VideoSegera
Evolusi AI: Dari Rule-Based ke Agentic AI
Webinar pembuka yang membongkar 6 generasi AI dan mengapa agentic AI adalah lompatan paradigma terbesar.
1j 24mAkses
✳Agentic AI Architect & Builder ProgramNEW BATCH 2026
Utak-atik AI, bangun agent
& aplikasi nyata,
bukan sekadar baca teori.
Untuk tinkerer & builder: utak-atik AI, main OpenClaw/Hermes, coba model lokal, dan bangun aplikasi. Dari prompt engineering hingga ekosistem agent self-hosted — 11 level di-rank dari minat tertinggi pemula AI 2026.
11
Level kurikulum
55+
Modul materi
9
Project nyata
3 bln
Roadmap belajar
Struktur Kurikulum — Second Brain
Graf pengetahuan kurikulum — semua terhubung.
Konstelasi pengetahuan dengan vis-network (Graphify-style). Nodes menyebar, lalu pelan-pelan mengumpul ke center selama 15 detik — gaya Obsidian Graph View.
Memuat graf pengetahuan...
✳
Agentic AI — Second Brain
0
Level
0+
Modul
0
Project
10
Konsep
Inti Konsep
L0 · Prompt Engineering
L1 · AI Agent
L2 · Vibe Coding
L3 · Model Lokal
L4 · MCP
100%
Scroll untuk zoom · Drag node untuk merapikan · Drag canvas untuk geser · Hover untuk info
Peta Ekosistem
Arsitektur ✳ NAVI AI Platform
Peta visual ekosistem agent yang akan Anda bangun di capstone. Setiap node adalah lapisan kompetensi — dari gateway pengguna hingga tools dan dunia luar.
100%
USER
Frontend App · Next.js
GATEWAY
API Layer · Auth · Routing
Research Agent
LangGraph
Coding Agent
OpenClaw
Business Agent
Hermes
Vector DB
LLM Core
Tools / API
Cloud VPS
EXTERNAL WORLD
Browser · DB · Filesystem · Computer
GatewayLangGraphOpenClawHermesFrontend
Kurikulum Lengkap
Sebelas level, di-rank dari minat tertinggi
hingga paling spesifik.
Berdasarkan riset minat belajar pemula AI builder/tinkerer 2026. Level diberi badge 🔥 Tertinggi sampai Terendah. Modul GRATIS bisa mulai hari ini.
0
L0
Level 0Minat Tertinggi
Desain Prompt (Prompt Engineering)
Pintu masuk termurah — tidak butuh coding, hasil langsung terasa.
Fondasi pertama yang ingin dikuasai hampir semua pemula. Pelajari cara memberi instruksi yang jelas (prompting), mengajak AI berpikir langkah demi langkah (chain-of-thought), dan menyajikan konteks yang tepat (context design). Langsung bisa dipakai untuk mengemudikan OpenClaw/Hermes dan agen apa pun.
MODUL 0.1
GratisFondasi Membuat Prompt yang mudah dieksekusi oleh AI
Mulai dari nol. Pahami anatomy sebuah prompt — instruction, context, input, output. Pelajari kapan cukup instruksi langsung (zero-shot), kapan perlu memberi contoh dulu (few-shot), agar hasil AI paling akurat.
- Anatomy prompt: instruction, context, input, output
- Instruksi langsung tanpa contoh (zero-shot)
- Instruksi dengan contoh (few-shot)
- Kapan pakai masing-masing
MODUL 0.2
GratisRantai Berpikir dan Pola Reasoning
Ajak AI berpikir langkah demi langkah (chain-of-thought). Teknik ini membongkar masalah kompleks jadi urutan pikiran yang bisa ditelusuri dan dikoreksi.
- Berpikir langkah demi langkah (chain-of-thought)
- Coba banyak jalur, lalu pilih terbaik (self-consistency)
- Cabang pemikiran untuk masalah bercabang (tree-of-thought)
- Siklus berpikir + bertindak (ReAct)
MODUL 0.3
GratisMeracik Konteks yang Tepat untuk AI
Ingatan AI (context window) bukan tempat buang teks. Pelajari cara kurasi konteks — apa yang masuk, apa yang dipotong, urutan penyajian — supaya AI fokus pada yang penting, bukan informasi sampah (noise).
- Batas ingatan AI & kuota kata (token budget)
- Pilih mana yang penting
- Memecah informasi jadi bagian (chunking)
- Hindari informasi yang mengganggu (context pollution)
MODUL 0.4
GratisMerancang System Prompt: Aturan Main Agent
System prompt adalah 'konstitusi' agent. Susun aturannya: siapa dia (peran / role), batasan apa yang dilarang (guardrails), cara dia berpikir, dan format jawaban yang konsisten (output format) di setiap obrolan.
