Agentic AI - Ngobrolin WEB

0:00[Musik]

0:17Dapatkan hanya di Domesticia

0:19[Musik]

0:25[Music]

0:29[Music]

0:33Wah kembali dua kali

0:35Keren dong

0:37Halo halo selamat malam

0:39Ah, hujan

0:41Selamat berjumpa kembali

0:43Bersama Trio Webweb

0:45Selasa malam waktunya

0:47Trio Webweb

0:49Ngobrolin web

0:51Ngobrolin web

0:53Iya

0:55Gimana kabarnya teman-teman

0:57Wah rame ya

0:59Udah ada yang komentar-komentar juga ya

1:01Ada Cleam Boys, ada Abu Lucu

1:03Siapa lagi teman-teman

1:07Yang ada di YouTube dan juga

1:09Di LinkedIn ya

1:11Kita live masih di dua tempat

1:13Jadi kalau ada yang hadir

1:15Boleh lah sapa-sapa

1:17Tapi kayaknya

1:19Kebanyakan dari teman-teman

1:21Ini dengarnya reply ya

1:23Jadi

1:25Enggak live

1:27Atau

1:29Dengernya commute

1:31Jadi nggak bisa sambil komentar

1:33Handphone-nya mungkin ditaro di kantong

1:35Ya safety first

1:37Jangan sambil komentar

1:39Sambil bawa motor

1:41Iya, apalagi sambil nyetir ya

1:43Sambil komentar jangan ya

1:45Kalau disetirin sama masinis gimana

1:47AI

1:49Sama Tesla

1:51Self driving

1:53Boleh dong

1:55Apa kabar nih semua

1:59Mudah-mudahan sehat ya

2:03Banjir, banjir

2:05Macet, cukup tadi

2:07Seharian, aduh

2:09Macet ya, ujannya

2:11Geri ya

2:13Sampe pusing gue di jalan

2:15Mudah-mudahan

2:17Gak ada penjana ya

2:19Jadi apa-apa ya

2:21Gak ada penjana ya

2:23Sebenernya saya tinggal Jakarta

2:27Tapi

2:29Ininya

2:31Perangainya sudah bukan Jakarta lagi

2:33Saya bukan Jakartans lagi

2:35Ya bukannya orang planet bukasih

2:37Iya jangan ngaku-ngaku deh

2:39Itu bukan Jakarta

2:41Jangan ngaku-ngaku deh

2:43Eh gue Jakarta curit loh

2:45Jakarta curit

2:49Jangan ngaku-ngaku

2:51Bukan sama macet seharian

2:53Eh sepangkian

2:55Stress di jalan

2:57Mudah-mudahan stress

2:59Oke

3:01Nah sebelum kita bahas topik yang

3:03Mungkin

3:05Tidak begitu jelas

3:07Rancu, kita juga tadi bingung sendiri kok

3:09Kita juga bingung sendiri

3:11Sekali yang rame, topiknya gak jelas

3:13Gak apa-apa

3:15Nanti kita bahas apa

3:17Kita belajar bareng lah ya

3:19Karena ini juga topik yang

3:21Sebenernya disarankan

3:23Dari salah satu pendengar kita juga

3:25Di GitHub

3:27Jadi kita penasaran

3:29Cuman kayaknya agak loncat

3:31Ke agentik something gitu

3:33Jadi kita mau bahas tentang agent dulu

3:35Bahas tentang agentik AI

3:37Baru nanti

3:39Ke yang lain-lain ya

3:41Aca

3:43As Fikri

3:45Mas Fikri aja ya

3:47Nah

3:49Sebelum membahas itu

3:51Seperti biasa, episode ke

3:53163 ini

3:55Masih hasil kolaborasi kita dengan Dominesia

3:57Dominesia

3:59Jadi kalo temen-temen ada yang

4:01Mau beli layanan hosting

4:03Atau mau VPS

4:05Bisa

4:07Cek dominesia.com

4:09Pakai promo code nya ngobrolin

4:11WebDN

4:1350% untuk hosting

4:15Atau yang lebih

4:17Next level lagi

4:19Pakai VPS

4:21Cloud VPS Turbo Dominesia itu diskonnya

4:2350%

4:25Promo code nya itu

4:27Ngobrolin

4:29VPSDN

4:31Jadi promo code nya juga

4:33Bisa dipakai lebih dari satu kali

4:35Akun yang sama

4:37Juga gak apa-apa

4:39Segera dimanfaatkan

4:41Kalo hosting-hosting

4:43Side project

4:45Bisa ya, silahkan

4:47Terima kasih Dominesia

4:49Dan satu lagi

4:51Informasi tambahan

4:53Kenapa?

4:55Pakai sound-sound wow

4:57Nih tau gak sih yang ada

4:59Mulai sering saya liat di short

5:01Wow

5:03Bosen banget sih kayaknya

5:05Kaya built-in sound effect

5:07Udah terlalu ini ya

5:09Terlalu viral ya

5:11Di mana siapa aja yang pakai

5:13Satu info lagi ya

5:15Sebelum kita mulai

5:17Belajarnya, satu info lagi

5:19Dominesia lagi

5:21Bakal ada event

5:23Ini

5:25Klaskanya Dominesia

5:27Yang akan diisi

5:33Tidak lain dan tidak bukan

5:35Oleh temen kita sendiri

5:39Bahas apa nih?

5:41Tisernya dong

5:43Saya cuma bisa bilang jangan datang

5:47Karena topiknya

5:49Topiknya

5:53Tidak menarik

5:55Kalo anda tidak mengerti web

5:57Tapi kalo anda mengerti web

6:01Iya dong, harus mengerti web lah

6:07Kemarin kan udah introduction

6:09Saya introduction

6:11Terus Eka

6:13Udah mengenal framework

6:15Sekarang kan event

6:17Sesuai dengan spesialisasi saya

6:19Dan

6:21Sudah berkecimpung

6:23Di dunia web

6:25Dan mengkususkan diri

6:27Di bidang web performance

6:29Jadi saya nanti bercerita banyak

6:31Dan

6:33Mengupas

6:35Untas

6:37Jadi ada dasarnya sedikit

6:39Teori, tetapi kita banyak game

6:41Di studi kasus

6:43Dan langsung

6:45Bermain game

6:47Plus kita

6:49Beda situs

6:51Beda situs ya

6:53Beda situsnya langsung saya pake

6:57Agentik

6:59Agentik AI

7:03Pake agentik AI

7:05Beda situs

7:07Dan

7:09Kalo waktunya

7:11Mencukupi, langsung dibenerin

7:13Di saat itu juga pake agentik AI

7:15Mantap

7:19Kalo misalnya

7:21Kalo misalnya si ininya

7:23Waktunya

7:25Memungkinkan

7:27Dan AI-nya gak ngambek

7:29Biasanya Life itu ngambek AI-nya

7:31Memang bisa ngambek ya

7:33Bisa

7:35Pas gue di atas panggung AI-nya

7:37Si apa namanya

7:39Si Jemenai Nano-nya ngambek

7:41Ngambek apa?

7:45Minta top up

7:47Enggak

7:49Jemenai Nano-nya loh

7:51Oh iya

7:53Yang waktu di Jogja ya

7:55Gak mau dia

7:57Sudahlah pencet aja lah

8:01Tapi besok gue pake yang true

8:03Kita coba ya

8:05Finger cross

8:07Ngomong-ngomong soal agentik AI

8:11Sekarang kita akan bahas tentang

8:13Agentik

8:15Agentik UI

8:17Ini

8:19Rada sengketa

8:21Gak sengketa sih, rada bingung

8:23Rancu gara-gara

8:25Ini inspirasinya dari GitHub Discussion

8:27Dan judul GitHub Discussion-nya

8:29Adalah

8:31Agentik UI ya

8:33Di GitHub Discussion

8:39Judulnya adalah

8:41Agentik Application Framework

8:43Oh

8:45Berarti saya yang salah

8:47Di dalamnya

8:49Di dalamnya

8:51Topiknya Agentik UI

8:53Nah terus

8:55Buat memperkerus suasana lagi

8:57Gue juga lupa kenapa

8:59Gue nge-post di thread ini

9:01Karena nemu dulu

9:03Pas nemu sesuatu yang kayaknya

9:05Oh mungkin nyamuk

9:07Tapi kan gatau gue mulik

9:09Ada yang namanya Hess Brown

9:11Dia mereka menestripsikan diri

9:13Sebagai

9:15Agentik

9:17Generative UI Framework

9:19Bukan Agentik

9:21Generative UI Framework

9:23Nah bingung kan

9:25Ada Agentik Application Framework

9:27Ada Agentik UI

9:29Ada Generative

9:31Generative UI Framework

9:33Terus sekarang kita sebenarnya agak

9:35Tadi, mau ngomongin apa ya?

9:37Ya udah, gimana kalau ngomongin

9:39Agent aja dulu

9:41Agent aja ya

9:43Mungkin semua yang di chat

9:45Bisa berkomentar

9:47Kedapatnya, sebaiknya ngomongin apa

9:49Tapi ya, mendingan karena

9:51Kita belum pernah, kita mulai dari Agent-nya

9:53Dulu aja kali

9:55Oke, pertama-tama, terima kasih ya

9:57Buat Mas Rahadian, ide nya

9:59Yang bikin kita bingung

10:01Mas Rahadian, hadir gak ya? Mudah-mudahan hadir

10:03Ini disini ada contohnya

10:05Ini apa?

