Minggu 12 — Capstone Project dan AI Agent Workflow

Alur kerja agent yang bertanggung jawab

Di akhir course, semua keterampilan digabung dalam satu proyek nyata. AI agent bisa membuat file dan menjalankan perintah sendiri — semakin besar kuasanya, semakin penting batasan dan pengawasanmu.

1. Rancang arsitektur dan batasan

• Tulis PRD, daftar fitur MVP, skema database, dan daftar endpoint.
• Tetapkan batasan untuk AI: boleh mengubah folder apa, tidak boleh menyentuh apa (.env, migration lama, konfigurasi production), dan perintah apa yang butuh izinmu.

2. Beri task yang terdefinisi

Task #3: Endpoint POST /api/courses
Input: judul (wajib, maks 100), harga (angka ≥ 0)
Output: 201 + data kursus; 422 jika validasi gagal
Batasan: hanya ubah app/Http dan routes; ikuti gaya kode yang ada
Selesai jika: test CourseCreateTest lulus

3. Review setiap hasil

1. Baca git diff — hanya file yang diharapkan?
2. Jalankan test dan lint.
3. Coba manual jalur sukses dan jalur gagal.
4. Cek keamanan: validasi server, hak akses, rahasia.
5. Commit dengan pesan jelas.

4. Bug dan persiapan release

Catat bug (langkah, harapan, kenyataan), perbaiki dengan alur dua tahap (analisis lalu implementasi), tambahkan test regresi. Siapkan release: versi, catatan perubahan, backup, rencana rollback.

5. Dokumentasi, demo, evaluasi

• README: apa ini, cara menjalankan, cara test, struktur folder, cara deploy dan rollback.
• Demo: tunjukkan alur utama (3–5 menit) dan jelaskan keputusan teknis pentingmu.
• Evaluasi diri: apa yang dikerjakan AI dengan baik, di mana kamu harus turun tangan, apa yang akan dilakukan berbeda.

Pilihan proyek

Aplikasi manajemen kursus atau sistem monitoring perangkat. Target akhir: aplikasi yang dapat didemokan, source code, README, test, dan bukti deployment.