WEBVTT

00:00:00.000 --> 00:00:05.120
Topik hari ini adalah sesuatu yang hampir semua orang pernah dengar, namun hanya sedikit yang bisa menjelaskannya AI Agent Harness.

00:00:05.520 --> 00:00:09.100
Anda mungkin pernah melihatnya di postingan blog atau pembicaraan di konferensi, tapi apa artinya sebenarnya?

00:00:09.420 --> 00:00:09.980
Ini masalahnya.

00:00:10.380 --> 00:00:14.080
Kebanyakan orang mengira membangun agen AI adalah tentang menulis perintah yang sempurna.

00:00:14.400 --> 00:00:17.600
Satu instruksi ajaib yang membuat model melakukan persis seperti yang Anda inginkan.

00:00:18.040 --> 00:00:19.960
Tapi itu seperti menganggap mobil hanyalah sebuah mesin?

00:00:20.420 --> 00:00:25.120
Tentu, mesin itu penting. Tetapi tanpa roda, setir, rem, dan sasis, Anda tidak akan pergi kemana-mana.

00:00:25.120 --> 00:00:32.340
Di akhir episode ini, Anda akan memahami apa itu Agent Harness, mengapa ini adalah evolusi berikutnya di luar rekayasa perintah Prompt Engineering,

00:00:32.760 --> 00:00:36.160
dan bagaimana Microsoft AI Foundry mewujudkannya bagi bisnis nyata.

00:00:36.980 --> 00:00:38.760
Ambil kopi Anda, dan mari kita mulai.

00:00:39.560 --> 00:00:42.060
Mengapa perintah Prompting tidak lagi? Mari kita kembali ke masa-masa.

00:00:42.460 --> 00:00:45.440
Sekitar tahun 2002 hingga 2024, pekerja dengan AI itu sederhana.

00:00:46.020 --> 00:00:46.880
Anda mendapatkan jawaban.

00:00:47.660 --> 00:00:49.360
Butuh dev email? Lulis perintahnya.

00:00:49.680 --> 00:00:51.740
Butuh ringkasan artikel? Lulis perintahnya.

00:00:52.080 --> 00:00:53.900
Untuk tugas sederhana sekali jalan, itu bekerja dengan sangat.

00:00:53.900 --> 00:00:57.220
Anda bisa meminta sesuatu, dan model akan memberikan respons yang masuk ak.

00:00:57.600 --> 00:00:58.760
Namun, kondoran orang menjadi ambisius.

00:00:59.140 --> 00:01:01.180
Mereka mulai meminta model-model ini untuk melakukan pekerjaannya.

00:01:01.860 --> 00:01:03.620
Meneliti topik dan menulis laporan,

00:01:04.100 --> 00:01:05.840
menganalisis basis kode dan memperbaiki bug,

00:01:05.960 --> 00:01:09.140
atau menangani percakapan dukungan pelanggan multilangkah dari awal sampai akhir.

00:01:09.820 --> 00:01:11.440
Dan tiba-tiba satu perintah tidak bisa menangani.

00:01:11.880 --> 00:01:12.500
Inilah yang terjadi.

00:01:12.920 --> 00:01:14.260
Jendela konteks model penuh, iya,

00:01:14.740 --> 00:01:16.000
melupakan instruksi sebelumnya,

00:01:16.120 --> 00:01:18.740
dan mulai mengarang fakta atau memberikan hasil yang tidak lengkap.

00:01:19.200 --> 00:01:21.940
Semakin lama tugas berlangsung, semakin tidak dapat diandalkan keluarannya.

00:01:21.940 --> 00:01:23.900
Anda mungkin pernah mengalaminya sendiri.

00:01:24.660 --> 00:01:26.980
Anda meminta AI melakukan sesuatu yang kompleks,

00:01:27.080 --> 00:01:29.540
dan pada akhirnya ia lupa apa yang Anda minta sejak awal.

00:01:30.700 --> 00:01:33.180
Bayangkan meminta satu orang membangun seluruh rumah dari awal,

00:01:33.300 --> 00:01:35.620
dalam sekali duduk, tanpa pernah memeriksa pekerjaannya.

00:01:36.340 --> 00:01:37.940
Itulah yang kita minta pada model ini untuk dilakukan.

00:01:38.420 --> 00:01:39.900
Hasilnya persis seperti yang Anda duga.