- Menetapkan peran & kepribadian (persona)
- Batasan & larangan (guardrails)
- Format jawaban yang konsisten (output format)
- Urutan instruksi yang rapi (prompt hierarchy)
MODUL 0.5
GratisPrompt untuk OpenClaw & Hermes
Khusus untuk yang suka utak-atik (tinkerer): cara membuat prompt yang jalan di OpenClaw (openclaw.ai) dan Hermes (NousResearch) — dua 'mesin' agent populer, lengkap dengan format SKILL.md.
- Format SKILL.md
- Prompt lintas mesin agent (framework OGP)
- Pola prompt OpenClaw
- Pola prompt Hermes
Project Level 0
Prompt Library Pribadi
Susun pustaka prompt siap pakai untuk 5 use case harian Anda — lengkap dengan dokumentasi kapan pakai, parameter, dan expected output.
1
L1
Level 1Minat Sangat Tinggi
Membangun AI Agent / AI Agentik
Area paling naik daun 2026 — agen yang eksekusi tugas, bukan cuma teks.
Pelajari pola arsitektur agent yang naik daun di 2026: sequential pipeline, coordinator + specialist, parallel + merge. Cocok untuk niat 'main OpenClaw/Hermes' dengan agen yang benar-benar mengerjakan tugas.
MODUL 1.1
GratisAnatomi Agent: Loop & Komponen
Bongkar agent jadi empat komponen: Brain (LLM), Memory, Tools, Orchestrator. Pahami agent loop Observe → Reason → Plan → Act → Reflect sebagai jantung semua perilaku agent.
- Brain, Memory, Tools, Orchestrator
- Agent loop: Observe → Reason → Plan → Act → Reflect
- Chatbot vs Assistant vs Agent vs Autonomous
MODUL 1.2
GratisSequential Pipeline Pattern
Pola paling dasar: agent A → agent B → agent C. Cocok untuk tugas linear seperti 'riset → tulis → publish'. Pelajari state handoff antar node.
- Linear pipeline design
- State handoff antar agent
- Error handling per node
- LangGraph sequential workflow
MODUL 1.3
GratisCoordinator + Specialist Pattern
Satu supervisor mendelegasikan ke specialist (Research, Coding, Marketing agent). Pola yang dipakai OpenClaw untuk control-plane. Pelajari routing & delegation logic.
- Supervisor pattern
- Worker/specialist agent
- Delegation logic
- Result aggregation
MODUL 1.4
GratisParallel + Merge Pattern
Eksekusi beberapa agent bersamaan, lalu merge hasilnya. Untuk tugas seperti 'analisa 5 kompetitor sekaligus'. Pelajari concurrency, race condition, dan merge strategy.
- Parallel execution
- Race condition & sync
- Merge strategy (voting, ranking, LLM judge)
- Map-reduce untuk agent
MODUL 1.5
GratisTool Calling & Function Calling
Agent tanpa tool cuma ngomong. Ajak agent memanggil API, browser, database, file system. Pelajari function calling schema, tool registration, dan safety guardrails.
- Function calling schema
- Tool registration
- Safety & permission control
- Computer use & browser automation
Project Level 1
Multi-Agent Research Assistant
Bangun tim agent: Planner → Searcher → Analyzer → Writer. Output: laporan riset terstruktur dari topik bebas, siap dipublikasikan.
2
L2
Level 2Minat Sangat Tinggi
Membuat Aplikasi (No-code / Vibe Coding)
App yang dulu 3 bulan / $15rb, sekarang bisa jadi seminggu via prompt.
Tujuan utama kelompok builder: 'bikin aplikasi'. Kuasai vibe coding dengan Cursor, Windsurf, v0, Claude Code (semi-code) dan no-code app builder seperti Lovable, Bolt, Replit, Base44 (zero-code). Dari prompt ke production.
MODUL 2.1
GratisVibe Coding dengan Cursor & Windsurf
IDE generasi baru yang mengerti maksud Anda. Pelajari cara mendeskripsikan aplikasi dalam bahasa natural, biarkan AI menulis kodenya. Iterasi cepat dengan inline edit & multi-file refactor.
- Cursor: Composer, Chat, inline edit
- Windsurf: Cascade, Flow mode
- Multi-file refactor
- Context untuk IDE AI
MODUL 2.2
GratisNo-code App Builders: Lovable, Bolt, Replit, Base44
Tanpa sentuh kode sama sekali. Bangun app dari prompt — Lovable & Bolt untuk web app, Replit Agent untuk full-stack, Base44 untuk prototyping kilat. Pilih tool yang tepat per use case.
