Kerangka Materi
Dari autocomplete ke agen: mengapa agen gagal
• Anatomi agen pemrograman: model, harness, permukaan alat, konteks, izin
• Posisi masing-masing alat: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• Taksonomi kegagalan: konteks salah, alat salah, tidak ada umpan balik, otonomi tanpa batas
Demonstrasi: Tugas yang sama, dijalankan dengan baik dan buruk, berdampingan
Rekayasa konteks
• Jendela konteks sebagai anggaran: apa yang mendapatkan tempat di dalamnya
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — satu konsep, beberapa nama file, satu sumber kebenaran
• Konvensi, perintah build dan test, batasan arsitektur
• Retrieval versus konteks eksplisit; dekomposisi tugas dan agen sub
Laboratorium: Tulis konteks repositori untuk layanan Python yang tidak dikenal, lalu jalankan ulang tugas yang gagal dan bandingkan outputnya
Alur kerja yang dapat digunakan kembali dan Skills Agen
• Memilih abstraksi: file instruksi, skill, perintah khusus, atau skrip biasa
• Anatomi skill: pemicu, instruksi, skrip terbungkus, disclosure bertahap
• Portabilitas lintas alat, dan di mana lock-in dimulai
• Penggabungan versi, tinjauan, dan distribusi di seluruh tim; pola anti-common yang umum
Laboratorium: Bangun dan uji alur kerja yang dapat digunakan kembali yang menegakkan standar kode internal
MCP: menghubungkan agen ke sistem nyata
• Arsitektur: klien, server, alat, sumber daya, dan prompt; transportasi stdio dan HTTP
• Server yang memperoleh tempatnya: hosting Git, pelacak masalah, basis data, browser, API internal
• Kapan CLI atau skrip lebih baik daripada server MCP
• Kebersihan permukaan alat: mengapa lebih banyak alat berarti lebih sedikit keandalan
Laboratorium: Sambungkan server MCP dan selesaikan satu tiket dari awal hingga akhir — masalah, cabang, patch, uji, pull request
Loop umpan balik dan evaluasi
• Uji, tipe, dan linter sebagai kebenaran dasar agen; kerja test-first sebagai mekanisme kendali
• CI sebagai loop luar, dan disiplin tinjauan untuk diff hasil karya agen
• Himpunan evaluasi tugas emas: apa yang harus diukur dan bagaimana menangkap regresi
• Biaya dan latensi sebagai metrik kelas pertama
Laboratorium: Bangun himpunan evaluasi kecil dan skorkan dua konfigurasi agen terhadapnya
Keamanan dan guardrails
• Injeksi prompt melalui masalah, pull request, README, dependensi, dan halaman yang diambil
• Model izin: allowlists, persetujuan, alat hanya-baca, kendali egress jaringan
• Kebersihan rahasia dan sandboxing: container, kredensial ephemeral, membatasi radius ledakan
• Risiko rantai pasok di server MCP pihak ketiga dan skill yang dibagikan
Laboratorium: Saksikan agen direbut oleh repositori yang diracuni, lalu perkuat setup sehingga hal itu tidak terjadi lagi
Meluncurkan ini ke seluruh tim
• Jalur adopsi bertahap; apa yang harus distandarkan dan apa yang dibiarkan kepada individu
• Metrik yang menunjukkan nilai nyata, dan metrik yang tidak
Persyaratan
• Pengetahuan kerja tentang Python, Git, dan baris perintah
• Pengalaman awal dengan asisten pemrograman AI
• NobleProg akan menyiapkan VM Dadesktop untuk peserta dengan Docker, VS Code, dan Python 3.11 atau yang lebih baru
• Asisten pemrograman AI yang berfungsi sesuai pilihan peserta: Claude Code, GitHub Copilot, Cursor, Codex CLI, atau Gemini CLI. Laboratorium bersifat tool-agnostik dan instruksi disediakan untuk masing-masing
Audiens
• Insinyur perangkat lunak, pemimpin teknis, dan arsitek yang menggunakan asisten pemrograman AI tanpa mendapatkan hasil yang andal
• Insinyur platform dan pengalaman developer yang meluncurkan alat AI di seluruh tim
• Manajer teknik yang menetapkan standar, guardrails, dan metrik keberhasilan
Testimoni (3)
Instruktur ini sabar dan sangat membantu. Ia memahami topik dengan baik.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kursus - Agentic AI for Business Automation: Use Cases & Integration
Diterjemahkan Mesin
Campuran yang baik antara pengetahuan dan praktik
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kursus - Agentic AI for Enterprise Applications
Diterjemahkan Mesin
Campuran teori dan praktik serta perspektif tingkat tinggi dan tingkat rendah
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kursus - Autonomous Decision-Making with Agentic AI
Diterjemahkan Mesin