00:01:40.280 --> 00:01:42.840
Rumah setengah jadi dengan dinding yang hilang dan pintu yang tidak bisa dibuka.

00:01:43.200 --> 00:01:44.320
Solusinya bukalah perintah yang lebih baik.

00:01:44.320 --> 00:01:46.200
Anda bisa menghabiskan waktu berjam-jam,

00:01:46.380 --> 00:01:48.980
mengubah kata-kata, menambahkan contoh, dan memperbaiki instruksi,

00:01:49.300 --> 00:01:51.860
namun itu akan tetap gagal pada tugas yang panjang dan kompleks

00:01:51.860 --> 00:01:53.540
karena masalah mendasarnya bukanlah perintah tersebut.

00:01:53.840 --> 00:01:55.140
Itu adalah kurangnya sistem di sekitarnya.

00:01:56.580 --> 00:01:58.200
Yang dibutuhkan model bukanlah kata-kata yang lebih baik.

00:01:59.240 --> 00:02:02.160
Disitulah evolusi dari rekayasa perintah menuju rekayasa konteks dimulai.

00:02:03.060 --> 00:02:04.140
Tiga fase evolusi AI.

00:02:04.860 --> 00:02:06.780
Jadi beginilah cara saya melihat evolusi AI.

00:02:06.780 --> 00:02:09.840
Tiga fase masing-masing mengalirkan fokus bagi para insinyur.

00:02:10.500 --> 00:02:11.680
Fase satu adalah rekayasa prom.

00:02:12.100 --> 00:02:13.560
Itu berlangsung dari sekitar tahun 2024.

00:02:14.520 --> 00:02:15.520
Pertanyaan besarnya sederhana.

00:02:15.720 --> 00:02:16.740
Apa yang harus saya katakan kepada model?

00:02:17.460 --> 00:02:20.420
Anda menulis satu instruksi, mendapatkan satu jawaban, dan selesai.

00:02:20.900 --> 00:02:22.520
Seluruh keahliannya ada pada pemilihan keatangan.

00:02:22.880 --> 00:02:24.220
Untuk tugas dasar itu sudah cukup.

00:02:24.840 --> 00:02:28.160
Fase dua menyusul rekayasa konteks dari tahun 2024 hingga 2025.

00:02:28.940 --> 00:02:30.680
Pertanyaan berubah dari apa yang harus saya katakan

00:02:30.680 --> 00:02:32.040
menjadi apa yang harus dilihat model.

00:02:32.780 --> 00:02:34.900
Para insinyur menemukan bahwa apa yang Anda berikan ke model

00:02:34.900 --> 00:02:36.300
lebih penting daripada cara Anda bertanya.

00:02:36.780 --> 00:02:39.700
Jadi mereka membangun sistem seperti pemanggilan alat RAG

00:02:39.700 --> 00:02:41.380
dan model konteks protokol MCP.

00:02:42.420 --> 00:02:44.820
Ini memungkinkan model mengambil informasi yang tepat secara langsung.

00:02:45.300 --> 00:02:46.700
Daripada memasukkan semua yang ke satu prom,

00:02:46.800 --> 00:02:49.380
model bisa mengambil apa yang dibutuhkan saat diperlukan.

00:02:50.240 --> 00:02:51.480
Fase tiga adalah tempat kita sekarang.

00:02:51.640 --> 00:02:52.240
Rekayasa Harness.

00:02:53.220 --> 00:02:55.200
Mulai sekitar tahun 2026, pertanyaannya adalah

00:02:55.200 --> 00:02:57.140
sistem apa yang perlu saya bangun di sekitar model?

00:02:57.880 --> 00:02:58.620
Disinilah hal itu.

00:02:59.180 --> 00:03:02.060
Menjadi menarik karena reliability, memori, orkestrasi, dan guardrail

00:03:02.060 --> 00:03:03.280
tidak berasal dari model itu sendiri

00:03:03.280 --> 00:03:04.860
melainkan dari sistem yang Anda bangun di sekitarnya.

00:03:04.860 --> 00:03:06.820
Ini dia cara paling sederhana untuk memikirkan.

00:03:07.180 --> 00:03:08.720
Sebuah agen sama dengan model ditambah Harness.

00:03:09.040 --> 00:03:10.340
Harness adalah segala sesuatu yang lainnya.

