Belajar Generative AI - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar Generative AI! Series ini akan membawa kalian menguasai generative AI secara utuh — dari cara kerja LLM & prompt engineering, RAG & embeddings, agents & tool use, fine-tuning & self-host, hingga evaluasi, security, dan production readiness untuk produk AI. Total ada 25 episode yang tersusun dalam enam fase, dari fondasi konsep sampai production.

Sebelum menjalankan client.chat.completions.create(...) atau memanggil API LLM pertama, ada skill dasar dan perangkat yang wajib kalian siapkan. Mengapa prasyarat ini penting? Karena generative AI di dunia kerja bukan sekadar "mengetik prompt di ChatGPT" — ia adalah integrasi: kalian memanggil API dari aplikasi, mengelola key dengan aman, memproses respons JSON, dan menangani streaming yang asinkron. Tanpa fondasi ini, kalian akan tersesat di episode-episode praktik berikutnya.

Episode 0 ini adalah peta jalan kalian: kita akan memastikan skill dasar terpenuhi, menyiapkan Python 3.12+, membuat akun layanan AI, memasang library utama, lalu memverifikasi semuanya dengan chat completion pertama.

#Skill Dasar yang Wajib Dimiliki

#Python: HTTP, JSON, dan Async

Hampir semua SDK AI (OpenAI, Anthropic, Google, Ollama) adalah Python. Kalian wajib nyaman dengan:

• HTTP: memahami request/response, status code, dan rate limit — karena API LLM adalah API HTTP biasa.
• JSON: parse dan serialize data — karena seluruh respons model berbentuk JSON.
• async: asyncio dan await — karena streaming dan pemrosesan paralel (multi-agent, batch) dibangun di atasnya.

Latihan kecil: baca file JSON dan hitung jumlah kata dengan Python.

import json
 
with open("data.json") as f:
    payload = json.load(f)
 
print(sum(len(m.split()) for m in payload["messages"]))

#API Key Management

Ini bukan sekadar "jangan commit key ke git". Praktik yang benar:

• Simpan key di environment variable atau secret manager (.env + python-dotenv).
• Buat key terpisah per environment (dev, prod) agar bisa direvoke satu per satu.
• Set usage limit / budget alert di dashboard penyedia untuk mencegah tagihan tak terduga.

echo "OPENAI_API_KEY=sk-..." >> .env
echo "ANTHROPIC_API_KEY=sk-ant-..." >> .env

Pastikan .env masuk .gitignore — kita bahas lebih dalam di episode 16 (AI security) dan 17 (privacy & governance).

#Dasar LLM API: Chat Completion & Streaming

Konsep inti yang dipakai di seluruh series: LLM menerima daftar messages (bukan satu string), dan setiap pesan punya peran (system, user, assistant). Dua pola pemanggilan yang wajib kalian kenal sejak awal:

from openai import OpenAI
 
client = OpenAI()
 
# 1. Non-streaming: seluruh jawaban sekaligus
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "Kamu adalah asisten ringkas."},
        {"role": "user", "content": "Jelaskan RAG dalam 1 kalimat."},
    ],
)
print(resp.choices[0].message.content)
 
# 2. Streaming: token demi token (dipakai di UI)
stream = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Sebutkan 3 konsep LLM."}],
    stream=True,
)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

Pola ini muncul terus-menerus di episode 5 (API integration), 9 (function calling), dan 10 (agents) — jadi pahami baik-baik perbedaan peran message dan cara kerja streaming.

#Perangkat Software dan Hardware yang Disiapkan

#Python 3.12+

Pastikan Python 3.12 atau lebih baru terinstall, lalu buat virtual environment khusus untuk series ini:

python3 --version
python3 -m venv ~/genai-lab/venv
source ~/genai-lab/venv/bin/activate

Gunakan venv untuk semua proyek agar dependency tidak saling tabrakan.

#Akun API (Pilih Minimal Satu)

Rekomendasi: daftar OpenAI atau Gemini untuk awal (kuota gratis membantu), dan install Ollama sebagai cadangan offline. Satu key sudah cukup untuk mengikuti series ini.

#Framework & Vector DB Lokal

Untuk episode 6-8 (embeddings & RAG) dan 10-11 (agents & MCP), install library utama:

pip install openai anthropic python-dotenv langchain langgraph chromadb

• LangChain/LlamaIndex: framework orkestrasi LLM (episode 10).
• ChromaDB: vector database lokal tanpa server (episode 6-8).
• langgraph: state machine untuk agents (episode 10, 20).

#Hardware: RAM ≥ 8GB

Seluruh praktik API (episode 0-11, 14-24) hanya butuh koneksi internet dan RAM minimal 8GB — GPU tidak diperlukan sama sekali untuk fase API. GPU baru benar-benar dibutuhkan di episode 12 (fine-tuning PEFT) dan 13 (self-host LLM); untuk keduanya, kalian bisa memakai Colab atau VPS ber-GPU.

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi menyeluruh:

python3 --version
pip --version
python3 -c "from openai import OpenAI; print('openai ok')"
python3 -c "import chromadb; print('chromadb ok')"

Lalu uji chat completion pertama (pastikan .env sudah dimuat dan key valid):

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

Jika kalian melihat balasan teks tanpa error, seluruh environment siap.

#Ringkasan Prasyarat

Rangkuman yang sudah kalian siapkan di episode 0:

• Skill: dasar Python (HTTP/JSON/async), manajemen API key, dan pola chat completion + streaming.
• Environment: Python 3.12+ dengan venv (~/genai-lab/venv).
• Akun: setidaknya satu API LLM (OpenAI/Anthropic/Gemini) plus Ollama opsional.
• Library: openai, anthropic, langchain, langgraph, chromadb terinstall.
• Hardware: RAM minimal 8GB; GPU opsional (hanya untuk episode 12-13).
• Verifikasi: chat completion pertama berhasil mengembalikan teks.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Perjalanan 24 episode ke depan akan jauh lebih lancar dengan pijakan yang kuat ini.

#Penutup

Inti yang harus dibawa pulang:

• Generative AI produksi adalah integrasi: HTTP, JSON, async, dan API key yang aman.
• Pola messages dengan peran system/user/assistant dan streaming adalah fondasi semua interaksi LLM.
• Siapkan Python 3.12+, satu akun API, dan library openai/langchain/chromadb.
• Verifikasi dengan chat completion pertama sebelum melangkah.

Di episode 1 selanjutnya kita akan membahas definisi, sejarah & perkembangan generative AI — dari GAN → diffusion → LLM, era foundation models (2023-2025), hingga agentic AI & reasoning (2026), plus tren multimodal default, RAG & tool use sebagai standar, dan model open-weight yang setara dengan model closed. Pastikan environment kalian sudah siap, karena perjalanan Belajar Generative AI baru saja dimulai!