- Lovable: web app dari prompt
- Bolt.new: full-stack instant
- Replit Agent: deploy-ready
- Base44: prototyping cepat
MODUL 2.3
GratisClaude Code & v0 untuk Prototyping
Claude Code: CLI agent yang bisa baca repo, jalanin test, push commit. v0: generate UI component dari screenshot atau deskripsi. Combo kuat untuk frontend cepat.
- Claude Code: terminal agent
- v0: UI generation
- Dari screenshot ke component
- Integrasi dengan Next.js
MODUL 2.4
GratisDari Prompt ke Production-ready
App dari AI sering jadi prototype berantakan. Pelajari cara membawa ke production: struktur folder, env management, error handling, deployment ke Vercel/Railway/VPS.
- Project structure best practice
- Environment & secrets
- Error handling & logging
- Deploy: Vercel, Railway, VPS
MODUL 2.5
GratisIterasi & Debug dengan AI Pair Programmer
AI bukan satu kali generate — ia pair programmer. Pelajari workflow iteratif: prompt → review → refine → test. Teknik debugging dengan AI sebagai rubber duck.
- Iterative refinement workflow
- Rubber duck debugging dengan AI
- Code review otomatis
- Test generation
Project Level 2
Ship 1 Aplikasi Nyata
Pilih satu ide app, bangun end-to-end dengan vibe coding tools. Deploy ke publik, dapatkan 5 user nyata. Bukan demo — produk yang dipakai orang.
3
L3
Level 3Minat Tinggi
Mencoba & Menjalankan Model (Cloud + Lokal)
API cloud (OpenAI/Anthropic/HF) + LLM lokal via Ollama & LM Studio.
Eksplisit disebut dalam riset: pemula ingin 'mencoba model'. Kuasai dua jalur: API cloud untuk power, dan LLM lokal via Ollama (CLI) / LM Studio (GUI) untuk privasi & tanpa API key. Default pemula: model 7-8B (Q4_K_M).
MODUL 3.1
GratisAPI Cloud: OpenAI, Anthropic, HuggingFace
Mulai dari yang paling mudah: API cloud. Daftar API key, panggil model GPT/Claude/Llama via REST. Pelajari rate limit, pricing, dan pemilihan model per use case.
- OpenAI API: GPT-4o, o-series
- Anthropic API: Claude 4
- HuggingFace Inference API
- Rate limit, pricing, model selection
MODUL 3.2
GratisOllama: LLM Lokal via CLI
Jalankan LLM di mesin sendiri tanpa API key. Ollama adalah CLI yang membuat pull & run model lokal serasa mudah seperti Docker. Privat, gratis, di hardware sendiri.
- Install & setup Ollama
- Pull model (llama3, mistral, qwen)
- Run via CLI & API
- Custom Modelfile
MODUL 3.3
GratisLM Studio: LLM Lokal via GUI
Untuk yang lebih suka GUI. LM Studio: download model, chat interface, server lokal yang kompatibel OpenAI API. Cocok untuk eksplorasi visual sebelum coding.
- Install LM Studio
- Browse & download model
- Chat interface
- Local server mode
MODUL 3.4
GratisMemilih Model: Default 7-8B (Q4_K_M)
Pemula sering bingung pilih model. Default aman: 7-8B parameter dengan quantization Q4_K_M — balance antara kualitas dan kebutuhan RAM. Pelajari cara baca spec model.
- Parameter size: 7B vs 13B vs 70B
- Quantization: Q4_K_M, Q5, Q8
- RAM & VRAM requirement
- Benchmark & leaderboard
MODUL 3.5
GratisHardware Considerations & Optimasi
Mac M-series vs NVIDIA GPU vs CPU-only? Pelajari cara optimalkan inference: GPU offload, context length, batch size, dan kapan upgrade hardware.
- Mac M1/M2/M3 (Metal)
- NVIDIA GPU (CUDA)
- CPU-only fallback
- Inference optimization
MODUL 3.6
GratisMenggunakan Proxy untuk Free-Tier Model
Daripada daftar puluhan API key tiap provider, gunakan LLM proxy/gateway (seperti OpenRouter) yang menyatukan ratusan model — termasuk yang gratis — dalam satu endpoint. Pelajari cara akses free-tier model dari berbagai provider lewat satu pintu.
- Apa itu LLM gateway / proxy
- OpenRouter & layanan aggregasi
- Free-tier model: Llama, Qwen, DeepSeek
- Satu API key untuk banyak model
- Kapan proxy masuk akal
Project Level 3
Local AI Lab
Setup laboratorium LLM lokal di mesin Anda: Ollama + LM Studio + 3 model pilihan. Dokumentasikan benchmark kualitas vs kecepatan untuk use case Anda.
4
L4
Level 4Minat Tinggi
MCP (Model Context Protocol)
Standar 2026 untuk sambungkan agent ke tool eksternal tanpa glue code.