00:03:10.560 --> 00:03:12.300
Model melakukan pemikiran, Harness melakukan sisanya.

00:03:12.680 --> 00:03:15.260
Dan Harness itu adalah bumbu rahasia yang membuat semuanya bekerja.

00:03:15.660 --> 00:03:17.700
Bayangkan seperti ini model adalah pekerja terampil.

00:03:17.940 --> 00:03:19.140
Sangat berbakat namun terbatas.

00:03:19.600 --> 00:03:23.360
Harness adalah bengkel, peralatan, daftar periksa, supervisor, dan remnya.

00:03:23.700 --> 00:03:25.540
Tanpa bengkel, pekerja tidak punya tempat untuk bekerja.

00:03:25.880 --> 00:03:27.580
Tanpa peralatan, mereka tidak bisa membangun apapun.

00:03:28.020 --> 00:03:29.500
Tambah daftar periksa, mereka melupakan langkah-langkah.

00:03:29.840 --> 00:03:31.360
Tanpa supervisor, mereka membuat kesalahan.

00:03:31.360 --> 00:03:32.880
Dan tanparan, mereka akan kelelahan.

00:03:33.160 --> 00:03:34.460
Harness menyediakan semua struktur itu.

00:03:34.740 --> 00:03:35.920
Jadi apa sebenarnya isi dari Harness ini?

00:03:36.360 --> 00:03:36.840
Mari kita buka.

00:03:37.560 --> 00:03:38.840
Apa yang sebenarnya terkandung dalam Harness?

00:03:39.240 --> 00:03:40.340
Jadi apa saja yang masuk ke dalam Harness?

00:03:40.700 --> 00:03:42.140
Mari kita bahas bagian-bagiannya satu per satu.

00:03:42.600 --> 00:03:43.500
Pertama, Loop Agen.

00:03:43.960 --> 00:03:45.680
Ini adalah siklus yang menjaga agen tetap berjalan.

00:03:46.040 --> 00:03:47.960
Model berpikir lalu memutuskan untuk memanggil alat.

00:03:48.220 --> 00:03:49.880
Alat dijalankan dan mengirimkan kembali hasil.

00:03:50.100 --> 00:03:52.920
Model melihat hal itu, berpikir lagi, dan mengingat memanggil alat lain.

00:03:53.280 --> 00:03:55.360
Loop terus berjalan sampai agen mencapai tujuannya.

00:03:55.360 --> 00:03:59.420
Tanpa Loop ini, Anda hanya mendapatkan satu pertanyaan dan satu jawaban.

00:04:00.040 --> 00:04:02.960
Dengan ini, Anda memiliki sistem yang menyelesaikan masalah langkah demi langkah.

00:04:03.940 --> 00:04:04.860
Selanjutnya, main konteks.

00:04:05.480 --> 00:04:08.040
Ini sangat penting karena model memiliki rentang perhatian yang terbatas.

00:04:08.480 --> 00:04:10.820
Jendela konteksnya hanya dapat menampung sedikit sebelum meluat.

00:04:11.220 --> 00:04:12.060
Di sinilah Harness berperan.

00:04:12.520 --> 00:04:13.940
Harness memadatkan percakapan,

00:04:14.320 --> 00:04:15.180
meringkas semua pesan,

00:04:15.480 --> 00:04:16.880
dan memprioritaskan apa yang penting.

00:04:17.520 --> 00:04:19.360
Bayangkan ini sebagai sistem pengarsipan untuk percakapan.

00:04:19.960 --> 00:04:21.960
Harness mengaturnya agar model hanya melihat apa yang relevant.

00:04:21.960 --> 00:04:25.040
Tanpa ini, sesi panjang akan berantakan karena model kehilangan jejak.

00:04:25.680 --> 00:04:26.840
Lalu ada alat dan keterampilan.

00:04:27.180 --> 00:04:28.320
Ini adalah tangan dari agen tersebut.

00:04:28.660 --> 00:04:30.260
Model dengan sendirinya hanya dapat menghasilkan teks.

00:04:30.600 --> 00:04:32.100
Ia tidak bisa membaca file menjelajahi web,

00:04:32.180 --> 00:04:33.780
menjalankan kode, atau meminta data dari basis data.

00:04:33.980 --> 00:04:35.240
Harness memberikannya kemampuan kemampuan tersebut.

