Proyek Mini: Setup AI Agent Sendiri

Proyek Akhir: Bangun Asisten AI-mu Sendiri

Saatnya menggabungkan semuanya. Di proyek mini ini kamu membangun asisten AI sederhana untuk menjawab pertanyaan tentang koleksi catatanmu (mini RAG manual!): sebuah halaman web dengan kotak pertanyaan, dan AI (atau simulasinya) menjawab berdasarkan catatan yang kamu sediakan. Kamu akan memakai: prompting, context engineering, workflow bertahap, verifikasi, dan dokumentasi pemakaian AI. Ini bukan sekadar latihan, ini portofolio.

Kenapa proyek ini? Karena ia memaksa kamu memakai SEMUA skill track ini dalam satu alur nyata: mendefinisikan tujuan, memberi konteks (catatanmu), mendesain prompt (termasuk anti-halusinasi), memverifikasi jawaban, dan mendokumentasikan. Selesai proyek ini = kamu naik kelas dari "pemakai AI" jadi "pembangun dengan AI".

Contoh 1: Rencana Proyek (Langkah Bertahap)

Langkah 1, siapkan bahan (15 menit). Tulis 5-10 catatan pendek (2-3 kalimat tiap catatan) tentang topik yang kamu kuasai, misal: catatan belajar JavaScript-mu. Simpan sebagai catatan.txt, satu catatan per paragraf. Ini "basis pengetahuan" asistenmu.

Langkah 2, rancang prompt asisten (30 menit). Minta AI membantumu mendesain system prompt-nya:

Aku mau membuat asisten tanya-jawab sederhana. Ia hanya boleh menjawab berdasarkan CATATAN berikut. Jika jawaban tidak ada di catatan, ia harus bilang tidak tahu. [paste catatanmu] Buatkan system prompt untuk asisten ini (bahasa Indonesia), lengkap dengan aturan anti-halusinasi.

Langkah 3, uji dengan 10 pertanyaan (30 menit). 5 pertanyaan yang jawabannya ADA di catatan, 5 yang TIDAK ADA (jebakan!). Catat: apakah ia menjawab benar? Apakah ia jujur bilang tidak tahu untuk jebakan? Hitung skornya. Kalau skor jebakan buruk, perbaiki prompt-nya (minta AI bantu analisis: "kenapa ia mengarang jawaban untuk pertanyaan X?").

Langkah 4, bungkus jadi halaman web (60 menit, boleh dibantu AI). Halaman sederhana: daftar catatan di satu sisi, kotak tanya jawab di sisi lain. Untuk versi mini ini, "AI"-nya boleh kamu simulasikan manual (kamu yang copy-paste prompt + catatan ke LLM lalu tampilkan jawabannya), atau sambungkan ke API gratis kalau berani. Yang dinilai bukan kecanggihan teknisnya, tapi prosesnya.

Contoh 2: Laporan Proyek (Deliverable)

Proyek dianggap selesai kalau ada 3 hal:

1. Demo yang jalan: halaman web (atau rekaman video) yang menunjukkan asisten menjawab pertanyaan dari catatanmu, termasuk 1 contoh ia jujur bilang "tidak tahu".
2. Laporan 1 halaman: jawab 5 pertanyaan ini: (a) Apa tujuan asistenmu? (b) Bagaimana kamu mendesain prompt-nya (teknik apa yang dipakai)? (c) Berapa skor ujimu (benar/jujur-tidak-tahu)? (d) Apa 2 hal yang kamu perbaiki setelah pengujian? (e) Bagian mana yang dibantu AI dan bagaimana kamu memverifikasinya?
3. Refleksi: 3 kalimat tentang apa yang paling mengejutkanmu selama proyek ini.

Kumpulkan ketiganya sebagai satu folder/laman portofolio. Ini bukti konkret yang bisa kamu tunjukkan ke siapa pun: "aku bisa membangun dan mengevaluasi sistem AI sederhana."

Catatan teknis: Yang kamu bangun di sini adalah inti dari RAG (Retrieval-Augmented Generation) dalam bentuk paling sederhana: jawaban AI di-grounding ke sumber yang kamu sediakan, bukan ke "ingatan" model. Versi profesionalnya menambahkan: pengambilan otomatis (retrieval: cari catatan yang relevan saja, bukan semua), embeddings untuk pencarian makna, dan vector database. Tapi prinsipnya identik dengan yang kamu lakukan manual: beri sumber, kunci jawaban ke sumber, uji kejujurannya. Memahami versi manual membuat versi otomatisnya (modul rag-gambaran) terasa intuitif, bukan sihir.

Kesalahan Umum

1. Langsung ke teknis, melewati desain prompt. 80% kualitas asisten ini ditentukan prompt-nya, bukan kodenya. Desain dan uji prompt dulu sampai bagus, baru bungkus jadi web.
2. Hanya menguji pertanyaan mudah. Tanpa pertanyaan jebakan, kamu tidak tahu apakah asistenmu jujur atau pengarang. Jebakan adalah test terpentingnya.
3. Tidak mencatat proses. Nilai terbesar proyek ini ada di laporan dan refleksi, bukan di kodenya. Catat keputusan dan perbaikanmu saat terjadi, bukan dari ingatan belakangan.
4. Berhenti saat "sudah jalan". "Jalan" bukan "bagus". Iterasi minimal 2 putaran perbaikan prompt berdasarkan hasil uji. Siklus uji-perbaiki inilah skill profesional yang sebenarnya.

Rangkuman

Proyek mini ini menggabungkan seluruh track: definisikan tujuan, siapkan basis pengetahuan, desain prompt anti-halusinasi, uji dengan pertanyaan jebakan, iterasi, bungkus jadi demo, laporkan prosesnya. Selesai = kamu punya bukti portofolio bahwa kamu bisa membangun sistem AI sederhana secara bertanggung jawab. Selamat, kamu lulus track ini dengan karya, bukan cuma teori.