MCP adalah standar 2026 yang menyambungkan agent ke tool eksternal tanpa kode lem khusus. Sangat relevan untuk pengguna OpenClaw/Hermes yang ingin agennya akses channel (Telegram, Discord) dan alat luar.
MODUL 4.1
GratisKonsep MCP & Standar 2026
Pahami MCP sebagai protokol universal: agent ↔ tool. Kenali bedanya MCP vs function calling tradisional, dan mengapa MCP jadi standar de facto di 2026.
- MCP architecture
- MCP vs function calling
- Server & client model
- Ekosistem MCP 2026
MODUL 4.2
GratisMenyambungkan Agent ke Tool Eksternal
Praktik: sambungkan agent ke GitHub, Slack, database, browser, file system. Pelajari MCP client setup, tool discovery, dan permission control.
- MCP client setup
- Tool discovery
- Permission control
- Pre-built MCP servers
MODUL 4.3
GratisChannel Integration: Telegram, Discord, dsb.
Bawa agent ke channel tempat user berada. Integrasi Telegram bot, Discord bot, WhatsApp, Email — semua via MCP. Agent yang bisa di-chat di mana saja.
- Telegram bot integration
- Discord bot integration
- WhatsApp & Email
- Cross-channel session
MODUL 4.4
GratisMembangun Custom MCP Server
Tidak ada MCP server untuk tool Anda? Bangun sendiri. Pelajari spec MCP server, schema definition, dan publikasi ke registry agar komunitas bisa pakai.
- MCP server spec
- Schema definition
- TypeScript & Python SDK
- Publish ke registry
MODUL 4.5
GratisMCP dengan OpenClaw & Hermes
Integrasi MCP di runtime OpenClaw (TypeScript/Node) dan Hermes (Python). Manfaatkan OGP (Open Gateway Protocol) untuk kompatibilitas lintas framework.
- OpenClaw + MCP
- Hermes + MCP
- OGP compatibility
- Skill sharing antar framework
Project Level 4
Agent di Telegram Anda
Bangun agent yang hidup di Telegram via MCP — bisa akses 3 tool eksternal (GitHub, search, file) dan ingat konteks percakapan.
5
L5
Level 5Minat Sedang-Tinggi
RAG (Retrieval-Augmented Generation)
Sambungkan LLM ke data pribadi — agent yang 'tahu' isi file Anda.
Pemula ingin sistem AI yang 'tahu' isi file mereka. RAG adalah langkah logis setelah coba model dasar. Pelajari embedding, vector database, dan LangChain untuk RAG dengan dokumen & basis data pribadi.
MODUL 5.1
GratisKonsep RAG & Use Cases
Pahami kapan LLM butuh RAG: ketika harus tahu data spesifik yang tidak ada di training. Bedakan RAG vs fine-tuning vs long-context window.
- RAG architecture
- RAG vs fine-tuning vs long-context
- Use cases: dokumen, FAQ, knowledge base
- Limitasi RAG
MODUL 5.2
GratisEmbedding & Vector Database
Konversi teks jadi vektor yang bisa dicari. Pilih embedding model (OpenAI, Cohere, lokal) dan vector DB (Chroma, Qdrant, Pinecone, pgvector).
- Embedding model selection
- Vector DB: Chroma, Qdrant, Pinecone, pgvector
- Similarity search (cosine, L2)
- Hybrid search
MODUL 5.3
GratisLangChain untuk RAG
LangChain adalah framework de facto untuk RAG. Pelajari document loader, text splitter, retrieval chain, dan QA prompt template.
- Document loader
- Text splitter
- Retrieval chain
- QA prompt template
MODUL 5.4
GratisRAG dengan Data Pribadi & Dokumen
Praktik: bangun RAG di atas folder PDF Anda, Notion workspace, atau database. Agent yang bisa menjawab 'apa kata dokumen X tentang Y?'
- PDF & document ingestion
- Notion & workspace integration
- Database as knowledge source
- Citation & source tracking
MODUL 5.5
GratisOptimasi Retrieval & Chunking
RAG awal sering jelek karena chunking naive. Pelajari semantic chunking, reranking, query expansion, dan evaluation agar retrieval presisi tinggi.
- Semantic chunking
- Reranking (Cohere, cross-encoder)
- Query expansion & HyDE
- RAG evaluation & metrics
Project Level 5
Second Brain AI
Bangun RAG di atas 100+ dokumen pribadi Anda. Tanya jawab dengan agent yang tahu persis isi catatan, PDF, dan knowledge base Anda.
6
L6
Level 6Minat Sedang
Orchestration & Problem Shaping
DNA OpenClaw — pecah goal samar jadi subtugas terukur.
Skill yang naik nilainya di 2026: problem shaping, context design, orchestration. Pelajari cara memecah goal samar jadi subtugas terukur, dan kapan pakai 1 agent vs banyak. Ini DNA OpenClaw (control-plane/gateway).
