Belajar AI Engineer - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar AI Engineer! Series ini akan membawa kalian menguasai peran yang paling banyak dicari di dunia teknologi 2026: AI Engineer — orang yang membangun produk AI end-to-end dengan memakai model sebagai komponen, bukan riset murni. Total ada 28 episode yang tersusun dalam enam fase, dari fondasi sampai production readiness.

Sebelum menjalankan from openai import OpenAI atau memanggil API LLM pertama kalian, ada skill dasar dan perangkat yang wajib disiapkan. Mengapa prasyarat ini penting? Karena AI engineer bekerja di persimpangan tiga dunia: pemrograman, API, dan produk. Model hanyalah bagian kecil; yang menentukan sukses adalah kemampuan mengintegrasikan model ke dalam aplikasi yang stabil, murah, dan aman. Tanpa pijakan ini, kalian akan kesulitan di episode 5 (tool use), 7 (RAG), dan 16 (backend).

Episode 0 ini adalah peta jalan: kita akan memastikan skill dasar terpenuhi, menyiapkan environment Python, memasang library utama, membuat API key, menyiapkan model lokal, lalu memverifikasi semuanya.

#Skill Dasar yang Wajib Dimiliki

#Python untuk Produksi

Python adalah bahasa utama AI engineer. Kalian wajib nyaman dengan syntax dasar, struktur data (list, dict), fungsi & class, exception handling, serta konsep package dan import. Latihan kecil: buat fungsi yang memanggil API dan menangani error jaringan.

Pemanasan: fungsi dengan error handling

import urllib.request
 
def fetch(url: str) -> str | None:
    try:
        with urllib.request.urlopen(url, timeout=5) as r:
            return r.read().decode()
    except Exception as e:
        print(f"gagal: {e}")
        return None
 
print(fetch("https://httpbin.org/get"))

Jika kalian paham apa yang dicetak fungsi di atas, dasar Python kalian cukup untuk series ini.

#Integrasi API dan HTTP

Produk AI hampir selalu berkomunikasi lewat HTTP. Kalian wajib paham request/response, status code (200, 401, 429, 500), rate limit, dan cara membaca dokumentasi API. Ini bukan skill teori: di episode 3 sampai 5 kita akan terus berurusan dengan SDK dan raw HTTP.

#Pola Pikir Engineering Produk

AI engineer berbeda dari riset: yang kalian bangun adalah produk, bukan eksperimen. Ini berarti memikirkan latensi, biaya per request, kegagalan, observability, dan UX — bukan sekadar akurasi. Sepanjang series, setiap praktik akan selalu mengingatkan dimensi produk ini.

#Perangkat Software yang Disiapkan

#Python 3.12+ dengan venv

Pastikan Python versi 3.12 atau lebih baru terinstall. Buat virtual environment khusus series ini:

python3 --version
python3 -m venv ~/ai-engineer-lab/venv
source ~/ai-engineer-lab/venv/bin/activate

Gunakan venv untuk semua proyek di series ini agar dependency tidak saling tabrakan.

#Library Utama

Pasang library yang akan dipakai hampir di setiap episode:

pip install --upgrade pip
pip install openai anthropic httpx pydantic
pip install chromadb sentence-transformers
pip install fastapi uvicorn langchain-core langgraph

Jangan khawatir jika belum paham fungsi masing-masing — kita akan memakainya bertahap. Untuk vector database, kita pakai ChromaDB (sederhana, berjalan di mesin lokal). Alternatif yang dibahas di episode 6: pgvector dan Qdrant.

#API Key Layanan LLM

Kalian butuh akses ke minimal satu layanan LLM. Siapkan akun dan API key:

Simpan API key di environment variable — jangan pernah hardcode atau commit ke repository:

export OPENAI_API_KEY="sk-..."
export ANTHROPIC_API_KEY="sk-ant-..."

#Model Lokal via Ollama

Untuk episode yang tidak ingin mengeluarkan biaya (eksplorasi, eval, serving), siapkan Ollama:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen3:8b
ollama run qwen3:8b "hallo, siapa kamu?"

Ollama mengikuti OpenAI-compatible API, sehingga kode kita bisa dialihkan antar penyedia dengan mudah — praktik yang kita sebut model routing di episode 22.

#Vector Database

Untuk episode 6 dan 7, pastikan ChromaDB terinstall dan bisa menyimpan data:

python3 -c "
import chromadb
client = chromadb.Client()
col = client.create_collection('test')
col.add(ids=['1'], documents=['halo ai engineer'])
print(col.query(query_texts=['ai'], n_results=1))
"

Jika perintah ini selesai tanpa error dan mengembalikan hasil, vector database kalian siap.

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi menyeluruh:

python3 --version
pip --version
ollama list
python3 -c "import openai, anthropic, chromadb, fastapi; print('semua library OK')"

Semua perintah harus tampil tanpa error. Untuk menguji API key, panggil model termurah sekali saja:

python3 -c "
from openai import OpenAI
c = OpenAI()
r = c.chat.completions.create(model='gpt-4o-mini', messages=[{'role': 'user', 'content': 'balas dengan OK'}])
print(r.choices[0].message.content)
"

Jika mencetak OK, environment kalian benar-benar siap.

#Ringkasan Prasyarat

Rangkuman yang sudah kalian siapkan di episode 0:

• Skill: Python produksi, dasar HTTP/API, dan pola pikir engineering produk.
• Environment: Python 3.12+ dengan venv dan library inti (openai, anthropic, chromadb, fastapi).
• Akses model: minimal satu API key LLM (OpenAI/Anthropic) + Ollama dengan qwen3:8b.
• Vector DB: ChromaDB teruji dengan uji query pertama.
• Verifikasi: semua import dan panggilan API berhasil tanpa error.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Perjalanan 27 episode ke depan akan jauh lebih lancar dengan pijakan yang kuat ini.

#Penutup

Inti yang harus dibawa pulang:

• AI engineer membangun produk dengan model sebagai komponen — beda dari ML engineer dan data scientist.
• Dasar yang wajib: Python produksi, integrasi API, dan pola pikir engineering.
• Siapkan Python 3.12+ dengan venv, API key LLM, Ollama, dan ChromaDB.
• Verifikasi environment dengan uji import dan satu panggilan API.

Di episode 1 selanjutnya kita akan membahas peran AI Engineer dan perbedaannya dengan ML Engineer — apa yang sebenarnya dikerjakan keduanya, peta kompetensi masing-masing, konteks pasar kerja 2026, dan bagaimana memilih jalur karier. Pastikan environment kalian sudah siap, karena perjalanan Belajar AI Engineer baru saja dimulai!