00:04:35.820 --> 00:04:37.960
Akses file, penelusuran web, eksekusi kode,

00:04:38.220 --> 00:04:40.160
query basis data, semua alat yang disediakan,

00:04:40.480 --> 00:04:40.840
Harness.

00:04:42.120 --> 00:04:43.360
Model memutuskan kapan menggunakannya,

00:04:43.500 --> 00:04:44.540
dan Harness membuat semuanya berfungsi.

00:04:44.880 --> 00:04:47.100
Memori dan persistensi sesi adalah bagian besar lainnya.

00:04:47.360 --> 00:04:48.760
Harness mengingat sesi-sesi sebelumnya.

00:04:48.760 --> 00:04:50.720
Jadi saat Anda kembali ke agen besok,

00:04:50.820 --> 00:04:51.540
ia tidak mulai dari no.

00:04:52.140 --> 00:04:54.060
Ia mengingat referensi Anda, konteks proyek Anda,

00:04:54.140 --> 00:04:55.060
dan keputusan yang Anda buat.

00:04:55.720 --> 00:04:58.240
Agen belajar seiring waktu karena Harness menyimpan riwayat tersebut.

00:04:58.780 --> 00:04:59.860
Gak adalah lapisan keamanan,

00:05:00.000 --> 00:05:01.540
batasan yang Anda tetapkan pada perilaku agen.

00:05:02.060 --> 00:05:03.400
Anggap saja ini sebagai buku peraturan agen.

00:05:03.840 --> 00:05:05.200
Langkah maksimum sebelum berhenti,

00:05:05.460 --> 00:05:06.720
tindakan yang tidak boleh diambil.

00:05:07.100 --> 00:05:09.220
Gerbang persetujuan manusia untuk langkah berisi kotinggi

00:05:09.220 --> 00:05:10.860
seperti melulis file atau mengirim email.

00:05:11.520 --> 00:05:13.440
Tanpa guardrail, agen bisa berjalan selamanya

00:05:13.440 --> 00:05:15.160
atau melakukan sesuatu yang tidak Anda inginkan.

00:05:15.160 --> 00:05:16.580
Harness menjaganya tetap terkenal.

00:05:16.580 --> 00:05:17.840
Terakhir, orkestrasi.

00:05:18.440 --> 00:05:21.220
Harness dapat menjalankan sub-agen khusus untuk tugas yang berbeda.

00:05:21.860 --> 00:05:22.760
Satu menangani riset,

00:05:22.920 --> 00:05:23.960
yang lain menangani penulisan,

00:05:24.300 --> 00:05:25.500
yang ketiga menangani verifikasi.

00:05:25.860 --> 00:05:28.360
Mereka bekerja bersama seperti tim spesialis di lokasi konstruksi.

00:05:28.900 --> 00:05:30.120
Masing-masing melakukan yang terbaik,

00:05:30.660 --> 00:05:32.520
dan Harness memastikan mereka tidak saling menghalangi.

00:05:33.180 --> 00:05:34.720
Sekarang komponen-komponen ini bukan sekadar teot.

00:05:35.200 --> 00:05:37.960
Microsoft telah membangun platform lengkap yang praktekan semua ini.

00:05:39.000 --> 00:05:41.620
Perkenalkan Microsoft AI Foundry Harness untuk perusahaan.

00:05:42.180 --> 00:05:44.020
Platform itu adalah Microsoft AI Foundry.

00:05:44.020 --> 00:05:48.420
Anggap ini sebagai bengkel lengkap untuk membangun dan menjalankan agen AI dalam skala besar.

00:05:49.040 --> 00:05:49.880
Dan saat saya katakan skala,

00:05:49.980 --> 00:05:51.760
masalah saya skala nyata bukan eksperimen laboratorium.

00:05:52.840 --> 00:05:55.060
Foundry melayani lebih dari 70 ribu pelanggan hari ini,

00:05:55.300 --> 00:05:57.860
dan kuartal lalu saja ia memproses 100 triliun token.

00:05:58.980 --> 00:06:00.500
Itu 100 triliun, bukan salah ketik.

00:06:01.080 --> 00:06:01.540
Setiap hari,

00:06:02.000 --> 00:06:03.780
ia mendukung 2 miliar query pencarian perusahaan.

00:06:04.240 --> 00:06:07.080
Ini adalah platform produksi yang menangani beberapa beban kerja terbesar di dunia.