10:07Agentik Framework

10:09In-App AI Copilot

10:11Oke

10:13Jadi, kita sepakat akan bahas

10:15Tentang Agent ya

10:17Karena, tahun lalu kan

10:19Saya cenayang kan

10:212025 itu adalah

10:23Eranya Agentik AI

10:25Dan ternyata

10:27Bener ya

10:29Prediksinya bener

10:31Dan sekarang temen-temen

10:33Masih ada yang belum paham gak sih

10:35Dengan konsep Agent-Agent ini

10:37Yang saya tahu sih

10:39Agent perubahan ya

10:41Bukan James Bond ya

10:45Secret Agent

10:47Saras 008

10:51Emang Saras itu agent rahasia ya?

10:53Enggak sih

10:55Iya kan dia pakai topeng

10:57Belum paham

10:59Oke, belum paham

11:01Kita belajar bareng-bareng ya

11:03Yang gak paham yang mana

11:05Sarasnya apa, yang mana

11:07James Bond

11:09Kayak aja sih

11:11Ada satu

11:17Ada satu, apa namanya?

11:19Satu artikel yang

11:21Sangat bagus

11:23Dari Anthropic

11:25Anthropic ini bloknya bagus-bagus ya

11:27Artikelnya bagus-bagus, jadi kalau temen-temen mau baca

11:29Ini salah satu artikel

11:31Yang bagus tentang Agent

11:33Jadi, saya udah

11:35Nandain kemarin

11:37Udah highlight, tapi

11:39Gak ada ya di sini ya

11:41Agent bisa di definisikan

11:43Sebagai banyak hal

11:47Ada yang membantu ya

11:49Ada yang menyebut agent itu sebagai

11:51Autonomous System

11:53Kemudian, ada juga

11:57Yang menyebut sebagai

11:59The term to describe more

12:05Prescriptive implementation

12:07Workflow

12:09Ada workflownya

12:11Di Anthropic, kami mengkategorikan

12:13Itu semua

12:15Tariasi itu sebagai

12:17System Agent

12:19Tapi mereka membedakan mana yang workflow

12:21Mana yang agent

12:23Ini, gue ada insight

12:27Lumayan menarik sih

12:29Deskripsi yang simple

12:31Ini tuh pas

12:33Acara yang di Shanghai

12:35Kemarin kan

12:37LifeBurn Master

12:39Harusnya itu ngobrol

12:43In web

12:45Slash kolaborasi semester

12:47Tapi gak jadi

12:49Kenapa? Karena eventnya tiba-tiba

12:51Ada janji, salah liat jam

12:53Ada janji jalan-jalan

12:55Off by one error

12:57Jadi, di kalender

12:59Pokoknya, pas

13:01Buka kalendernya tuh di WIB

13:03GMT+

13:05UTC+7 kan kita

13:07Di Shanghai +8

13:09Pokoknya intinya, salah liat jam

13:11Gak sih

13:13Ini sih kayaknya

13:15Gara-gara istri sih

13:17Kalo 2 tahun lalu

13:19Bawa istri, gak bawa istri, aman-aman aja kan

13:21Janjian juga aman-aman aja kan

13:23Bukan sama istri

13:25Janjinya, gue bisa

13:27Kelihat kecil

13:29Kalo sudah sama istri, beda

13:31Apalagi kan

13:33Hotelnya 1 kamar

13:35Kalo disuruh tidur di luar

13:37Gimana?