MODUL 6.1
GratisProblem Shaping: Goal Samar → Subtugas Terukur
Skill paling dicari 2026. User bilang 'bikin marketing plan' — Anda pecah jadi subtugas: riset pasar, analisa kompetitor, positioning, channel strategy. Pelajari dekomposisi sistematis.
- Goal decomposition framework
- Measurable subtask definition
- Ambiguity resolution
- Output specification
MODUL 6.2
Gratis1 Agent vs Multi-Agent: Kapan Pilih?
Tidak semua tugas butuh multi-agent. Pelajari decision framework: kapan 1 agent kuat cukup, kapan harus pecah jadi tim. Tradeoff: cost, latency, reliability.
- Decision framework
- Cost & latency tradeoff
- Reliability consideration
- Fallback strategy
MODUL 6.3
GratisOpenClaw Control-Plane / Gateway
OpenClaw = breadth (banyak agent/channel, control-plane-first). Pelajari arsitektur gateway: routing, permission, session management untuk 22+ channel.
- Gateway architecture
- Routing logic
- Permission layer
- Session management
MODUL 6.4
GratisDelegation & Routing Patterns
Supervisor mendelegasikan ke specialist. Pelajari pola: round-robin, capability-based routing, LLM-as-router, dan dynamic agent spawning.
- Round-robin & load balancing
- Capability-based routing
- LLM-as-router
- Dynamic agent spawning
MODUL 6.5
GratisOrchestration Lintas Framework (OGP)
OGP (Open Gateway Protocol) membuat agent lintas framework bisa kolaborasi. Pelajari cara OpenClaw (Node) dan Hermes (Python) bekerja sama via OGP.
- OGP spec
- Cross-framework agent
- Skill sharing
- Interoperability testing
Project Level 6
Orchestrate 5 Agent Lintas Framework
Bangun orchestrator yang menjalankan 5 agent — beberapa OpenClaw, beberapa Hermes — yang berkolaborasi via OGP untuk satu tugas kompleks.
7
L7
Level 7Minat Sedang
Personal AI Infra / Self-hosting
Setup OpenClaw gateway & Hermes runtime di mesin/VPS sendiri.
Minat spesifik kelompok tinkerer: setup gateway OpenClaw (routing, permission, 22 channel) atau learning loop Hermes (agen self-improving + ingat preferensi). Termasuk setup MEMORY.md. Menengah-tinggi karena butuh sedikit teknis.
MODUL 7.1
GratisSetup OpenClaw Gateway
Install OpenClaw (TypeScript/Node.js), konfigurasi gateway dengan routing, permission, dan 22+ channel support. Dari zero ke gateway produksi di VPS.
- Install OpenClaw
- Gateway config (routing, permission)
- 22 channel setup
- VPS deployment
MODUL 7.2
GratisHermes Learning Loop
Hermes (Python 3.11, Nous Research) = depth. Satu agent yang self-improving dengan learning loop. Pelajari cara agent belajar dari feedback dan ingat preferensi user.
- Install Hermes runtime
- Learning loop architecture
- Self-improvement mechanism
- Feedback ingestion
MODUL 7.3
GratisMEMORY.md & Persistent Context
Ampun rahasia agent yang terus relevan: MEMORY.md. Pelajari format, struktur, dan strategi update memory agar agent ingat konteks jangka panjang tanpa context window meledak.
- MEMORY.md format
- Memory hierarchy (short/long/episodic)
- Update strategy
- Memory compaction
MODUL 7.4
GratisAgent yang Ingat Preferensi
Agent yang tahu Anda suka jawaban ringkas, code TypeScript, dan contoh praktis. Pelajari preference tracking, personalization, dan adaptive prompting.
- Preference tracking
- Personalization engine
- Adaptive prompting
- User profile management
MODUL 7.5
GratisDeploy di VPS / Self-hosted
Bawa infra agent ke VPS (Hetzner, DigitalOcean, Railway). Setup reverse proxy, SSL, monitoring, dan backup. Self-hosted = kontrol penuh, privasi total.
- VPS setup (Hetzner, DO, Railway)
- Reverse proxy & SSL
- Monitoring & logging
- Backup & recovery
Project Level 7
Personal Autonomous AI Employee
Deploy agent yang hidup terus-menerus di VPS Anda, mengingat preferensi via MEMORY.md, terhubung 3+ channel, dan mengeksekusi tugas harian tanpa supervisi.
8
L8
Level 8Minat Sedang-Rendah
Fondasi Coding & API (Python, REST)
Cukup untuk wiring aplikasi — bukan untuk training model.
Pemula 'builder' biasanya cukup belajar Python dasar + cara panggil API. Bukan untuk training model, tapi untuk wiring aplikasi. Skill 'table stakes' yang nilainya turun karena AI bisa nulis kode — tapi tetap perlu dipahami.