00:06:07.080 --> 00:06:10.340
Apa yang sebenarnya dilakukan Foundry adalah memberi Anda Harness sebagai layanan terkolah.

00:06:11.000 --> 00:06:15.960
Anda tidak perlu membangun manajemen kontak, memori, guardrail, dan koordinasi dari nol karena semuanya sudah tersedia.

00:06:16.360 --> 00:06:18.900
Anda membawa agen Anda dan Foundry menyediakan tempat kerjanya.

00:06:19.280 --> 00:06:20.240
Karena kita bicara tentang keteritas.

00:06:20.680 --> 00:06:21.480
Ini adalah hal yang sangat penting.

00:06:21.780 --> 00:06:24.300
Setiap agen di Foundry mendapatkan ID agen entranya sendiri.

00:06:24.900 --> 00:06:26.080
Singkatnya sebuah identitas digital.

00:06:26.600 --> 00:06:29.040
Bayangkan seperti kartu karyawan yang dikeluarkan oleh meja resepsionis.

00:06:29.040 --> 00:06:34.600
Agen dapat masuk ke layanan, mengakses data, dan bertindak atas nama organisasi seperti layaknya, karyawan manusia.

00:06:35.160 --> 00:06:38.340
Dan karena setiap tindakan terikat pada identitas tersebut, semuanya dapat diaudit sepenuhi.

00:06:38.720 --> 00:06:39.340
Mengapa itu penting?

00:06:39.700 --> 00:06:41.280
Dalam perusahaan Anda perlu tahu siapa yang melakukan.

00:06:41.760 --> 00:06:43.180
Setiap tindakan dicatat dan dapat dilacak.

00:06:43.680 --> 00:06:46.040
Foundry terhubung ke lebih dari seri 400 sumber data perusahaan,

00:06:46.880 --> 00:06:50.140
mulai dari SharePoint dan Dynamics 365 hingga Salesforce dan Basis Data Khusus.

00:06:50.700 --> 00:06:52.960
Jika perusahaan Anda menggunakannya, Foundry kemungkinan besar memiliki konek.

00:06:53.140 --> 00:06:55.320
Jadi agen tersebut tidak menebak-nebak atau mengerang hal.

00:06:55.680 --> 00:06:57.260
Agen mengambil data nyata dari sistem nyata.

00:06:57.260 --> 00:07:00.040
Yang berarti jawabannya didasarkan pada data bisnis Anda yang sebenarnya.

00:07:00.460 --> 00:07:01.140
Kemudian ada memori.

00:07:01.520 --> 00:07:03.160
Foundry mencakup tipe memori bawaan.

00:07:03.440 --> 00:07:05.980
Memori prosedural membantu agen belajar dari tugas-tugas sebelumnya.

00:07:06.100 --> 00:07:08.360
Agen menjadi lebih baik seiring waktu, seperti pelatihan sambil bekerja.

00:07:08.620 --> 00:07:10.960
Persistensi sesi berarti agen mengingat percakapan sebelumnya,

00:07:11.080 --> 00:07:13.020
jadi tidak mulai dari nol setiap kali Anda berbicara dengan.

00:07:13.260 --> 00:07:15.580
Hal itu membuat interaksi terasa berkelanjutan dan cerdas.

00:07:15.980 --> 00:07:16.960
Jadi bagaimana cara kerjanya?

00:07:17.420 --> 00:07:20.480
Mari kita bedah komponen yang disediakan Microsoft untuk membangun wadah khusus.

00:07:21.360 --> 00:07:23.500
Kerangka kerja agen, membangun wadah khusus.

00:07:24.040 --> 00:07:25.280
Jadi bagaimana cara Anda membangun wadah?

00:07:27.260 --> 00:07:29.700
SDK khusus yang disebut Microsoft Agent Framework

00:07:29.700 --> 00:07:32.460
yang mungkin Anda kenal dengan nama sebelumnya, Semantic Kernel.

00:07:32.920 --> 00:07:34.460
Inilah dibangun kembali, tetapi idenya tetap sama.

00:07:34.460 --> 00:07:37.740
Ini memungkinkan pengembang-membangun wadah agen khusus dalam Python dan CISAR.

00:07:38.200 --> 00:07:39.420
Kerangka kerja ini memiliki tiga lapisan.

