Kerangka Materi
Tumpukan Personalisasi Berempat Tingkat
Tingkat 1 | Tahu – Rules dan AGENTS.md
Topik yang dibahas:
• Menentukan konvensi proyek dan standar coding
• Mendokumentasikan arsitektur dan batasan teknis
• Membuat panduan proyek yang netral terhadap alat tertentu
• Menjaga konsistensi di seluruh tim pengembang dan alat AI
Tingkat 2 | Bisa – Skills
Topik yang dibahas:
• Membuat unit pengetahuan spesifik yang dapat digunakan kembali
• Memuat informasi kontekstual hanya saat diperlukan
• Mengurangi ukuran konteks sambil meningkatkan kinerja tugas
• Membangun perpustakaan alur kerja dan keahlian yang dapat digunakan kembali
Tingkat 3 | Menjangkau – MCP
Topik yang dibahas:
• Menghubungkan alat AI ke sistem dan layanan eksternal
• Mengakses repositori, basis data, dan sumber dokumentasi
• Memperluas kemampuan asisten coding berbasis AI
• Menerapkan integrasi yang aman serta kontrol tata kelola
Tingkat 4 | Bertindak – Agents
Topik yang dibahas:
• Memahami agen AI otonom dan kemampuannya
• Membaca, menulis, menguji, dan merevisi kode secara mandiri
• Mengelola alur kerja berorientasi tujuan dan tugas yang didelegasikan
• Menetapkan mekanisme pengawasan dan tinjauan manusia untuk sistem agentic
Hari 1 | Delegasi dan Perluasan Alat
Modul 1 | Dari Asisten ke Agen
Topik yang dibahas:
• Memahami perbedaan antara asisten AI dan agen otonom
• Penyelesaian kode secara inline versus delegasi agentic
• Bagaimana alur kerja agentic mengubah cara tugas pengembangan disusun
• Mengidentifikasi tugas yang cocok untuk didelegasikan kepada agen
• Praktik terbaik dalam berkolaborasi dengan sistem AI otonom
Modul 2 | Delegasi yang Berhasil Tanpa Pengawasan Ketat
Topik yang dibahas:
• Menulis instruksi efektif untuk agen AI
• Menyediakan konteks dan persyaratan bisnis yang memadai
• Menetapkan batasan dan batas eksekusi
• Menentukan kriteria penerimaan dan ukuran keberhasilan yang jelas
• Meminimalkan intervensi manusia sambil tetap menjaga kualitas
Modul 3 | Tumpukan Personalisasi dan Penerapannya di Berbagai Konteks
Topik yang dibahas:
• Memahami tumpukan personalisasi berempat tingkat
• Menggunakan Rules dan AGENTS.md untuk menentukan konvensi proyek
• Menentukan mekanisme personalisasi mana yang relevan dalam berbagai skenario
• Mengelola konteks secara efisien di seluruh alat dan proyek
• Membangun 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 spesifik agar dapat digunakan berulang kali
• Memahami peran subagen dan konteks terisolasi
• Mendelegasikan tugas terbatas kepada agen khusus
• Meningkatkan efisiensi melalui alur kerja AI modular
Hari 2 | Koneksi Alat, Paralelisme, dan Tata Kelola
Modul 5 | MCP: Koneksi dan Pembangunan
Topik yang dibahas:
• Memahami prinsip Model Context Protocol (MCP)
• Menghubungkan alat AI ke sistem dan layanan eksternal
• Mengintegrasikan browser, basis data, repositori, dan sumber dokumentasi
• Membangun server MCP khusus
• Mengelola kontrol akses dan pertimbangan keamanan
Modul 6 | Alur Kerja Agentic yang Disiplin
Topik yang dibahas:
• Menetapkan proses pengembangan yang dibantu AI secara berulang
• Brainstorming dan perencanaan bersama agen AI
• Membangun dan mengimplementasikan solusi secara kolaboratif
• Menguji dan memvalidasi output yang dihasilkan
• Meninjau dan menyelesaikan deliverabel dengan langkah verifikasi yang tepat
Modul 7 | Pengembangan Paralel
Topik yang dibahas:
• Menjalankan beberapa agen AI secara bersamaan
• Bekerja dengan cabang terisolasi dan Git worktrees
• Mengkoordinasikan aktivitas pengembangan di lintas alur kerja paralel
• Menggabungkan dan memvalidasi output dari berbagai agen
• Meningkatkan produktivitas melalui strategi eksekusi paralel
Modul 8 | Risiko, Tinjauan, dan Tata Kelola
Topik yang dibahas:
• Mengevaluasi dan meninjau Skills eksternal serta server MCP
• Memahami risiko keamanan dan tata kelola
• Mengelola izin dan hak akses
• Melindungi data sensitif dan kekayaan intelektual
• Menetapkan proses tinjauan dan praktik jaminan kualitas
Modul 9 | Adopsi AI dalam Pengembangan Perangkat Lunak: Use Case dan Langkah Selanjutnya
Topik yang dibahas:
• Cara 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 individu, adopsi berbasis tim, dan pengaktifan di seluruh organisasi
• Use case tipikal di sepanjang SDLC:
• Pengumpulan persyaratan dan dokumentasi
• Generasi kode dan prototipe
• Pengujian dan jaminan kualitas
• Tinjauan kode dan refactoring
• Dokumentasi dan manajemen pengetahuan
• DevOps dan manajemen insiden
• Model tata kelola, kebijakan, dan pertimbangan keamanan
• Mengukur produktivitas dan ROI dari pengembangan yang dibantu AI
• Menyusun peta jalan adopsi AI internal
• Menentukan langkah praktis berikutnya 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 aksi awal untuk integrasi AI.
Persyaratan
Pengalaman pengembangan profesional, kenyamanan dengan terminal, dan pengetahuan dasar tentang Git. Penggunaan rutin alat coding AI atau penyelesaian kursus Foundations.
Audiens
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.
Testimoni (2)
Memanfaatkan Claude Code dengan lebih efisien
Virgil Trif - Frequentis
Kursus - Claude Code: Agentic AI Development · 1-Day
Diterjemahkan Mesin
Saya memahami potensi alat tersebut dan memperoleh keterampilan yang memadai untuk segera memulai penggunaannya dalam pekerjaan saya.
Angelo Moro
Kursus - Claude AI for Developers: Building AI-Powered Applications
Diterjemahkan Mesin