MODUL 8.1
GratisPython Dasar untuk Builder
Tidak perlu jadi Python expert. Pelajari yang cukup untuk baca & edit kode yang AI generate: variabel, function, class, async, dan package management.
- Syntax dasar: variabel, function, class
- Async/await
- Package management (pip, uv, poetry)
- Virtual environment
MODUL 8.2
GratisREST API: Cara Panggil & Buat
REST adalah bahasa universal web. Pelajari HTTP method, status code, JSON, autentikasi. Praktik panggil OpenAI API lalu bangun API sendiri dengan FastAPI.
- HTTP method & status code
- JSON & request/response
- Authentication (API key, OAuth)
- FastAPI basics
MODUL 8.3
GratisWiring Aplikasi dengan LLM API
Sambungkan frontend ke LLM backend. Pelajari streaming response, error handling, rate limit, dan caching untuk app yang responsive.
- Streaming response (SSE)
- Error handling & retry
- Rate limit handling
- Response caching
MODUL 8.4
GratisAsync & WebSocket untuk Agent
Agent real-time butuh WebSocket. Pelajari perbedaan HTTP vs WebSocket, kapan pakai masing-masing, dan implementasi chat interface real-time.
- WebSocket vs HTTP
- Real-time chat implementation
- Connection management
- Socket.io / native WS
MODUL 8.5
GratisEnvironment & Package Management
Skill table stakes: kelola dependency tanpa bikin mess. Pelajari .env, Docker basics, dan monorepo structure untuk project AI yang scalable.
- .env & secrets management
- Docker basics
- Monorepo structure
- CI/CD basics
Project Level 8
Backend Sederhana untuk Agent Anda
Bangun backend FastAPI yang melayani agent Anda — REST endpoint + WebSocket untuk streaming, autentikasi, dan dokumentasi API auto-generated.
9
L9
Level 9Minat Rendah
AI Literacy & Etika
Penting (69% pemimpin anggap krusial) — tapi untuk tinkerer urutannya rendah.
AI literacy krusial (69% pemimpin anggap begitu), tapi untuk tinkerer hands-on urutannya rendah — mereka lebih suka langsung coba daripada baca teori etika. Tetap penting untuk dimiliki sebagai konteks, bukan prioritas harian.
MODUL 9.1
GratisAI Literacy: Kapabilitas & Limitasi
Pahami apa yang LLM bisa dan tidak bisa. Kenali halusinasi, bias, dan limitasi context. Literacy dasar agar tidak percaya bulat-bulat pada output AI.
- LLM kapabilitas & limitasi
- Halusinasi & cara deteksi
- Bias model
- Context window limit
MODUL 9.2
GratisEtika AI: Bias, Privacy, Harm
Tiga pilar etika AI praktis. Kenali bias di training data, risiko privacy saat pakai data pribadi, dan potensi harm dari output AI. Framework untuk decide 'boleh tidak ini di-deploy?'.
- Bias detection & mitigation
- Privacy (PII, GDPR, UU PDP)
- Harm taxonomy
- Responsible deploy checklist
MODUL 9.3
GratisResponsible AI Use
Praktik responsible AI untuk builder: transparency (disclose AI-generated), human-in-the-loop untuk decision kritis, dan fallback ketika AI gagal.
- Transparency & disclosure
- Human-in-the-loop pattern
- Fallback & graceful degradation
- Audit trail
MODUL 9.4
GratisAI Governance & Compliance
Untuk yang mau bangun produk komersial. Pahami EU AI Act, regulasi Indonesia, dan framework governance internal agar produk Anda tidak kena masalah hukum.
- EU AI Act
- Regulasi Indonesia (UU PDP)
- Internal governance framework
- Compliance documentation
MODUL 9.5
GratisCareer & Society Impact
AI mengubah pasar kerja. Pelajari skill yang naik turun nilainya, cara position diri sebagai 'AI-augmented professional', dan kontribusi sosial yang positif.
- Skill shift 2026+
- AI-augmented career strategy
- Social impact
- Community contribution
10
L10
Level 10Minat Terendah
Deep Learning / ML Teori
Paling rendah untuk grup ini — mereka ingin pakai & bangun, bukan riset.
PyTorch, transformer, math, CNN/RNN. Paling rendah untuk kelompok tinkerer — mereka ingin pakai & bangun, bukan riset model dari nol. Beda dengan pemula jalur 'data scientist'. Disertakan untuk yang ingin pendalaman opsional.
MODUL 10.1
GratisPyTorch Fundamentals
Framework ML paling populer. Pelajari tensor, autograd, model definition, training loop. Cukup untuk pahami cara model dilatih — bukan untuk jadi ML engineer.
