Fundamental
Sebelum menyerahkan pekerjaan ke AI agent, kamu harus paham cara kerjanya. Bukan level riset — level operator: cukup dalam untuk bisa men-debug saat agent melenceng, dan cukup jernih untuk tahu kapan agent tidak boleh dipakai.
Bab ini adalah fondasi untuk seluruh Playbook Solo = Team. Kalau kamu sudah nyaman dengan semua konsep di bawah, silakan lompat langsung ke playbook dan kembali ke sini sebagai referensi.
Isi bab
Apa yang membedakan chat biasa, copilot, dan agent otonom. Definisi kerja "agent" yang tidak buzzword.
Siklus perceive → plan → act → observe. Kenapa agent modern pada dasarnya adalah LLM di dalam while-loop.
Bagaimana model "menekan tombol" di dunia nyata: function calling, edit file, shell, dan permission model.
Context window adalah bottleneck utama. AGENTS.md, compaction, dan agentic search vs RAG.
Cara agent "belajar" antar sesi, skill files yang bisa dipakai ulang, dan kapan memecah kerja ke subagents.
Model Context Protocol — USB-C-nya AI tooling. Apa itu, kenapa jadi standar industri, kapan pakai (dan tidak).
Permission modes, sandboxing, review gates, dan prompt injection. Bagian yang paling sering dilewati — dan paling mahal kalau dilewati.
Cara membaca bab ini
Urutannya disengaja: tiap halaman dibangun di atas halaman sebelumnya. Untuk pemula, baca berurutan dari Dari LLM ke Agent. Untuk yang sudah pakai agent CLI harian, minimal baca Context Engineering dan Guardrails — dua topik yang paling menentukan sukses-tidaknya playbook, dan paling sering disalahpahami.