13:41Nah, intinya jadi

13:43Gak jadi ngobrolin web

13:45Ngobrolin AI

13:47Nah, pas itu

13:49ADK, agent development kitnya

13:51Google kan baru banget di launching

13:53Belum ada yang buat live-script

13:55Cuma, pas itu, pokoknya di live itu

13:57Salah satunya, jadi bareng

13:59Laser, bareng Ananda juga

14:01Dari cloud

14:03Ngobrolin itu

14:05ADK dan hal-hal lain

14:07Di acara itu

14:09Tadinya tuh, gue masih agak rancu

14:11Apa bedanya

14:13AI LLM biasa

14:15Yang bisa tool calling

14:17Kan dia juga mikir tuh, dia mutusin apa

14:19Oh, querinya seperti ini

14:21Promnya seperti ini, berarti

14:23Saya harus memanggil tool yang sesuai

14:25Apa bedanya

14:27AI biasa dengan tool calling

14:29Versus agent

14:31Ternyata, salah satu pembedanya

14:33Adalah agent itu bekerja

14:35Dalam loop, jadi kalo

14:37AI LLM yang punya tools

14:39Ya, memang dia bisa, dia terima

14:41Query, terus dia bisa mikir

14:43Apa, pertanyaan ini

14:45Atau prompt ini, instruksi ini

14:47Diterusin kemana ya

14:49Tool mana yang tepat

14:51Ya, dia panggil tool itu, dia dapet jawabannya

14:53Dilempar balik, ya udah, kelar

14:55Selesai itu, apa

14:57LLM AI biasa

14:59Tapi kalo agentik itu, dia bakal kerja

15:01Terus, ponnya jadi kayak, apa

15:03Apa ya, request

15:05Responnya tuh kayak

15:07Dia ngebalikin, tapi dia nunggu

15:09Menunggu input selanjutnya

15:11Bekerja dalam loop

15:13Sampai selesai, sampai dia

15:15Apa, sampai menyelesaikan

15:17Suatu task, jadi gak

15:19Cuma satu, apa

15:21Kita minta, kita merequest sesuatu

15:23Dapat respon selesai, tapi

15:25Apa, bakal bisa jalan

15:27Terus

15:29Sampai seluruh

15:31Tugasnya selesai

15:33Nah, itu pas liat definisinya

15:35Anthropic tadi, jadi

15:37Ingat sih, jadi ingat apa

15:39Penjelasan itu, jadi pas itu sih

15:41Dicontohinya, buat travel booking

15:43Pertama kan kita nyari

15:45User akan mencari

15:47Carilah pesawat ke Jogja, atau

15:49Carilah pesawat ke Surabaya, tanggal sekian

15:51Untuk satu orang

15:53Budgetnya segini, nah, dia kan nyari

15:55Pakai tools kan, pasti

15:57Tool calling ke API flights

15:59Nah, itu setelah

16:01Dapetin flight, dikasihin ke user

16:03Kan belum tentu, kan masih belum tahu

16:05Ada flight yang cocok atau enggak

16:07Cuma dikasih ke user

16:09Usernya, mungkin

16:11Kok mahal semua ini, coba

16:13Ganti hari, jadi itu

16:15Bakal ngeluk terus, nah

16:17Setelah user milih, dapat

16:19Jadwal flight yang dinginkan

16:21Si agent itu bakal ke

16:23Langkah selanjutnya, misalnya apa

16:25Pembayaran, atau hotel, atau apalah

16:27Jadi pokoknya bakal jalan terus, sampai

16:29Misinya tugasnya selesai

16:31Penjelasan yang

16:35Non-teknisnya, seingat

16:37Gue, kurang lebih kayak gitu

16:39Kayak automation ya, pasti ya

16:41Automation, tetapi di tengah-tengahnya

16:43Ada

16:45Si model

16:47LLM2

16:49Yang bukan LLM2 ya

16:51Keywordnya, kalau yang di layar ini

16:53Ada pursue goals and complete tasks

16:55Jadi, dia bakal bisa

16:57Request-response-nya

16:59Interaksi terus

17:01Keluk terus, muter terus, sampai

17:03Goals, tujuan, atau

17:05Tugasnya tuh

17:07Tercapai

17:09Tadi banget, barusan banget

17:15Nonton sedikit tentang

17:19Agent itu, AI Agent

17:21Analoginya bagus

17:23Jadi, kalau LLM2

17:25Adalah buat

17:27Conversation

17:29Buat ngobrol

17:31Agent itu, buat tindakan

17:33Action

17:35Jadi kalau LLM, kita suruh LLM

17:37Doang nih ya, tolong

17:39Bookingin pesawat tanggal sekian

17:41Nggak bisa dia, dia cuma bisa ngomong

17:43Doang

17:45Kalau misalkan dia nggak bisa melakukan itu

17:47Paling dia jawab dengan percaya diri

17:49Oke, saya akan bookingkan pesawat untuk kamu

17:51Pesawatnya sudah saya booking

17:53Untuk tanggal sekian, padahal nggak

17:55Benar-benar nggak ada

17:57Tapi sebetulnya

17:59Kecuali bisa, tapi dengan

18:01Caveats sih, jadi dia harus

18:03Punya tool, tool call

18:05Atau function call, dimana

18:07Itu untuk nge-booking pesawatnya

18:09Itu udah misalnya pre-define

18:11Misalnya, apa, instruksinya harus

18:13Precisi banget, jadi kayak, ya itu kan

18:15Nggak realistis ya, orang cari pesawat

18:17Tastate, cek harga, cek jadwal

18:19Cek lain-lain, tapi misalnya ada

18:21Senario dimana emang cuma ada satu pesawat

18:23Dan, atau emang cuma ada satu

18:25Opsi penerbangan

18:27Ya itu bisa-bisa aja

18:29LLM biasa

18:31Tapi kan, kenyataannya nggak kayak gitu

18:33Ya itu, jadi dia halu

18:35Dia bilang, oh ya sudah, padahal

18:37Enggak, karena masa itu terlalu rupit untuk

18:39Sekali jalan, jadi si

18:41LLM biasa itu ya cuma sekali jalan

18:43Pakai tools yang sudah ada

18:45Dari, apa, inputnya

18:47Dari prom user

18:49Tapi dia nggak bisa nanya lagi, ngecek lagi

18:51Dan lain-lain, ya udah terima prom

18:53Kalau yang lebih simpel

18:55Misalnya bukan booking pesawat

18:57Kayak cuma, suruh ngecek suhu kan bisa

18:59What is the

19:01Kayak, gimana cuaca di Jogja

19:03Ya kan ya bisa, karena itu

19:05Simple, oh kalau itu tool calling ya

19:07Itu tool calling

19:09Kalau yang harus ngeluh, maksudnya pesen pesawat

19:11Sekali tool call, ya

19:13Ada sih yang lebih serem

19:15Daripada dia ngaku udah dibookingin pesawat

19:17Dia beneran bookingin pesawat

19:19Tapi nggak confirmin kita

19:21Apa, jadwalnya gimana

19:23Tiba-tiba langsung nge-charge card to credit kita

19:25Kita tiba-tiba

19:27Angkut penerbang, ya misalnya

19:29Kalau nggak agentik ya

19:31Karena dia nggak bisa ngeluh kan

19:33Dia cuma jalanin tool call

19:35Tiba-tiba, ya saya sudah bookingkan

19:37Pesawat ke Timbuktu besok

19:39Nah, kan sulung

19:41Jadi masih

19:43Di situ LLM

19:45AI biasa

19:47Jadi nggak cukup, walaupun sudah punya

19:49Tool calling yang canggih

19:51Betul

19:53Mungkin kalau teman-teman

19:55Sekarang

19:57Pada pakai

19:59Apa, IDE

20:01Atau pakai

20:03Apa, agentik code

20:05Apa, misalkan

20:07Anti-gravity

20:09Atau cloud code

20:11Atau

20:13Kilo code

20:15Atau apa, ya

20:17Yang lain-lain ya, kursor

20:19Itu kan

20:21Ya, pokoknya IDE

20:23Ataupun code generation

20:25Kalau teman-teman

20:27Menikutin dari

20:29Mungkin dari tahun yang lalu mungkin ya

20:31Ya, pokoknya dari awal

20:33Ya, 2 tahun yang lalu

20:35Copilot

20:37Wait, Copilot

20:39Dan kursor

20:41Itu ada chat kan

20:43Di sebelah kiri atau di sebelah kanan

20:45Kita chat tolong bikin fungsi ini

20:47Dia bisa

20:49Menghasilkan fungsi itu, terus kemudian

20:51Dia belum bisa masukin

20:53Code itu ke

20:55File yang kita buka kan

20:57Paling ada

20:59Tambahan kayak ada icon

21:01Insert to this line

21:03Atau copy to this line

21:05Atau create new file

21:07Tapi yang nge-save file-nya kan tetap kita

21:09Atau mungkin ya

21:11Si IDE-nya lah auto-save gitu

21:13Anggaplah manual, baik kita kan

21:15Bayak human, gitu kan

21:17Itu adalah

21:19Jadi itu generasi nya kayak cuma sepotong kan

21:21Kita cuma bisa kayak satu printa, sekali jalan

21:23Convert lah

21:25Klas komponen ini menjadi

21:27Function, atau apa lah

21:29Buat lah function yang parameternya ini

21:31Jadi kayak cuma satu

21:33Tapi dia nggak bisa ngeliat gambar besar

21:35Misinya atau goals-nya atau tujuannya

21:37Buat lah login form

21:39Yang fungsional

21:41Ada yang nggak ngerti login form itu gimana

21:43Ya kan nggak bisa sekali jalan

21:45Kita harus merintah satu persatu kan

21:47Buat lah text input yang begini-gini-gini

21:49Validasi-nya begini

21:51Buat lah email password input

21:53Harus begini

21:55Sekali jalan-sekali jalan, tapi yang

21:57Interasinya atau loop-nya kan dari kita

21:59Nah kalau sekarang agenti kan

22:01Sekarang itu udah bisa kan, nyuruh buat lah

22:03Functioning

22:05Functional login form

22:07Nah dia muter sendiri login form itu apa

22:09Unsur-unsurnya apa aja

22:11Terus mungkin validasi-nya

22:13Atau state-nya dia

22:15Satu persatu

22:17Kadang dia konfirmasikan ke kita

22:19Kamu maunya gimana kalau yang

22:21Agentik AI coding assistant sekarang

22:23Ada pilihan-pilihannya

22:25Mungkin kita milih

22:27Terus dinjalani, atau kalau kita tolak

22:29Ya dia cari cara lain lagi

22:31Jadi apa, muter lah

22:33Jalan terus, sampai tujuan

22:35Tujuan akhirnya itu tercapai

22:37Mereka pikirnya kejauhan sih

22:41Maksudnya, yang mau saya jelaskan itu

22:43Adalah sebenarnya secara

22:45Mendasar

22:47Menulis

22:49Menulis apa ya, menulis

22:51Kode ke dalam file

22:53Itu aja belum bisa dilakukan oleh

22:55Chat

22:57Anggaplah chat, kayak chat GPT lah

22:59Zaman dulu, kita ada masalah

23:01Kita copy paste, abis itu kita copy

23:03Paste lagi ke editor kita

23:05Terus kita save kan

23:07Kalau bukan agent

23:09Dia nggak bisa nulis file

23:11Karena dia nggak punya akses kesana

23:13Berarti agent itu adalah

23:15LLM yang punya

23:19Kemampuan tools calling

23:21Berarti

23:23Bukan

23:25Bukan hanya itu, iya itu

23:27Level satunya, level berikutnya adalah

23:29Dia bisa

23:31Berinteraksi juga, jadi kayak dia

23:33Berada di dalam looping aja

23:35Dia akan

23:37Sampai tujuannya tercapai

23:39Jadi dia kayak punya misi

23:41Dia harus nyelesaikan itu

23:43Bukan cuma satu persatu perintahnya

23:45Kalau LLM, kalau AI

23:47Biasa yang bukan

23:49Agent, dia punya

23:51Tools buat write file

23:53Dia bisa

23:55Masukin kode ke file

23:57Tapi kalau tempatnya

23:59Masukinnya ngaco atau nggak

24:01Dulu emang sudah ada masalah itu kan

24:03Gaco atau nggak, jalan atau nggak

24:05Cara ngetesnya gimana, ya dia nggak tahu

24:07Sekali jalan dia bikin kodenya

24:09Kalau dia punya tool untuk write file

24:11Udah taruh sepahamnya dia

24:13Tapi dia nggak bisa ngecek lagi itu

24:15Betul atau nggak, karena sekali jalan

24:17Coba kita

24:19Mundur

24:21Sebikit ya

24:23Saat

24:25VSCode sekarang

24:27Somehow VSCode itu termasuk IDE ya

24:29Saya mau nyebutnya editor sih sebenarnya

24:31Tapi ya, udah termasuk IDE lah ya

24:33Lanjut, lanjut, lanjut

24:35Kita mundur sedikit ke dua tahun

24:39Lalu ya saat

24:41Cet GPT lah ya

24:43Cet GPT pertama kali muncul yang membooming

24:45Ngerti nggak ya, waktu jaman itu

24:47Jaman itu kan

24:49Kita merasa kayak, ih ada

24:51Cet yang pinter

24:53Cet yang pinter yang bisa

24:55Menjawab sesuai dengan

24:57Apa yang kita tanyakan, namun

24:59Ada tulisannya nggak, pernah ingat nggak tulisannya

25:01My knowledge base

25:03Is sampai September 2019

25:07Cut off 2019, jadi gue nggak punya

25:09Pengetahuan baru

25:11Contohnya jaman itu, siapakah presiden

25:13Indonesia sekarang, dia mungkin masih jawab

25:15Presiden yang sebelumnya

25:17Ya, karena dia punya

25:19Knowledge base nya masih 2019

25:21Terus pengamankan selanjutnya

25:23Trainingnya

25:25Dia tambahin

25:27Bukan

25:29September 2019

25:31Ditambahin ke December

25:33Ditambahin lagi, jadi cuma nambah-nambah

25:35Loarin model baru kan

25:37GPT 2, GPT 2.5, GPT 3

25:39Dan seterusnya

25:41Kalau rilisan baru kan berarti training data nya

25:43Nambah kan

25:45Lalu, terusannya si OpenAI

25:47Waktu itu adalah menambah function call

25:49Pertama kali itu

25:51Pertama kali si OpenAI

25:53Yang bikin function call itu si OpenAI

25:55Karena dia bisa kayak

25:57Eh, tunggu sebentar

25:59Sebelum tool calling, biasanya

26:01Yang kita lakukan adalah, kalau misalkan nih

26:03Cut off nya kapan, 2019

26:05Misalkan

26:07Saya mau tanya tentang tailwind terbaru

26:09Dia nggak ngerti kan

26:11Karena 2019 masih tailwind versi 2

26:13Misalkan, yang kita lakukan adalah

26:15Kita copy dokumentasinya

26:17Masukin ke context

26:19Masukin ke prompt

26:21Baru kita tanya kan

26:23Habis itu baru tool calling

26:25Ya, tool calling nya itu

26:27Adalah web search

26:29Oh, bisa nggak?