- Tensor & autograd
- Model definition (nn.Module)
- Training loop
- Saving & loading model
MODUL 10.2
GratisTransformer Architecture
Arsitektur di balik semua LLM modern. Pahami self-attention, multi-head attention, positional encoding, dan mengapa transformer menggantikan RNN.
- Self-attention mechanism
- Multi-head attention
- Positional encoding
- Encoder vs decoder
MODUL 10.3
GratisMath for ML: Linear Algebra & Calculus
Math minimum untuk pahami ML: vektor, matriks, turunan, gradient descent. Tidak perlu PhD — cukup untuk baca paper dan pahami apa yang terjadi di dalam model.
- Linear algebra (vektor, matriks)
- Calculus (turunan, gradient)
- Gradient descent
- Backpropagation intuition
MODUL 10.4
GratisCNN & RNN (Legacy Architectures)
Sebelum transformer, ada CNN (untuk image) dan RNN (untuk sequence). Pelajari untuk konteks historis dan karena masih dipakai di domain spesifik (vision, time series).
- CNN untuk image
- RNN & LSTM
- Kapan masih relevan
- Vision transformer (ViT)
MODUL 10.5
GratisTraining vs Fine-tuning vs Inference
Tiga fase hidup model. Pahami bedanya: training dari nol (mahal), fine-tuning (menengah), inference (murah, yang Anda lakukan sehari-hari). Kapan pilih masing-masing.
- Pre-training dari nol
- Fine-tuning (LoRA, QLoRA)
- Inference optimization
- Decision framework
Capstone Project
Build Your Own AI Ecosystem
Setelah menyelesaikan 8 level, Anda membangun satu platform AI terpadu utuh: NAVI AI Platform. Bukan demo, bukan tutorial — produk yang siap di-deploy ke VPS dan melayani pengguna nyata.
✳
Stack Capstone
- Runtime: OpenClaw + Hermes (OGP)
- MCP: 3+ tool eksternal terhubung
- Channel: Telegram / Discord / Web
- Memory: MEMORY.md + RAG knowledge base
- Model: lokal via Ollama + cloud API
- Deploy: VPS self-hosted
✳
Deliverable Wajib
- Agent yang hidup & terhubung 24/7
- Ingat preferensi user (personalization)
- Bisa akses data pribadi via RAG
- Eksekusi tugas multi-step (orchestration)
- Dokumentasi SKILL.md lengkap
- Demo live ke mentor + user nyata
Bukan sertifikat kehadiran — produk yang bisa Anda jual.
Capstone NAVI AI Anda akan di-review oleh mentor praktisi. Yang lulus layak dipresentasikan ke investor atau langsung dirilis ke publik.
Roadmap Belajar
Tiga bulan, dari nol
hingga rilis SaaS.
Roadmap ini bukan sugesti — ia adalah jalur teruji. Setiap bulan punya satu fokus, satu deliverable, dan satu lompatan kompetensi yang nyata.
Bulan
Fokus
Yang dipelajari
Deliverable
1
BLN
Prompt Engineering + Coba Model
Mulai dari pintu masuk termurah: prompt engineering (L0) sambil setup Ollama & LM Studio untuk coba model lokal (L3). Fondasi yang langsung terasa hasilnya.
Prompt library pribadi + Local AI Lab berjalan
2
BLN
Membangun AI Agent
Naik ke agent (L1). Pelajari anatomi agent, pola sequential/coordinator/parallel, dan tool calling. Mulai bangun multi-agent pertama Anda.
Multi-Agent Research Assistant yang berjalan
3
BLN
Vibe Coding + MCP + RAG
Sambil bangun app dengan vibe coding (L2), pelajari MCP (L4) untuk sambungkan agent ke tool eksternal, dan RAG (L5) untuk agent yang tahu data Anda.
App nyata yang di-deploy + Agent di Telegram + Second Brain AI
4
BLN
Orchestration + Self-hosting
Selami DNA OpenClaw: orchestration & problem shaping (L6). Lalu setup infra sendiri: OpenClaw gateway + Hermes runtime + MEMORY.md (L7).
5 agent lintas framework via OGP + Personal AI Employee di VPS
5
BLN
Coding Foundation + Capstone Sprint
Isi gap Python & API (L8) secukupnya. Mulai rakit capstone: agent produksi yang terhubung 24/7, ingat preferensi, dan melayani user nyata.
Capstone v1 live + 5 user nyata
6
BLN
Polish + Literacy + Launch
Sentuhan akhir: etika & governance (L9) agar siap komersial. Polish capstone, demo ke mentor, dan rilis ke publik. Bukan demo — produk.
Capstone final rilis publik + sertifikat
✳ Bergerak lebih cepat atau lebih lambat tidak masalah — akses materi berlangsung selama langganan aktif.
