Hubungi Kami

Kerangka Materi

Tumpukan Personalisasi Empat Tingkat

Tingkat 1 | Knows – Rules dan AGENTS.md

Topik yang dibahas:
• Menentukan konvensi proyek dan standar pemrograman
• Mendokumentasikan arsitektur dan batasan teknis
• Membuat panduan proyek yang netral terhadap alat (tool-neutral)
• Mempertahankan konsistensi di seluruh tim pengembang dan alat AI

Tingkat 2 | Can – Skills

Topik yang dibahas:
• Membuat unit-unit pengetahuan spesialis yang dapat digunakan kembali
• Memuat informasi kontekstual hanya saat diperlukan
• Mengurangi ukuran konteks sekaligus meningkatkan kinerja tugas
• Membangun perpustakaan alur kerja dan keahlian yang dapat digunakan kembali

Tingkat 3 | Reaches – MCP

Topik yang dibahas:
• Menghubungkan alat AI ke sistem dan layanan eksternal
• Mengakses repositori, basis data, dan sumber dokumentasi
• Memperluas kemampuan asisten pemrograman AI
• Mengimplementasikan integrasi yang aman serta kontrol tata kelola

Tingkat 4 | Acts – Agents

Topik yang dibahas:
• Memahami agen AI otonom dan kemampuannya
• Membaca, menulis, menguji, dan merevisi kode secara otonom
• Mengelola alur kerja yang berorientasi tujuan serta tugas yang didelegasikan
• Menetapkan mekanisme pengawasan dan tinjauan oleh manusia untuk sistem agentic

Hari 1 | Delegalisasi dan Ekstensi Alat

Modul 1 | Dari Asisten ke Agen

Topik yang dibahas:
• Memahami perbedaan antara asisten AI dan agen otonom
• Pelengkapan kode secara inline versus delegasi agentic
• Bagaimana alur kerja agentic mengubah struktur tugas pengembangan
• Mengidentifikasi tugas yang cocok untuk didelegasikan kepada agen
• Praktik terbaik dalam berkolaborasi dengan sistem AI otonom

Modul 2 | Delegasi yang Efektif Tanpa Supervisi Berkelanjutan & Loops

Topik yang dibahas:
• Menulis instruksi yang efektif untuk agen AI
• Menyediakan konteks dan kebutuhan bisnis yang cukup
• Menentukan batasan dan ruang lingkup eksekusi
• Menetapkan kriteria penerimaan dan ukuran keberhasilan yang jelas
• Meminimalkan intervensi manusia sambil mempertahankan kualitas
• Cara membangun Loops

Modul 3 | Tumpukan Personalisasi dan Penerapannya

Topik yang dibahas:
• Memahami tumpukan personalisasi empat tingkat
• Menggunakan Rules dan AGENTS.md untuk menentukan konvensi proyek
• Menentukan mekanisme personalisasi mana yang berlaku dalam berbagai skenario
• Mengelola konteks secara efisien di seluruh alat dan proyek
• Menciptakan lingkungan pengembangan yang dibantu AI secara konsisten

Modul 4 | Skills dan Subagen

Topik yang dibahas:
• Membuat Skills yang dapat digunakan kembali untuk alur kerja dan tugas umum
• Mengemas pengetahuan spesialis untuk penggunaan berulang
• Memahami peran subagen dan konteks yang terisolasi
• Mendelegasikan tugas-tugas berbatas kepada agen spesialis
• Meningkatkan efisiensi melalui alur kerja AI yang modular

Hari 2 | Koneksi Alat, Paralelisme, dan Tata Kelola

Modul 5 | MCP: Koneksi dan Pembangunan

Topik yang dibahas:
• Memahami prinsip Protokol Konteks Model (Model Context Protocol / MCP)
• Menghubungkan alat AI ke sistem dan layanan eksternal
• Mengintegrasikan browser, basis data, repositori, dan sumber dokumentasi
• Membangun server MCP kustom
• Mengelola kontrol akses dan pertimbangan keamanan

Modul 6 | Alur Kerja Agentic yang Disiplin

Topik yang dibahas:
• Menetapkan proses pengembangan yang dibantu AI secara berulang
• Berpikir kritis dan merencanakan solusi bersama agen AI
• Membangun dan mengimplementasikan solusi secara kolaboratif
• Menguji dan memvalidasi output yang dihasilkan
• Meninjau dan menyelesaikan deliverables dengan langkah verifikasi yang tepat
• Cara menetapkan tujuan

Modul 7 | Pengembangan Paralel

Topik yang dibahas:
• Menjalankan beberapa agen AI secara simultan
• Bekerja dengan branch terisolasi dan Git worktrees
• Mengkoordinasikan aktivitas pengembangan di seluruh alur kerja paralel
• Penggabungan dan validasi output dari beberapa agen
• Meningkatkan produktivitas melalui strategi eksekusi paralel

Modul 8 | Risiko, Tinjauan, dan Tata Kelola

Topik yang dibahas:
• Mengevaluasi dan memverifikasi Skills serta server MCP eksternal
• Memahami risiko keamanan dan tata kelola
• Mengelola izin dan hak akses
• Melindungi data sensitif dan kekayaan intelektual
• Menetapkan proses tinjauan serta praktik jaminan kualitas

Modul 9 | Adopsi AI dalam Pengembangan Perangkat Lunak: Use Case dan Langkah Selanjutnya

Topik yang dibahas:
• Bagaimana organisasi mengintegrasikan AI ke dalam Siklus Hidup Pengembangan Perangkat Lunak (SDLC)
• Use case dunia nyata dan contoh implementasi dari berbagai industri
• Pendekatan adopsi AI yang umum: adopsi individual, adopsi berbasis tim, dan pemberdayaan di seluruh organisasi
• Use case khas sepanjang SDLC:
• Pengumpulan kebutuhan dan dokumentasi
• Generasi kode dan prototyping
• Testing dan jaminan kualitas
• Code review dan refactoring
• Dokumentasi dan manajemen pengetahuan
• DevOps dan manajemen insiden
• Model tata kelola, kebijakan, serta pertimbangan keamanan
• Mengukur produktivitas dan ROI dari pengembangan yang dibantu AI
• Menyusun peta jalan adopsi AI internal
• Menentukan langkah praktis selanjutnya bagi peserta dan tim mereka

Workshop Diskusi Interaktif

• Tantangan saat ini dalam tim pengembangan peserta
• Identifikasi use case bernilai tinggi untuk adopsi segera
• Risiko, hambatan, dan pertimbangan organisasi
• Penyusunan rencana tindakan awal untuk integrasi AI.

Persyaratan

Pengalaman pengembangan profesional, kenyamanan dengan terminal, dan pemahaman dasar Git. Penggunaan rutin alat pemrograman AI atau penyelesaian kursus Foundations.

Target Peserta

Pengembang yang sudah menggunakan alat AI, pemimpin teknis yang bertanggung jawab atas adopsi tim, serta insinyur platform atau DevOps yang membangun Skills dan server MCP.

 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait