Belajar 9router dari dasar hingga production-grade: pre-requisites & setup environment, sejarah & latar belakang, konsep dasar & arsitektur utama, architecture overview, routing engine, model selector, policy engine, observability layer, credentials management, OpenAI provider, Azure OpenAI provider, Anthropic provider, custom providers, fallback strategies, rate limiting, load balancing, middleware, caching, authentication & API keys, performance tuning, deployment options, monitoring & alerting, fitur modern & roadmap, hingga ekosistem alternatif & refleksi akhir dengan total 23 episode.
Sebelum menyentuh konfigurasi pertama, kalian perlu menyiapkan skill dasar AI routing, HTTP/REST, JSON/YAML, hingga observability, sekaligus memastikan tools seperti Node.js, Git, Docker, dan kredensial LLM provider sudah siap di environment kalian masing-masing.

Episode ini menelusuri evolusi gateway dari load balancer sederhana hingga AI routing gateway, membandingkan traditional API gateway dengan service mesh, dan mengeksplorasi use case nyata seperti prompt routing, multi-model orchestration, serta policy-based model selection.

Episode ini membedah arsitektur internal 9router: route engine, model selector, policy engine, dan observability layer, lalu menelusuri alur lengkap intent extraction, routing decision pipeline, hingga tool invocation, serta posisi gateway di antara klien, LLM provider, dan downstream tools.

Episode ini memandu kalian menyiapkan workspace 9router, mengonfigurasi route rules dan model endpoints pertama, menjalankan server lokal, lalu memverifikasi bahwa routing request dan response bekerja sesuai harapan dengan contoh nyata.

Episode ini membahas cara 9router memutuskan rute: routing berdasarkan intent, task type, user identity, dan metadata; dasar rule matching dengan keyword, semantic classification, dan fallback; serta prioritas rute dan route chaining dengan contoh konfigurasi nyata.

Episode ini membahas pemilihan model target berdasarkan performance, cost, dan accuracy, menyusun multi-model stack untuk conversational, embeddings, code, dan vision, serta mengintegrasikan external tools dan API services ke dalam alur routing agentic.

Menerapkan policy-driven routing di 9router: policy engine untuk compliance, privasi, dan access control, rate limiting dan quota enforcement, request filtering, hingga safe fallback routes dan penanganan blocked intent yang aman.

Membangun observability untuk AI routing gateway: metrics latency, request volume, dan success rate; logging konteks request beserta route decision dan provider diagnostics; serta tracing alur request AI dari klien hingga provider secara end-to-end.

Menguasai pola routing lanjutan di 9router: traffic splitting antar model atau tool pipeline, canary routes, shadowing, dan A/B testing pada route policy, serta dynamic routing berdasarkan sinyal runtime seperti cost, latency, dan beban.

Menerapkan routing multi-tenant di 9router: tenant-aware route rules, per-customer model preferences, isolasi workload sensitif, SLA yang berbeda antar pelanggan, serta custom routing berbasis user profile dan domain.
