipelines dan integrasi vector database, membuat email, calendar, Slack, GitHub, dan web-scraping agents, merancang conversational memory dan structured output parsing, menulis agent tests dan debugging agent loops, serta menerapkan ReAct pattern dalam multi-tool agents. Di tingkat lanjut, Anda akan menangani multi-agent orchestration, long-horizon planning, computer-use dan browser agents, code-generating agents, sandboxing dan secure code execution, serta agent governance dengan audit trails.
Learning Path
Path dimulai di A1 dengan Intro to LLM Agents dan bergerak melalui fondasi A2 — prompt engineering, LLM APIs dalam praktik, operasi file system, dan conversational memory. B1 memperluas toolkit dengan API integration, RAG basics, vector databases, observability, LangChain fundamentals, dan domain-specific agents untuk documents, data analysis, dan workflow automation. B2 memperdalam pengetahuan tersebut melalui LangGraph untuk stateful agents, LlamaIndex, ReAct pattern, memory architectures, async dan event-driven design, agent safety dan guardrails, serta cost dan latency optimisation. Tier C1 mencakup advanced RAG techniques, multi-agent orchestration, production deployment, fine-tuning models untuk agentic tasks, dan multimodal pipelines. Track ditutup di C2 dengan Self-Improving Agent Systems dan The Road to Autonomous Systems.
Cara Kerjanya
Setiap kursus dipecah menjadi pelajaran singkat dan terfokus yang Anda kerjakan di editor kode built-in dengan feedback real-time. Tutor AI tersedia kapan pun Anda terjebak, dan setiap latihan didasarkan pada runnable code agar konsep tetap konkret daripada teoretis.