Lewati ke konten
KursusJalur
1 pelajaran gratis20 simulasi

Membangun AI Agent: Harness Engineering

Ketika model boleh melakukan sesuatu, bukan hanya menjawab.

Tingkat
Lanjutan
Modul
6
Pelajaran
20
Total waktu
5j 48m
Membangun AI Agent: Harness Engineering
Tools yang dipakai
  • Python
  • Claude
  • OpenAI
  • FastAPI

Setelah jalur ini Anda bisa

  • Menjelaskan loop agen: berpikir, memanggil tool, mengamati, ulangi
  • Merancang tool dan harness yang bisa diaudit
  • Membedakan tindakan yang boleh jalan dan yang butuh konfirmasi
  • Mengevaluasi agen sebelum ia menyentuh sistem nyata

Sebuah agen adalah model di dalam sebuah harness: loop, tool, memori, dan batas. Jalur ini tentang harness-nya — bagaimana loop agen berjalan langkah demi langkah, merancang tool yang bisa dipakai model dengan benar, mengelola konteks yang terus bertambah, sistem multi-agen, dan bagian yang paling sering dilewati: guardrail. Sebuah agen yang boleh memanggil API adalah sistem yang bisa salah dengan konsekuensi nyata.

Baca pelajaran gratis: Apa yang Membuat Sesuatu Menjadi Agent

Yang akan Anda pelajari, modul demi modul

6 modul · 20 pelajaran

Setiap modul dan pelajaran di jalur ini. Pelajaran bertanda gratis terbuka untuk semua; sisanya terbuka setelah Anda memiliki jalurnya.

Semua pelajaran di jalur ini, lengkap dengan ringkasannya
  1. 01

    Apa itu agent, apa itu harness, dan kapan sebuah masalah memang butuh agent — dan kapan tidak.

    1 pelajaran gratis4 pelajaran1j 13m4 simulasi
    1. 1Apa yang Membuat Sesuatu Menjadi AgentGratis
    2. 2Mendesain Alat untuk Agent
    3. 3Workflow versus Agent
    4. 4Membangun Agent dari Nol
  2. 02

    Konteks, izin, sandbox, error, dan tracing — semua yang membuat agent bisa dipercaya di luar demo.

    4 pelajaran1j 2m5 simulasi
    1. 1Manajemen Konteks di Loop Agent
    2. 2Izin dan Sandboxing
    3. 3Penanganan Error dan Pemulihan
    4. 4Observabilitas dan Tracing
  3. 03

    Menghubungkan agent ke API, database, dan file — dengan MCP sebagai antarmuka standar.

    3 pelajaran50 min2 simulasi
    1. 1Antarmuka Alat yang Bekerja
    2. 2Model Context Protocol (MCP)
    3. 3Agent di Atas Database dan API
  4. 04

    Orchestrator dan worker, subagent, dan isolasi konteks — kapan membagi pekerjaan membantu, dan kapan merugikan.

    3 pelajaran42 min3 simulasi
    1. 1Pola Orchestrator-Worker
    2. 2Subagent dan Isolasi Konteks
    3. 3Kapan Multi-Agent Merugikan
  5. 05

    Evaluasi tingkat tugas, analisis lintasan, dan metrik keandalan dan biaya.

    3 pelajaran46 min3 simulasi
    1. 1Evaluasi Tingkat Tugas
    2. 2Membaca Lintasan Agent
    3. 3Metrik Biaya dan Keandalan
  6. 06

    Human-in-the-loop, keamanan, dan satu proyek akhir: agent yang menyelesaikan tugas nyata dengan aman.

    3 pelajaran1j 15m3 simulasi
    1. 1Human-in-the-Loop
    2. 2Keamanan Agent dan Prompt Injection
    3. 3Proyek Akhir: Agent Riset

Coba simulasi dari jalur ini

Simulasi asli dari pelajarannya — berjalan di browser Anda. Tanpa akun.

Lebih hemat dengan paket jalur karier

Jalur ini bagian dari jalur karier yang lebih besar. Beli seluruh jalur karier sebagai paket dan setiap jalur di dalamnya 40% lebih murah.

Paket jalur karierhemat 40%

Jalur Karier AI Engineer

  1. 1Python untuk Data Science
  2. 2Pengantar Deep Learning & Neural Network
  3. 3LLM, Prompt Engineering & Context Engineering
  4. 4Membangun AI Agent: Harness Engineering
  5. 5MLOps: Deploy Model Machine Learning & Deep Learning
  6. 6Computer Vision dengan Deep Learning
  7. 7Natural Language Processing (NLP)
Akses seumur hidup
$9
Beli