26:31Gua nggak punya pengetahuan ini

26:33Coba gua search dulu

26:35Nah, tool calling itu

26:37Tool calling itu

26:39Signify, dia cukup minter buat tahu

26:41Tools mana yang dipilih kan

26:43Ya, dia lebih keren untuk bisa

26:45Pakai function call mana

26:47Oh, disini aku harus

26:49Melakukan web search

26:51Karena datanya udah

26:53Di-cut off, apa, diluar

26:55Saya masih

26:57Ingat banget itu mencoba

26:59Membangun

27:01Kalau jaman sekarang namanya ADKA

27:03ADKA, Agent Development Kit

27:05Kalau jaman itu adalah, bagaimana mengcode

27:07Si

27:09OpenAI API nya untuk bisa

27:11Tool calling, mengikuti

27:13Tutorialnya Mas

27:15Arya Hidayat

27:17Yang waktu itu dia

27:19Tool calling ke weather

27:21Kalau nggak salah

27:23Jadi dia cuma

27:25Di Jakarta hujan nggak besok

27:27Seperti itulah, jadi dia bisa cari weather

27:29Terus panggil weather.com

27:31API, cari

27:33Terus berapa suhunya, kalau nggak salah

27:35Jangan itu, dan itu berhasil

27:37Pada masanya itu

27:39Breakthrough banget ya, karena sebelumnya kan

27:41Chatbot itu

27:43Outdated-nya jauh, maksudnya

27:45Ya sekian, dua, setiap tahun

27:47Kebelakang kan, apa

27:49Trading data cutoff, ya udah selesai

27:51Betul, karena

27:53Saya sampai bikin plugin WordPress-nya

27:55Dan saya sampai demo-in

27:57Di Domain Asia

27:59Dua tahun yang lalu, jadi saya buat

28:01Blagin AI nya

28:03Connect to OpenAI

28:05Dua tahun lalu, kayak udah kuno banget

28:07Saya ini, pakai chatbot-nya

28:11Tolong

28:13Create-kan artikel

28:15Dengan judul sekian

28:17Dan berikan 5 paragraf

28:19Dia langsung jalan

28:21Buat artikel

28:23Di WordPress

28:25Isi judul, isi

28:27Deskripsinya, langsung dia yang isi kontennya

28:29Jaman itu, saya demo-in

28:31Di Domain Asia

28:33Setelah function coding

28:35Kenapa

28:37LLM butuh tool calling

28:39Salah satunya, contohnya gini

28:41LLM itu pada dasarnya

28:43Adalah autocomplete

28:45Kalau misalkan kita tanya

28:47Satu tambah satu berapa

28:49Kemungkinan besar dia bisa jawab dua

28:51Tapi kemungkinan juga dia bisa jawab tiga

28:53Karena dia gak bisa ngitung sebenarnya

28:55Dia hanya melihat probabilitas

28:57Keliatannya biasanya

28:59Kalau orang ada kata tahu

29:01Diikuti dengan kata goreng

29:03Tahu goreng

29:05Ada kata bulat, tahu bulat

29:07Ada tahu, tahu tempe

29:09Tapi dia gak bisa diikuti

29:11Dia gak punya konsep

29:13Dia gak punya konsep gabungan

29:15Tahu goreng itu apa, tahu bulat itu apa

29:17Tahu tempe itu apa, kenapa

29:19Dan kapan orang pengen makan itu

29:21Yang gak tahu punya mana

29:23Yang umum dan

29:25Keliatannya apa

29:27Kemungkinannya tinggi

29:29Makanya ada tool calling untuk kalkulator

29:31Ada tool calling untuk

29:33Eksekut kode dan lain-lain kan

29:35Itu yang membuat kita bisa mengesokasi

29:37Kodanya

29:39Makanya

29:41Saya bisa bikin

29:43CGPT

29:45Jadi bingung di looping

29:47Pernah tahu gak khasusnya

29:49Yang seahorse emoji

29:51Oh iya iya iya

29:53Pernah dengar

29:55Itu punya tropik ya

29:57Yang isu seahorse emoji

29:59Kita coba ya

30:01Gua demoin ya

30:03Ada artiklenya

30:05Demo dulu demo

30:07Ini

30:09Karena kembali ke Eka bilang

30:11Karena dia hanya untuk

30:13Apa istilahnya

30:15Untuk

30:17Apa tadi Eka bilang

30:21Completion completion

30:23Karena cara kerja LM itu completion

30:25Ini CGPT ini

30:27Gak

30:29Great great great

30:31CGPT nya kok gak ini

30:33Gak 52

30:35Is that a seahorse emoji

30:37Mudah-mudahan dia masih bingung ya

30:41Mungkin sekarang

30:43Mereka akan berkerak

30:45Berkerak di looping

30:47Ayo

30:49Ayo

30:51Ini dia lagi looping nih

30:53Nggak nanti dia akan tulis

30:55Apa penyebabnya

30:57Ada

30:59Ada artikelnya

31:01Ada artikelnya

31:03Kok gak mau

31:05Dia lagi tau di demo ini

31:07Ngambek dia

31:09Dia tau mau

31:11Dicela-cela mau diketawain

31:13Salah

31:15Tuh

31:17Salah kan

31:19Tapi ini

31:21Salah ini

31:23Kiri ke piting

31:25Zoom in

31:27Link

31:29Tapi dia sudah gak looping

31:31Kayaknya sudah di ini deh

31:45Sudah di perbaiki lah

31:47Udah di patch

31:49Sama mereka karena dijadikan lawakan

31:51Tapi ada ini nya kok

31:53Saya sempat mainan dia

31:55Ntar ya

31:57Kok ilang sini nya

31:59Udah ini

32:07Udah pinter

32:09Saya sempat mainan dia itu

32:11Seahorse emoji

32:13Dia bingung sampai muter punya semua

32:15Berkaitan sama laut

32:17Itu kayak gitu

32:19Tidak, itu coklat

32:21Itu juga bukan seahorse

32:23Dia bingung itu

32:25Seahorse emoji

32:27Seahorse

32:29Yang festival nya itu kan

32:31Ada berapa huruf R di strawberry

32:33Biasanya ada yang saya jawab

32:35Sekarang sih sudah pinggar ya

32:37Dulu kan kayak ada dua, ada tiga, ada berapa

32:39Itu sudah di grounding ya

32:41Karena kan

32:43LLM itu mengkonsumsi

32:45Itu bukan satu kata penuh tapi token kan

32:47Di potong-potongnya di token

32:49Jadi kita gak bisa mengahamin konsep strawberry

32:51Dihitung huruf R nya

32:53Gak bisa

32:55Tadi ini

32:57Mas Riza nanya kan

32:59Kenapa

33:01Bingung dia

33:03Karena LLM

33:05Mungkin ya yang dibuat sama OpenAI itu

33:07Knowledge base nya

33:09Banyak kan dari

33:11Reddit

33:13Dan dulu pernah perbincangan

33:15Itu tentang seahorse emoji

33:17Ada gak sih seahorse emoji

33:19Terus

33:21Ada yang bilang

33:23Gua pernah liat

33:25Ada seahorse

33:27Terus ada yang bilang gak ada

33:29Gua udah coba cari di Unicode nya

33:31Gak ada, terus ada yang bilang ada

33:33Ada yang gak ada

33:35Terus sempat jadi kayak

33:37Yang gif versus jif itu lho

33:39Terus

33:41Banyak

33:43Apa namanya

33:45Perdebatan

33:47Terus karena dipakai

33:49Konten itu dipakai untuk

33:51Training

33:53Di memorinya si

33:55Cpt

33:57Masih bingung

33:59Antara ada dan tidak

34:01Dan itu dia kan gak punya

34:03Human attribute ya

34:05Dia gak bisa menganalisa kebenaran

34:07Secara overall

34:09Baca dulu sampai selesai

34:11Misalnya kita mengkonsumsi

34:13Apa kita liat si Reddit Red itu

34:15Kita baca sampai selesai kita nyimpulin

34:17Oh gak ada seahorse emoji

34:19Nah kalo si LLM kan

34:21Cara mikirnya gak gitu kan

34:23Dia kalkulasi aja

34:25Itu deh buka link mediumnya

34:27Itu bagus ngegambarin cara kerjanya dia

34:29Yang paling bawah

34:33Duh mana ini

34:35Loading

34:41Ini ya

34:43Nah iya itu kan mapnya tadi

34:45Maksudnya yang kayak

34:47Yang ditunjukin Iphan tadi kan

34:49Bisa gitu ya

34:51Ada

34:53Ada loop hole

34:55Padahal udah GPT-5 ya

35:01Udah yang terbaru ya

35:03Bukan terbaru banget sih

35:05Udah cukup baru lah ya

35:07Ya apa namanya

35:09Karena ini

35:11Karena

35:13Data training yang lama

35:17Tapi udah dibenerin kok

35:19Nggak bisa ini lagi

35:21Nah itu pembagian tokennya

35:23Model doesn't see an emoji

35:25As a single picture

35:27Si mobilnya tuh gak ngeliat emoji itu

35:29Satu kesatuan

35:31Kan dia apa dipecah-pecah jadi unicode-nya

35:33Terus tokennya tuh banyak banget ya

35:37Dia bingung lah intinya

35:39Jadi yang dibaca oleh LLM

35:49Sebenernya kan yang ini-nya kan unicode-nya

35:51Bukan emoji-nya dia gak bisa liat

35:53Dia gak bisa liat itu gambar ikan

35:55Nah cuma dia ngira-ngira aja

35:57Kenapa dia gak ada jawab itu ya

36:05Gambar laut sama gambar kuda

36:07Nggak ada ya

36:09Oh karena gak ada spasinya

36:11Kayaknya dia kan konsep ya

36:13Mapping seahors itu kayak semacam

36:15Mungkin ya

36:17Relasinya itu sama hewan-hewan

36:19Laut lainnya jadi yang ketangkap itu

36:21Adalah si hewan-hewan

36:23Jadi yang berhubungan dengan lautan ya

36:33Ikan

36:35Tropical fish dan koral

36:39Dia bakal bikin ocean

36:41Ocean tambah kuda

36:43Jadi ini seahors

37:01Oh jadi bingung

37:03Drop A, drop A

37:05Berarti lima senar

37:07Atau senar yang paling tinggi

37:09Drop A, drop A itu

37:11Maksudnya apa Ika

37:13Kan E, E biasanya

37:15Ditorunin ke bawah jadi drop D

37:17D, A, E, A

37:19Jauh banget turunnya

37:21Nggak tau coba tanya ke laut

37:23Masih kan ada 4 senar kan

37:29Iya

37:31Tergantung ada yang 7 senar

37:33Ada yang 5

37:35Lima senar

37:37Tuh kan lima senar

37:43Itu kan

37:49Pertahuan yang niche kan

37:51Specialized, kalau tanya LLM

37:53Training data dia kan

37:55Dilute kan kecampur

37:57Itu hal yang niche banget

37:59Ditanyain sesuatu yang specific

38:01Kalau tanpa RAG khusus

38:03LLM nya bisa bingung

38:05Yes

38:11Jadi itulah

38:13Makanya

38:15Nama si LLM ini dia kayak

38:17Punya dunia sendiri dia nggak bisa

38:19Tahu ada update apa

38:21Diluar ya, kalau sekarang kan udah ada

38:23Tool calling dan lain-lain ya, kalau hanya LLM

38:25Itu nggak bisa

38:27Jadi dia dipersenjatai sama tool calling

38:29Kemudian

38:31Agent ini juga

38:33Agent itu

38:35Ketika misalkan tadi ya

38:37Contohnya

38:39Booking

38:41Terus juga

38:43Begitu booking dia nanya lagi

38:45Nanya balik dulu kan, jadi

38:47Si LLM ini saling berkomunikasi

38:49Tadi ada yang

38:51Ada yang kasih komentar

38:53Seperti berbicara dengan dua orang

38:55Betul

38:57Kurang lebih kayak gitu

38:59Tapi apakah agent ini

39:01LLM juga, berarti ada dua LLM ya

39:03Yang bekerja ya, minimal

39:05Di satu

39:09Agent itu dia bekerja dengan

39:11Dia jalan terus

39:13Itu LLM bukan?