00:07:39.880 --> 00:07:42.380
Di bagian bawah adalah putaran agen, siklus penawaran inti

00:07:42.380 --> 00:07:45.380
di mana model berpikir, menggil alat, mendapatkan hasil, dan berpikir lain.

00:07:45.900 --> 00:07:49.040
Di atasnya terdapat alur kerja, pola koordinasi yang mengelola beberapa agen.

00:07:49.740 --> 00:07:51.820
Dan yang membungkus semuanya adalah lapisan wadah itu sendiri,

00:07:51.940 --> 00:07:53.100
cangkang yang menyatukan semuanya.

00:07:53.100 --> 00:07:56.140
Microsoft menyertakan lima pola koordinasi bawaan.

00:07:56.880 --> 00:07:59.800
Sequential menjalankan agen satu demi satu dalam urutan yang ditutupkan.

00:08:00.280 --> 00:08:01.740
Concurrent menjalankan semuanya secara paralah.

00:08:02.220 --> 00:08:05.060
Handoff mengalihkan kendali dari satu agen ke agen lain berdasarkan kebutuhan.

00:08:05.560 --> 00:08:08.200
Group chat memungkinkan beberapa agen berbicara dalam percakapan bersama.

00:08:08.860 --> 00:08:11.620
Dan kemudian ada magentik, pengelola dari Microsoft Research.

00:08:12.140 --> 00:08:14.100
Di sini, agen pengawas membuat rencana,

00:08:14.360 --> 00:08:17.280
lalu mendelegasikan pekerjaan ke subagen khusus seperti manager proyek

00:08:17.280 --> 00:08:21.840
yang menugaskan tugas kepada anggota tim setiap pola menangani masalah koordinasi yang berbeda.

00:08:22.300 --> 00:08:22.920
Inilah bagian terbaik.

00:08:23.380 --> 00:08:24.540
Kerangka kerja ini dapat diperluas.

00:08:24.900 --> 00:08:27.180
Anda bisa menggunakan model apapun yang diinginkan,

00:08:27.280 --> 00:08:29.520
mulai dari OpenAI, Anthropic, dan Google Gemini,

00:08:29.640 --> 00:08:31.960
hingga Amazon Bedrock, bahkan model lokal di olamah.

00:08:32.420 --> 00:08:32.740
Begitu pelik.

00:08:33.120 --> 00:08:36.800
Anda bisa terhubung melalui OpenAI Protokol Konteks Model atau kode langsung.

00:08:37.280 --> 00:08:40.660
Beberapa orang khawatir menggunakan kerangka kerja Microsoft akan mengunci Anda ke dalam ekosistem mereka.

00:08:40.920 --> 00:08:41.440
Itu tidak benar.

00:08:41.860 --> 00:08:44.600
Kerangka kerja ini dapat bekerja dengan tumpukan teknologi apapun yang sudah Anda gunakan.

00:08:44.600 --> 00:08:47.940
Lapisan harness menambahkan kemampuan seperti akses file, eksekusi kode,

00:08:48.220 --> 00:08:49.580
midower perencanaan, dan telemetry.

00:08:49.700 --> 00:08:53.120
Jadi, membangun agen dengan kerangka kerja ini berarti membangun sistem lengkap yang membaca file,

00:08:53.220 --> 00:08:55.600
menulis kode, menencanakan tugas multilangkah, dan mencatat semultilangkah,

00:08:55.680 --> 00:08:56.720
dan mencatat semuanya untuk dibagi.

00:08:56.860 --> 00:08:58.100
Ini berdari sekadar antar muka obrolan.

00:08:58.480 --> 00:08:59.240
Beginilah bentuknya.

00:08:59.620 --> 00:09:01.520
Payankan sebuah ujian pengkodean ke atas kerangka kerja ini.

00:09:02.000 --> 00:09:02.860
Anda memberinya tugas.

00:09:02.980 --> 00:09:05.280
Katakanlah, menambahkan fitur baru ke basis kode yang sudah ada.

00:09:05.880 --> 00:09:08.500
Agen tersebut mulai dengan menelusuri dokumentasi untuk memahami API-nya.

00:09:08.900 --> 00:09:09.680
Lalu ia menulis kodenya.

00:09:10.100 --> 00:09:11.720
Kemudian ia menjalankan pengujian untuk memastikan tidak.

