kurikulum belajar step-by-step berdasarkan roadmap "How to Start Learning AI Agents" yang dibagi ke dalam 3 level. Setiap level dirancang untuk diselesaikan dalam waktu sekitar 4 minggu (1 bulan), sehingga seluruh kurikulum dapat diselesaikan dalam 3 bulan. Cocok untuk pemula hingga menengah yang ingin menjadi praktisi AI Agent.
Kurikulum Belajar AI Agents (3 Bulan)
Level 1: GenAI & RAG Basics (Minggu 1–4)
Tujuan: Memahami dasar-dasar AI Generatif, LLM, RAG, dan tools pendukungnya.
Output: Mampu menggunakan LLM & RAG untuk menjawab pertanyaan berbasis data.
| Minggu | Topik Belajar | Kegiatan Praktik |
|---|---|---|
| 1 | Pengenalan GenAI & LLM | - Baca artikel tentang GenAI & LLM - Coba ChatGPT atau Claude - Eksperimen dengan temperature & top-p |
| 2 | Prompt Engineering & Parameter LLM | - Pelajari Zero-shot, Few-shot Prompt - Coba OpenAI Playground dengan prompt berbeda |
| 3 | Dasar RAG & Vektor Database | - Pelajari konsep embedding & RAG - Coba Pinecone, Chroma, atau Weaviate |
| 4 | API & Integrasi Tool | - Coba LangChain, LlamaIndex - Uji integrasi API ChatGPT dengan pencarian Google atau Python tools |
Level 2: AI Agent Essentials (Minggu 5–8)
Tujuan: Membangun dan memahami logika kerja agen AI otonom.
Output: Agen AI pertama yang dapat menelusuri dokumen dan mengambil tindakan dasar.
| Minggu | Topik Belajar | Kegiatan Praktik |
|---|---|---|
| 5 | Apa Itu Agen AI & Framework Agen | - Pelajari konsep "agentic behavior" - Eksplorasi LangChain, CrewAI, AutoGen |
| 6 | Bangun Agen Pertama & Workflows | - Buat agen sederhana: baca PDF, jawab pertanyaan - Tambahkan alur kerja logis |
| 7 | Memori, Evaluasi, Penalaran | - Tambahkan memori pendek & panjang ke agen - Evaluasi hasil dengan metrik sederhana |
| 8 | Sistem Multi-Agen & Perencanaan Aksi | - Simulasikan kerja 2 agen (penanya & pelaksana) - Buat flow kerja yang adaptif & responsif |
Level 3: Advanced Agent Skills (Minggu 9–12)
Tujuan: Optimasi dan penerapan AI Agents untuk kebutuhan nyata.
Output: Agen AI yang bisa digunakan publik, dengan performa baik dan integrasi nyata.
| Minggu | Topik Belajar | Kegiatan Praktik |
|---|---|---|
| 9 | Integrasi Dunia Nyata & Autonomous Loop | - Hubungkan agen ke Slack/Notion - Buat loop harian seperti ringkasan otomatis |
| 10 | Toolkit Kustom | - Tambahkan fungsi Python (misal: kalkulator, translator) - Buat modul API pribadi |
| 11 | Optimasi Kinerja | - Benchmark waktu eksekusi, biaya token, dan akurasi - Terapkan caching atau penyesuaian prompt |
| 12 | Deploy ke Produksi | - Hosting via Streamlit/Gradio + Vercel - Siapkan dokumentasi dan demo online |
📁 Tambahan Sumber Belajar:
- LangChain → https://docs.langchain.com
- CrewAI → https://docs.crewai.com
- OpenAI API → https://platform.openai.com
- Pinecone / ChromaDB → https://www.pinecone.io / https://docs.trychroma.com
- Prompt Engineering Guide → https://promptingguide.ai