39:15Iya

39:17Eh nggak tahu

39:19Ya ya LLM yang sama

39:21Gak tahu sedalam itu

39:23Cuma yang gue tangkap dari penjelasan

39:25Esther waktu itu, sama baca-baca

39:27Deskripsi kayak yang

39:29Artikel-artikel tadi

39:31Dia bakal jalan terus

39:33Sampai misinya tercapai

39:35Jadi nggak cuma kayak sekali jalan

39:37Dia mikir terus

39:39Setelah selesai satu, ini apa yang kurang?

39:41Entah dia nanya

39:43Atau dia melakukan sesuatu

39:45Manggil tool yang sama dengan input baru

39:47Atau mengkonfirmasi ke user

39:49Jadi dia punya kecerdasan

39:51Untuk decision making

39:53Mungkin mengklarifikasi

39:55Sesuatu ke user dan memanggil

39:57Tools yang sama, tapi dengan input baru

39:59Misalnya tools untuk

40:01Yaitu tadi nge-search flight

40:03Kalau dia merasa itu udah puas

40:05Itu udah tercapai, dia melakukan langkah selanjutnya

40:07Misalnya menawarin

40:09Cari hotel, atau bayar

40:11Atau apalah

40:13Itu kan pati

40:15Tool chaining kan

40:17Jadi karena dia setiap kali

40:19Melakukan tool calling

40:21Dia akan

40:23Hasil dari tool tersebut

40:25Dia baca

40:27Dia cari konteksnya

40:29Atau attention ya

40:31Bahasanya sih, attention bahasa teori

40:33Nah, ini bagus nih

40:35Yang di artikel club

40:37Berhubungan sama yang barusan

40:39Lo bilang

40:41Apa? Itu tadi

40:43Dia bisa reasoning

40:45Listening, acting, observing

40:47Planning, collaborating

40:49Key features

40:51Nah, ini juga ada nih

40:53Yang kayaknya

40:55Cukup relevan

40:57Sebentar, nih

40:59EIA gini itu terdiri dari

41:01Ada LLM-nya, punya tool calling

41:03Ada memory dan ada reasoning loop

41:05Nah, ini hal yang

41:07Jadi

41:09LLM yang

41:11Misalkan

41:13Cetjipiti nih

41:15Kalau dia

41:17Punya agent

41:19Cetjipiti ini kan LLM nih

41:21Dia akan berhubungan dengan EIA agent

41:23LLM baru, jadi ada 2 LLM

41:25Kalau ada agent yang ketiga

41:273 LLM gitu

41:29Oh iya, itu ada strukturnya

41:31Parallel sama sub-agent

41:33Tapi nggak harus

41:35Kayak gitu

41:37Sendirian pun bisa, tapi karakternya adalah

41:39Itu dia jalan terus

41:41Nah, memorinya itu buat

41:43Nge-store udah sampai mana

41:45Jadi kalau tadi kan kayak LLM biasa

41:47Bukan agent kan, sekali jalan

41:49Yaudah selesai, bener atau nggak

41:51Abis itu kayak kode

41:53Tool callingnya write to file

41:55Tapi yaudah, terus gimana, nggak ditesting

41:57Nggak apa, nah, kalau ini

41:59Dia punya memory, udah sampai mana nih

42:01Terus berdasarkan memorinya, dia bisa mikir

42:03Next, saya harus ngapain ya

42:05Harus ngapain ya

42:09Jadi kita, jadi kayak

42:11LLM yang utama

42:13Itu seperti mendelegasikan

42:15Tugas ke temen-temennya

42:17Ke minion- minionnya

42:19Minionnya tuh punya pikiran sendiri

42:21Punya LLM sendiri

42:23Dan punya tool calling sendiri

42:25Itu kan kalau struktur

42:27Sub-agent ya, kalau multiple agent

42:29Nah, itu juga macem-macem itu

42:31Ternyata gara-gara liat docsnya

42:33Ada banyak sih, ini salah satu aja ya

42:35Ada yang sekuensial dan lain-lain

42:37Ya

42:39Nah, kalau buat apa

42:45Kayak perbedaannya sama deskripsinya

42:47Paling bagus di artikel Google Cloud itu sih

42:49Yang tadi ya

42:51Yang ini

42:53Putar AI agent

42:55Nah, itu patah sedikit

42:59Key features

43:01Key features

43:05Reasoning and acting

43:07Reasoning itu apa ya

43:11Kalau thinking kan mikir

43:13Reasoning tuh kayak apa ya

43:15Mencari alasan

43:17Mencari alasan

43:19Konotasinya negatif ya, mencari alasan

43:23Mencari alasan loh

43:27Mencari hubungan sebab akibat

43:29Maksudnya karena

43:31Apa, usernya mau gini

43:33Kalau saya harus gini

43:35Kalau yang LLM biasa

43:37Tadi kan gak kan cuma nyambung-nyambungin

43:39Token berdasarkan probabilitas

43:41Aja kan

43:43Mengejawantahkan

43:45Mengejawantahkan

43:47Menge

43:49Mengejawantahkan ya

43:51Mengejawantahkan

43:53Reasoning

43:55Terus acting, bertindak kan

43:57Gara-gara ada tools tadi kan ya

43:59Karena ada agent tadi jadi bisa

44:01Melakukan sesuatu

44:03Karena kalau LLM

44:05Doang ya, seperti yang saya contohkan tadi

44:07Coding agent

44:09Itu dia bisa write file

44:11Tapi kalau chat

44:13Apa, cursor

44:15Yang chat, chat only

44:17Bukan bisa write

44:19Kita harus copy paste dulu ke file, file yang baru kita save

44:21Ya kan

44:23Itu acting, jadi dia bisa

44:25Berbuat sesuatu

44:27Mengubah sesuatu gitu lah ya

44:31Observing

44:33Mengamati

44:35Planning

44:37Nah ini yang cukup apa

44:39To understand their context

44:41And creating from decision

44:43Ya, lagi hot ya, kalau di coding agent ya

44:45Kayak di cloud code itu dia bisa planning

44:47Kalau tadi Eka bilang mau bikin

44:49Login form

44:51Langkah-langkah apa yang dibutuhkan

44:53Terus action tindakan apa

44:55Yang bisa dilakukan

44:57Terus mana kira-kira tindakan yang paling

44:59Baik berdasarkan informasi yang ada

45:01Dan outcome, hasil yang

45:03Dinginkan

45:05Ya, kalau dulu mungkin

45:07Planning, apa Ivan?

45:09Maksudnya keren juga

45:11Mode planning itu, nggak cuma di cloud ya

45:13Maksudnya di Gemana, dimana

45:15Keren sih

45:17Ya, anti-gravity juga bagus sih

45:19Planningnya, jadi

45:21Kalau misalkan

45:23Dulu sebelum ada

45:25Planning ini

45:27Kita tadi kayak Eka bilang

45:29Mau bikin login form aja, itu dia kesulitan mungkin

45:31Karena

45:33Terlalu banyak stepnya

45:35Kalau sekarang

45:37Kita bilang login form, mungkin udah dibikinin

45:39Sampai forget password segala macem, udah dibikinin sama dia

45:41Jadi dia

45:43Planning dulu nih

45:45Sampai register-nya juga

45:47Sampai register-nya juga

45:49Sampai langsung bilang

45:51Mau pakai, apa?

45:53Mau pakai library apa nih?

45:55Atau klarkah

45:57Atau apa gitu, langsung ya

45:59Jadi dia ada planningnya

46:01Ada satu baru belajar yang namanya

46:03Lucia, alf, nah nggak pakai Lucia

46:05Terus coba-coba

46:07Lucia, keren juga

46:09Bahasanya

46:11Dokumentasinya banyak

46:13Jadi dia gampang banget

46:15Bikin dia

46:17Bedanya planning sama orkestrasi

46:19Orkestrasi itu yang disebut

46:21Maksudnya tadi punya sub-agent

46:23Mengatur

46:25Dia nyuruh-nyuruh bawahan

46:27Para agent-agentnya yang lain

46:29Tapi kan masing-masing punya

46:31Kepinteran atau keahlian sendiri

46:33Satu jago front-end

46:35Satu back-end misalnya

46:37Satu security atau penetration testing

46:39Nah, apa?