Sumber Daya Pelengkap
Mulai hari ini, gratis.
Empat paket starter yang bisa Anda unduh sekarang tanpa mendaftar. Cukup untuk membuktikan bahwa kurikulum ini berorientasi builder, bukan teori.
7 Hari Memahami Evolusi AI
Email course gratis — setiap hari satu generasi AI dijelaskan dengan contoh kode dan studi kasus nyata.
Blueprint Agent Loop
Diagram高清 agent loop (Observe → Reason → Plan → Act → Reflect) yang bisa Anda cetak sebagai cheatsheet.
Glossary Agentic AI
120+ istilah penting — dari attention mechanism hingga vector database — dijelaskan dalam Bahasa Indonesia.
Template Prompt Engineer Starter Pack
10 template system prompt siap pakai untuk memulai eksperimen agent pertama Anda hari ini.
Pusat Repositori
Materi pelengkap berlangganan
Webinar rekaman, sesi TikTok Live, dan PDF pendukung — semua tersedia untuk pelanggan aktif.
VideoSegera
Masterclass: Membongkar Cara Kerja LLM
Sesi mendalam tentang transformer, attention, token, dan context window — dilengkapi visualisasi interaktif.
2j 10mAkses
VideoSegera
Live Build: Multi-Agent System dengan LangGraph
Sesi coding live membangun supervisor + 3 worker agent dari nol hingga bisa dijalankan di local.
3j 05mAkses
VideoSegera
OpenClaw Deep Dive Workshop
Workshop instalasi OpenClaw, konfigurasi gateway, dan deployment agent otonom pertama Anda.
2j 45mAkses
TiktokSegera
Tiktok Live: Bedah Agent Loop Secara Visual
Penjelasan singkat dan padat tentang Observe → Reason → Plan → Act → Reflect dalam 5 menit.
5mAkses
TiktokSegera
Tiktok Live: Kenapa Agent Saya Halusinasi?
Tiga kesalahan paling umum dalam prompt engineering untuk agent dan cara memperbaikinya.
7mAkses
TiktokSegera
Tiktok Live: Single Agent vs Multi-Agent — Kapan Pilih?
Decision framework memilih arsitektur agent berdasarkan kompleksitas tugas dan tradeoff cost.
6mAkses
PDFSegera
Blueprint Arsitektur NAVI AI Platform
Dokumen 24 halaman berisi diagram arsitektur lengkap untuk capstone project — frontend, backend, agent core, memory, dan deployment.
PDFAkses
PDFSegera
Cheat Sheet: System Prompt Architecture
Template system prompt siap pakai untuk 5 jenis agent: research, coding, content, business, dan automation.
PDFAkses
WorkbookSegera
Workbook Digital 30 Hari Membangun Agent
Panduan harian: setiap hari satu konsep, satu latihan, satu refleksi. Dari hello-world agent hingga multi-agent.
PDFAkses
PDFSegera
Panduan Deployment OpenClaw di VPS
Step-by-step setup VPS, Docker, gateway, dan hardening security untuk production-grade agent runtime.
PDFAkses
Program Belajar
Pilih cara kamu belajar.
Mulai dari materi gratis, lanjut ke kelas cohort yang langsung bisa dipraktekkan, atau kolaborasi berkelanjutan bersama builder lain.
Free
Mulai dari materi — pelajari dasar hingga menengah tanpa biaya.
Gratis
- Akses semua 8 level kurikulum
- Modul materi lengkap (baca & visual)
- Latihan di tiap modul
- Cocok untuk pemula maupun yang sudah ngoding
- Belajar fleksibel kapan saja
Paling Populer
Kelas Cohort
Belajar bareng, langsung praktek. Dibimbing mentor langsung.
Rp 750K/batch
- Maksimal 15 orang per batch (intim)
- Live via Zoom, 2 batch setiap bulan
- Ilmu yang langsung bisa dipraktekkan
- Feedback & review dari mentor
- Akses komunitas cohort
Kolom Kolaborasi
Konsultasi, pendampingan, & setup system untuk yang serius membangun bisnis AI.
Rp 10–30 jt/proyek
- Konsultasi & Pendampingan 1-on-1
- Setup System (personal & bisnis)
- Kerjasama Project bersama
- Sistem Builder Advise
- Semua benefit Kelas Cohort
Maks 15 orang / batch Live via Zoom 2 batch / bulan Langsung bisa dipraktekkan
Komunitas Privat
Belajar bareng 200+ builder AI lain.
Channel Discord privat untuk peserta program. Diskusi arsitektur, code review antar peserta, share capstone progress, dan akses langsung ke mentor saat sesi mingguan.
Join komunitas privat200+
Aktif builder
12
Mentor praktisi
4.8/5
Rating peserta
24/7
Diskusi async
Tanya Ai