46:41Orkestrasi itu si

46:43Agent kepala yang mikir

46:45Tugas ini dikasih ke

46:47Sub-agent ke anak buah ini

46:49Tugas itu dikasih ke neighbor

46:51Kepala yang masing-masing

46:53Siapa yang harus kerja duluan

46:55Atau meramunya gimana

46:57Nah, itu

46:59Itu banget purna

47:01Nah, itu ada terakhir

47:05Collaborating sama self-refining

47:07Fitur-fitur kunci

47:09Bagaimana suatu

47:11LLM atau AI itu bisa dianggap

47:13Sebagai agent

47:15Self-refining ini berarti dia bisa

47:19Memperbaiki dirinya ya

47:21Refleksikan

47:23Wah, saya salah nih

47:25Saya harus ubah cara

47:27Caranya nggak kayak gini

47:29Pakai cara yang lain gitu ya

47:31Nah, terus itu apa bedanya

47:35AI-agent, AI-assistant

47:37AI-agent, AI-assistant sama bot

47:39Oke

47:41Yang tadi ya

47:43Yang tadi kita bicara kan ya

47:45Bot ini kan chatbot ya

47:47Kalau ini cuman kasih KUO

47:49Ya, bot kita

47:51Cuman kita tanya jawab

47:53Ini untuk tanya jawab

47:55Kita otomasi assistant

47:57Membantu kita dengan tugasnya

47:59Tapi potong-potongan kan

48:01Kayak tengan satu-satu

48:03Kalau AI-agent itu bisa

48:05Autonomous, autonomously

48:07Dan proactive

48:09Itu tadi dia nyari flight

48:11Flight-nya mahal banget atau habis

48:13Atau bisa nawarin

48:15Ya

48:17Iya, saya ingin cakap

48:21Bisa

48:45Ivan

48:47Tadi mau ngomong apa?

48:49Maksudnya dari secara level

48:51Maksudnya AI-agent ini kan

48:53Dia sanggup sampai

48:55Hampir seperti

48:57Manusia

48:59Untuk specialized skill ya

49:01Khususnya dalam coding agent ya

49:03Kalau dalam hal

49:05Apa namanya

49:07Saya maksud ini coding agent

49:09Hampir seperti junior atau senior developer

49:13Sedangkan

49:15Ada lagi yang pengembangan selanjutnya

49:17Yang saya sudah melihat arah-arahnya nih

49:19Kayak semua

49:21Provider-provider

49:23Model-model ini

49:25Mulai bikin browser sendiri

49:27Iya ga?

49:29Ya kan, perplexity

49:31Ya, terus cloud code

49:33Dia membanding bisa

49:35MCP ke Chrome

49:37Ya kan

49:39Terus kemudian

49:41Dia juga punya browser

49:43Kursor sudah ada add-on

49:45Browser di dalam kursornya

49:47Tau ga? Ada add-on browser

49:49Jadi sepertinya

49:51Sekarang semua VSCode

49:53Kalau pakai kilokode juga udah ada

49:55Dia ke fire browser sendiri

49:57Jadi sekarang

49:59Tau ga kan

50:01Kayak cloudflare atau apa namanya

50:03Kayak banyak lah ya

50:05Selain cloudflare ya

50:07Kayak mulai firewall di mana-mana

50:09Kayak di block bot

50:11Ini kan, LLM bot

50:13Untuk bisa nge-fetch kan

50:15Akhirnya mereka

50:17Bikin pakai browser sendiri

50:19Dan browser itu kan

50:21Kalau kayak buka Chrome kan dia otomatis jalan

50:23Jadi sebenarnya ga keblock sama cloudflare

50:25Akhirnya

50:27Dia bisa kayak simulasi

50:29Klik beneran

50:31Jadi yang tadinya

50:33Bukan hit plus lagi

50:35Beneran kursor beneran

50:37Bukan hit plus

50:39Betul

50:41Nah

50:43Yang beberapa hari ini saya sudah coba kayak

50:45Pake Gemenei

50:47Dan cloudcode dan besok saya demoin

50:49Pake Gemenei

50:51Juga untuk

50:53Nge-debug core

50:55Webfile tapi connectnya langsung

50:57Ke Chrome

50:59Google Chrome jadi dia bisa

51:01Langsung kayak nge-click

51:03Nge-coba ngambil LCP nya

51:05Nge-coba ngambil INP nya

51:07Nge-coba ngambil CLS nya

51:09Dan meng-analyse itu semua

51:11Dan ngasih tau hasilnya seperti apa

51:13Ya, itulah sebabnya

51:15Anti-gravity

51:19Minimal memory

51:21RAM nya 16GB

51:23Memory nya banyak

51:25Mikirnya berat

51:27Makan RAM nya juga berat ya

51:29Dia udah buka IDE

51:31Buka editor

51:33Ada yang di atasnya itu agent

51:35Manager ya

51:37Manager-manager itu

51:39Terus dia juga bisa connect ke

51:41Chrome kan

51:43Jadi ya jelas lah ya

51:45Sangat

51:47Membutuhkan memory

51:49Apalagi itu adalah

51:51Apa

51:55Elektron

51:57Yang adalah Chromium Base

52:01Ya Chromium Base

52:03Yang

52:05Chrome nya itu

52:07Di fork dari Chrome

52:09Chrome itu punya Google, produknya Google

52:11Di fork jadi punya komunitas

52:13Kemudian

52:15Dipakai oleh GitHub

52:17Kemudian dilanjutkan oleh

52:19Microsoft, kemudian

52:21Google nge-fork lagi

52:23CBS Code itu buat

52:25Produknya dia, jadi muter aja

52:27Muter aja

52:31Terus kalau

52:33Dan ternyata

52:35CBS Code

52:37CBS Code nya si Google pake Jemenai

52:39Atau mereka nge-coding pake Jemenai

52:41Atau pake anti-gravity

52:43Untuk nge-coding si

52:45Chromium engine nya tadi

52:47Iya

52:49Udah muter lagi code nya

52:51Dikursifnya

52:53Iya

52:55Ya, kalau mau yang enteng

52:57Mungkin bisa coba

52:59Tools yang jalan

53:01Di terminal ya, kayak Cloud Code

53:03Ada Gemini CLI

53:05Dan ada yang lain juga

53:07Nah, sebenernya saya tertarik sekali

53:09Sama Gemini CLI sebenernya

53:11Cuman sayangnya kayak agak di

53:13Itu ya, kayak ada agak

53:15Di anak kirikan ya

53:17Kenapa saya tertarik? Karena satu

53:19Sama kayak DX nya agak

53:21Kenapa ya? Gak tau

53:23Maksudnya apa belum kebiasa

53:25Yang pengembangannya kayak

53:27Sekarang semua resource nya

53:29Diarahkan ke anti-gravity

53:31Padahal dari sekian

53:33Banyak

53:35Tools CLI

53:37Atau terminal based seperti Cloud Code

53:39Terus apa lagi ya

53:41AMP Code

53:43Dua itu sih

53:45Yang saya pernah pake

53:47Gemini CLI

53:49Kelebihan nya adalah dia benar-benar

53:51Murni open source, Cloud Code itu gak open source

53:53Walaupun ada repo nya, tapi repo nya cuman buat issue doang

53:55Dia tidak open source

53:57Walaupun di develop pakai BUN

53:59Tapi dia tidak open source

54:01Gemini, kodanya bisa kita lihat

54:03Dia pakai apa

54:05Jadi sebenernya

54:07Cukup menarik

54:09Yang open code

54:11Yang open source itu open code ya

54:13Kalau gak salah ya

54:15Open code open source

54:17Yang kayak gitu-gitu sebenernya

54:19Menarik gitu

54:21Jadi kita bisa sekalian belajar

54:23Bukan

54:25Cuman menggunakan

54:27Cuman sayangnya

54:29Fiturnya itu kalah

54:31Mentereng dibandingkan Cloud Code

54:33Cloud Code udah paling

54:35Terdepan ya saat ini ya

54:37Itu kayak UX

54:39Cuma kita kan user-nya

54:41Developer kayak Cloud Code itu

54:43Bisa bikin entah gimana

54:45Belum pernah pakai

54:47Atau baru pakai, jadi kayak langsung

54:49Mempel gitu loh, langsung edit

54:51Nah kalau Gemini CLI itu

54:53Kayak mungkin learning curve-nya ya

54:55Gak bisa langsung

54:57Ketagihan

54:59Harus pakai langsung

55:01Gua merasa Gemini CLI itu ininya ini loh

55:03Apa namanya

55:05Agak lambat

55:07Ezekusinya, compare sama anti-gravity

55:09Anti-gravity?

55:13Sama-sama, iya

55:15Ini loh, kecepatan request-nya

55:17Bukan ini bukan prompt-nya

55:19Iya, respons dari si

55:21Respons dari si

55:23Modelnya

55:25Itu

55:27Lebih cepat di anti-gravity

55:29Kayaknya resource-nya dipindah

55:31Ke anti-gravity semua sih, banyakan

55:33Jadi di prioritaskan ke anti-gravity

55:35Karena mereka mau nge-push itu

55:37Mungkin ya

55:39Mungkin ya

55:41Padahal potensial

55:43Ke Gemini CLI

55:45Menurut saya, cukup bagus

55:47Dia juga bisa jadi orkestrator kan

55:49Misalkan kayak

55:51Mungkin secara strategis dia merasa

55:53Udah kalah jauh sama cloud-cube kali ya

55:55Maksudnya kayak gak pengen

55:57Ngejar ke citra dulu mungkin

55:59Mungkin udah

56:01Terlalu susah

56:03Tim-nya dipindah

56:05Iya

56:07Gemini CLI sering kena

56:09Infinite loop

56:11Nah, ini juga susah ya

56:13Kurang canggih lah ya

56:15Udah

56:17Gemini-nya

56:19Kalah sama

56:21Opus

56:23Terus tools-nya juga

56:25Kurang gitu ya, padahal sebelumnya

56:27Padahal saat Gemini 3 muncul tuh

56:29Kayaknya heboh semua, wah ini canggih banget

56:31Bikin front-end-nya bagus

56:33Desain-nya, begitu keluar opus

56:35Diam lagi

56:37Ada yang lebih bagus ternyata

56:39Tapi bakal gitu, terus ya

56:41Mungkin selama masih yang kita bahas

56:43Tapi

56:45Januari belum ada apa-apa lho

56:47Semenjak Januari belum ada yang keluar lagi lho

56:49Biasanya tiap

56:51Ngedip sebelumnya, akhir tahun pun tiap ngedip keluar

56:53Masih 11 hari

56:55Nunggu tuh

56:57Kita gak tau ada surprise apa

56:5911 hari ke depan

57:01AI dari mainland

57:03Belum menunjukkan taringnya nih

57:05Nunggu, dia nunggu tahun baru nunggu

57:07JLM

57:0947 Flash baru keluar sih

57:11Sebenarnya ya

57:13Sayang

57:21Saya pakai

57:29JLM

57:31JLM 47

57:33Jadi ini saya

57:35Jadi beneran

57:41Walaupun ke model yang lebih murah

57:43Saya emang gak asal sama sekali

57:45Cari gratisan semua

57:47Umelnya udah banyak

57:49Terlalu umei satu

57:51Semua dicobain

57:53Ini

57:55EWS ada Kiro

57:57Yang selai juga

57:59Wah, kayaknya menarik

58:01Kiro bagus gak sih? Belum coba nih

58:03Kalo Kiro

58:05Kiro

58:07Sebenarnya dia kan yang mengusung

58:09Awalnya yang mengusung spek

58:11Driven development kan sebelum spek kit

58:13Muncul, itu kan Kiro duluan

58:15Itu dia bikin

58:17Trending nya tuh bagus banget

58:19Bagus banget

58:21Cuman sayangnya

58:25Entah

58:27Dari

58:29Apa namanya dari editornya

58:31Dia gak ngerti atau gimana agak

58:33Nge-like, sering nge-like

58:35Kalo

58:37Di lab saya cobain

58:39Terakhir, entah mungkin karena

58:41Dia gak bisa

58:43Eksekusi beberapa tools

58:45Dia gak bisa

58:47Eksekusi kode

58:49Jadi cuma sebatas sampe planning aja bisa

58:51Aneh banget

58:53Tapi tuh ada free nya

58:59Kalo ada free nya mau sih

59:01Free tire nya ada

59:03Terus kemaren dia ngeluarin yang versi CLI nya

59:05Wah menarik nih

59:07CLI kan kayaknya ringan tuh

59:09Penasaran juga pengen coba

59:11Kalo yang punya apa

59:13Yang punya account student

59:15Ya ampus

59:17Bisa dapat setahun

59:19Dratis kan Google ya

59:21Google One ya

59:23Belajar

59:25Belajar di universitas

59:27Kehidupan

59:29Gak ada email nya

59:31Jadi pengen jadi mahasiswa lagi deh gue

59:33Buat itu ya

59:35Biar email.ac.id

59:37Email apa

59:41Alumni.ui.ac.id

59:45Itu masih boleh kan sih

59:47Ya namanya Alumni

59:49Kena flaggingnya

59:51Tapi kan ac.id

59:53Mungkin ada flaggingnya

59:55Kalo ada Alumni nya gak bisa, gak tau

1:00:01Yang penting kan belakangnya ac.id

1:00:03Gak ya, gak gitu ya

1:00:05Kalo misalkan kursor

1:00:07Kalo kursor itu harus

1:00:09Upload sertifikat setiap tahun

1:00:11Ijasah

1:00:13Ijasah, harus di upload

1:00:15Harus di verifikasi

1:00:17Kita masih mahasiswa aktif

1:00:19Belum belajar kan, belum belajar

1:00:21Berarti kayak apalah KRS atau semacamnya ya

1:00:23Ya menyatakan

1:00:25Bahwa kita adalah

1:00:27Mahasiswa di kampus

1:00:29Iya

1:00:31Aduh telat banget

1:00:33Iya nih, kita mudah-mudahan

1:00:35Ini Mas Radian yang

1:00:37Ini ya, yang ngide ya

1:00:39Yang ngasih ide ya

1:00:41Ngasih ide, judulnya doang

1:00:43Kita pake, tapi malah bahasnya lain

1:00:45Tapi bahasnya yang lain, maaf ya

1:00:47Baru balik kantor

1:00:49Wah, luar biasa

1:00:51Gak apa-apa, besok lagi topiknya tadi gak dibahas

1:00:53Kalo gak bahas co-pilot kita sama sekali

1:00:55Iya, kita bahasnya malah

1:00:57Agentik, karena kayaknya terlalu lompat

1:00:59Kalo kita bahas tentang AI Agent

1:01:01Tapi ya bagus sih, jadi kan mulai dari

1:01:03Fundamentalnya kan

1:01:05Nah, ini cuma

1:01:07Menurutku sih

1:01:09Penting banget ya dibaca

1:01:11Ya, baca sendiri-sendiri aja nanti yang artikel

1:01:13Di Google Cloud ini kayak

1:01:15Jenis gimana cara kerja

1:01:17Key differences-nya ada

1:01:19Tadi yang tabel itu yang AI Agent

1:01:21Assistant Bot

1:01:23Perbedaan utamanya apa, cara kerjanya

1:01:25Persona, Memory Tools

1:01:27Itu tuh ngebantu kita waktu kita

1:01:29Mendefinisikan Agent, jadi kalo suatu saat

1:01:31Kita pake ADK, JS atau

1:01:33Longchain atau apa bikin

1:01:35Kita bikin prompting

1:01:37Bikin sistem instruksinya tuh

1:01:39Lebih bagus sih

1:01:41Sama jenis-jenis Agent nih, berdasarkan interaksi

1:01:43Interactive partner

1:01:45Autonomous background processes

1:01:47Terus bisa single agent, bisa multi agent

1:01:49Bagus itu

1:01:53Yang belum kita bahas itu

1:01:55Agent to agent, bisa ga sih

1:01:57Agent to agent, communication

1:01:59Penontonan ga? Bisa

1:02:01Bisa Jadi si agent ini

1:02:03Kommunikasi dengan agent ini, terus

1:02:05Bola balik Bisa bisa

1:02:07Itu kan, jadi

1:02:09Yang satu ngelup, yang satu ngelup

1:02:11Yaudah, saling komunikasi aja

1:02:13Tinggal tunggu aja, token kita abis

1:02:15Orkestration

1:02:19Ada protokol dia kan A2A

1:02:21A2A

1:02:23Ya ini kan

1:02:25Bisa diajak debat, si agent

1:02:27Bisa, kalo mau bikin mah bisa

1:02:29Sesama agent juga bisa

1:02:31Mereka yang debat, kita yang nonton

1:02:33Satu lagi apa namanya?

1:02:37Apa nih?

1:02:39Ngomongin agent, aku belakangan ini

1:02:41Ada project di kantor pake Mastra

1:02:43Apa itu Mastra?

1:02:45Kayak pernah denger?

1:02:47Mastra ada

1:02:49Oh, iya iya tau tau

1:02:51Ini salah satu

1:02:53Rekomendasinya mas Ariya

1:02:55Hidayat juga, daripada pake Lengken

1:02:57Mendingan pake Mastra

1:02:59Untuk framework ya

1:03:01AI framework ya

1:03:03Entar orang Indonesia bikin

1:03:05Baktra

1:03:07Ada Mastra, ada Baktra

1:03:09Cukup lah ya

1:03:13Kreativan developer

1:03:15Indonesia membuat apa?

1:03:17David, DB, Prabowo

1:03:19Apalagi itu ada 4 ya

1:03:23Itu luar biasa sih

1:03:25Ya enak pake TypeScript

1:03:27Ya, lebih rekomendasi

1:03:29Ini daripada Lengken, Lengken terlalu bloated

1:03:31Jadi setuju setuju

1:03:33Mastra itu keren, saya penasaran

1:03:35Pengen ngulik juga sih

1:03:37Tapi pengen nguliknya dari

1:03:39Vanilla, gak mau pake itu dulu

1:03:41Kalo pake framework itu, belajarnya

1:03:45Gak lama

1:03:47Gak paham

1:03:51Agent to agent ya

1:03:53Itu A to A

1:03:55Itu ada protokolnya

1:04:01Ada kayak definisi protokolnya

1:04:03Link ke bawah, nah itu dia

1:04:05Oke

1:04:07Saya punya pertanyaan

1:04:09Agent, kita udah clear ya

1:04:11Temen-temen, mudah-mudahan sih udah lebih paham ya

1:04:13Gak malah lebih bingung ya

1:04:15Kalo MCP itu

1:04:17Masuk kategori mana?

1:04:19Tool call ya

1:04:21Tool

1:04:23Itu tools

1:04:25Sama kayak agent to agent protokol ini

1:04:27Itu protokol buatan

1:04:29Anthropic

1:04:31Yang bisa dipanggil sebagai

1:04:33Suatu tools

1:04:35Betul

1:04:37Iya MCP kan lahirnya dari Anthropic

1:04:39Betul

1:04:41Gara-gara itu

1:04:43Jadi tau gitu

1:04:45Bisa mendonasikan hal yang

1:04:47Abstrak, maksudnya patent protokol itu kan

1:04:49Mereka donasiin ke

1:04:51Linux foundation atau semacamnya ya

1:04:53Apa sih? Linux open

1:04:55Source foundation blablabla

1:04:57Ya awalnya kan gitu

1:04:59Anthropic ngeluarin sendiri

1:05:01Namanya MCP, terus Google ngeluarin kan

1:05:03Protokol juga kan

1:05:05Kalo gak salah

1:05:07Dia punya sendiri akhirnya

1:05:09Dia kayaknya

1:05:11Menyerah dan ikut

1:05:13Standard ya

1:05:15Ikut MCP ya

1:05:17Sebenernya MCP itu apa sih?

1:05:19Eh kita perlu bahas sekarang atau nanti aja?

1:05:21Ya gimana kalo topik terputar aja

1:05:23Model konteks

1:05:25Model konteks protokol memang ya

1:05:27Iya maksudnya kalo mau ngebahas detail

1:05:29Mas satu episode lagi aja

1:05:31Iya itu

1:05:33Panjang

1:05:35Lumayan panjang juga tuh penjelasannya

1:05:37Intinya sih itu

1:05:39Ya protokol yang menyediakan

1:05:41Suatu set tools

1:05:43Apa? Si agent yang

1:05:45Memanggil MCP server itu

1:05:47Agentnya itu

1:05:49Bekerja sebagai klien kan jadinya ya

1:05:51Dia konek ke

1:05:53Si server MCP itu

1:05:55Tring, jadi dia dapet tools

1:05:57Banyak

1:05:59Beberapa tools lagi, jadi misalnya MCP

1:06:01GitHub, kalo gak ada

1:06:03Kalo tanpa MCP

1:06:05GitHub

1:06:07Ngasih agentnya terima

1:06:09Terima perintah buat

1:06:11Buatin pull request

1:06:13Dengan komentar lengkap, berdasarkan

1:06:15Kondo saya, ya dia bisa bikin

1:06:17Dia bisa nyapain pull request

1:06:19Bisa bikin deskripsinya

1:06:21Bisa bikin title yang bagus

1:06:23Pakai prefix yang apa conventional commit

1:06:25Bisa, tapi kan dia gak bisa

1:06:27Mengakses akun GitHub kan

1:06:29Karena gak ada toolsnya

1:06:31Nah dengan apa konek

1:06:33MCP server GitHub ini

1:06:35Jadi muncul tuh tools banyak apalah

1:06:39Authenticate jelas

1:06:41Terus misalnya create pull request

1:06:43Atau comment to pull request

1:06:45Ya masing-masing tools tuh

1:06:47Toolsnya banyak, masing-masing tools

1:06:49Ada namanya dan ada deskripsinya

1:06:51Jadi si agent bisa mikir, oh

1:06:53Kalo user minta ini, berarti saya

1:06:55Cocoknya pake tools yang ini nih

1:06:57Dengan apa, tapi usernya minta dengan

1:06:59Natural language

1:07:01Oke itu MCP ya

1:07:03Ada lagi skill

1:07:05Banyak banget

1:07:07Itu bentuk

1:07:09Overwhelm gak sih dengan istilah-istilah

1:07:11Yang sangat banyak ini

1:07:13Apalagi cloud code

1:07:15Ada skill, ada plugin

1:07:17Plugin bisa berisi skill

1:07:19Ada plugin, ada plugin marketplace

1:07:21Juga sekarang

1:07:23Marketplace untuk

1:07:25Menginstal plugin, kalo kita

1:07:27Udah install plugin, banyak skill-skill

1:07:29Yang bisa diakses, tapi kita harus

1:07:31Enable, nah terus belum ada agent

1:07:33Ada comment, hadah

1:07:35Ternak lele aja udah

1:07:39Ternak lele, iya

1:07:41Ternak lele gak punya kolam

1:07:43Kalo MCP

1:07:45Kayaknya cocok nih kita undang

1:07:47Si MC Dots ya

1:07:49Dia lagi

1:07:51Lagi banyak banget tentang MCP

1:07:53Oh iya dia buka kursus MCP

1:07:55Tergoda di daftar, tapi itu luar banget ya

1:07:59Lu daftar, tapi

1:08:01Caretnya undang kesini

1:08:03Ya dia gak mau

1:08:07Ngapain, siapa lu

1:08:09Coba aja dong

1:08:11Sekali itu

1:08:13Engga, dia kan punya platform sendiri

1:08:15Tapi dia tuh

1:08:17Speaker commercial

1:08:19Tapi kan dia GDE

1:08:21Nanti bisa nambahin itu

1:08:23Nambahin adpoku

1:08:25Nanti bisa diundang

1:08:27GDE Summit

1:08:29GDE tapi gak aktif

1:08:33Kapan ya

1:08:37Kita gak pernah ke

1:08:39GDE Summit yang di luar ya

1:08:41GDE Summit kan

1:08:43Kemaren di China

1:08:45Udah gak ada lagi

1:08:47GDE Summit yang

1:08:49Udah gak ada agentnya lagi

1:08:53Agentnya udah gak nyampe sana

1:08:55Pesawatnya orang cuma batik doang

1:08:57Yang ada disini

1:08:59Mana bisa ke Amerika

1:09:01Pake batik

1:09:03Entar datang Mbak Mas Danang

1:09:05Sebelum Mas Danang datang

1:09:09Mari kita kabur

1:09:11Cukup

1:09:13Pembahasan tentang

1:09:15Peragentan ini

1:09:17Kalau MCP, skill

1:09:19Dan lain-lain mungkin kita bahas nanti ya

1:09:21Apa namanya

1:09:23Bahas

1:09:25Agentik coding juga kayaknya perlu ya kita bahas ya

1:09:27Nanti kita coba cari

1:09:29Nara sumber lah ya

1:09:31Yang lebih kompeten daripada

1:09:33Kita-kita

1:09:35Oke, topik minggu depan

1:09:37Nah ini harus dibuat agentnya nih

1:09:39Siapa yang mau buat agent buat topik

1:09:41Memilih topik ya

1:09:43Berdasarkan

1:09:51Activity

1:09:53Berdasarkan apa nih

1:09:57Temen-temen ada idea gak buat minggu depan

1:09:59Kita mau bahas apa

1:10:01RBC

1:10:05DTS

1:10:07Bedah buku

1:10:09Apa mau lanjut ini

1:10:13Agentik

1:10:15Application framework

1:10:19Project Management

1:10:21Mending ini aja deh

1:10:23Apa namanya

1:10:25Showcase

1:10:33Lanjut

1:10:35Gini aja

1:10:39Menunjukin workflow kita

1:10:41Kita co-work aja

1:10:43Co-work

1:10:47Buat minggu depan

1:10:49Membuat

1:10:51Sabung AI

1:10:53Kayak sabung AI

1:10:55Tapi buat ini, buat mencari

1:10:57Topik selanjutnya

1:10:59Terus mengembangkan topik ini aja udah

1:11:01Misalnya udah dipilih nih

1:11:03Topiknya

1:11:05Terus kemudian si AI-nya

1:11:07Mengisi

1:11:09More details

1:11:11Jadi konteks untuk kita belajar

1:11:13Gimana

1:11:15Ini AI assist

1:11:17Ini affect coding kita untuk membuat

1:11:19Ini

1:11:21Topik generator

1:11:23Topiknya adalah

1:11:25Workflow menggunakan

1:11:29Agentik coding

1:11:31Ya share aja masing-masing gimana sih

1:11:33Prosesnya mulai dari

1:11:35Apakah bikin PRD dulu

1:11:37Atau bikin mockup dulu

1:11:39Gimana kalau misalkan nanti pada saat

1:11:41Itu kita mau fitur berikutnya gimana

1:11:45Boleh

1:11:47Tapi topiknya tetap kita

1:11:49Membuat

1:11:51Nanti demo nya itu

1:11:53Membuat

1:11:55Memilihan topik

1:11:57Kita selanjutnya

1:11:59Oke siap

1:12:01Siap-siap ngisi tokan

1:12:03Dulu ya

1:12:05Jangan dipake

1:12:07Gak ada suaranya

1:12:13Menarik

1:12:15Oke

1:12:17Oke ya besok

1:12:19Topiknya workflow

1:12:21Atau cara menggunakan

1:12:23Versi kita masing-masing ya

1:12:25Cara menggunakan agentik coding ya

1:12:27Atau

1:12:29AI assisted

1:12:31Something lah

1:12:35AI assisted coding

1:12:37Oke

1:12:41Oke cukup untuk

1:12:43Malam ini

1:12:45Kita

1:12:47Ketemu lagi minggu depan

1:12:49Terima kasih buat

1:12:51Domensia yang sudah

1:12:53Menjadi kolaborator

1:12:55Sampai jumpa selamat malam

1:12:57Bye bye

1:13:11Kami pastikan anda berada

1:13:13Di tempat yang tepat

1:13:15Dengan Domensia dapatkan pengalaman

1:13:17Memanakan layanan hosting yang lebih baik

1:13:19Dengan SSD berperforma tinggi

1:13:21Dalam infrastruktur cloud

1:13:23Yang telah dioptimalkan untuk kebutuhan personal

1:13:25Maupun bisnis

1:13:27Teknologi ini memungkinkan anda memperoleh

1:13:29Layanan yang lebih stabil

1:13:31Serta proteksi dari korupsi data

1:13:33Hosting Domensia juga telah mendukung

1:13:35Node.js, Python, Ruby, Go, PHP, Java

1:13:37Serta binary Linux

1:13:39Lebih dari 200.000 pelanggan

1:13:41Telah mempercayakan layanan hosting

1:13:43Di Domensia

1:13:45Kepercayaan yang kami jaga dengan

1:13:47Garansi aktan 99,9%

1:13:49Serta garansi uang kembali 100%

1:13:51Buat website anda

1:13:53Lebih mendingan

1:13:55Segera beralik web hosting Domensia