00:09:12.100 --> 00:09:13.980
Jika pengujian gagal, ia membaca kesalahannya,

00:09:14.120 --> 00:09:16.700
memperbaiki bug, dan menjalankan pengujian lagi semua dalam harness yang sama,

00:09:16.840 --> 00:09:19.120
mengulang siklus berpikir bertindak periksa sampai tugas selesai.

00:09:20.140 --> 00:09:22.300
Tanpa harness, Anda harus memasukkan setiap langkah secara manuk.

00:09:22.700 --> 00:09:24.820
Dengan harness, agen menangani seluruh alur kerja dengan sendiri.

00:09:25.400 --> 00:09:28.000
Salah satu contoh populer harness yang sedang beraksi adalah pola cloud.

00:09:28.400 --> 00:09:29.980
Microsoft telah menyediakannya di Foundry,

00:09:30.080 --> 00:09:32.400
dan itu adalah demonstrasi hebat tentang bagaimana bagian ini bersatu.

00:09:33.180 --> 00:09:34.440
Agen bergaya cloud dan hermas.

00:09:35.040 --> 00:09:36.380
Mari kita bicara tentang agen bergaya cloud.

00:09:36.380 --> 00:09:39.300
Nama itu berasal dari proyek sumber terbuka seperti open cloud.

00:09:39.700 --> 00:09:41.940
Agen-agen ini tinggal di mesin Anda, menunggu instruksi,

00:09:42.260 --> 00:09:44.060
lalu menjalankan tugas-tugas panjang dengan sendirinya.

00:09:44.480 --> 00:09:46.300
Mereka selalu ada siap membantu saat Anda membutuhkannya.

00:09:46.860 --> 00:09:49.400
Anggaplah mereka sebagai asisten pribadi yang tidak pernah libur.

00:09:50.120 --> 00:09:51.380
Versi Microsoft disebut Hermes.

00:09:51.960 --> 00:09:54.180
Ini berjalan di dalam sandbox Eigen and Hosting Foundry,

00:09:54.360 --> 00:09:56.320
dan dilengkapi dengan beberapa kemampuan yang mengesankan.

00:09:56.640 --> 00:09:59.760
Hermes memiliki sistem file sendiri, memori sendiri, dan kumpulan alatnya sendiri.

00:10:00.140 --> 00:10:01.920
Ia dapat mengatur rutinitas pemeliharaannya sendiri,

00:10:02.140 --> 00:10:03.820
membersihkan file lama, dan mengatur ruang kerjanya.

00:10:03.820 --> 00:10:06.940
Dan jika ia menyadari membutuhkan keterampilan berubah yang belum diikinya,

00:10:07.060 --> 00:10:08.140
ia bisa membangunnya secara langsung.

00:10:08.220 --> 00:10:09.300
Inilah hal tentang agen cloud.

00:10:09.940 --> 00:10:12.220
Arsiteklot menyebutnya sebagai hewan peliharaan, bukan ternak.

00:10:12.620 --> 00:10:13.400
Hewan peliharaan itu unik.

00:10:13.680 --> 00:10:15.860
Anda menamai mereka, merawat mereka, dan tidak bisa menggantinya namun.

00:10:16.180 --> 00:10:16.960
Pernah bisa sayang dipertukar.

00:10:17.380 --> 00:10:19.220
Jadi jika satu mati, Anda tinggal mencari gantinya.

00:10:19.640 --> 00:10:20.960
Agen cloud sudah pasti adalah hewan peliharaan.

00:10:21.320 --> 00:10:23.560
Masih memiliki status riwayat dan perilaku yang dipelajari sendiri.

00:10:24.420 --> 00:10:25.500
Keunikan itu membuatnya canggih,

00:10:25.600 --> 00:10:27.820
namun juga menyulitkan pemulihan dan persekalaan.

00:10:28.060 --> 00:10:31.100
Jika terjadi kesalahan, Anda tidak bisa begitu saja membuang instans

00:10:31.100 --> 00:10:33.740
dan memulai dari awal karena Anda akan kehilangan semua pengetah terkumpul.

00:10:33.960 --> 00:10:36.040
Solusi dari Microsoft adalah sesuatu yang disebut rutinitas.

00:10:36.240 --> 00:10:38.960
Ini adalah tugas terjadwal yang memungkinkan agen untuk bangun,

00:10:39.060 --> 00:10:40.720
melakukan pemeliharaan, lalu kembali tidur.

00:10:41.120 --> 00:10:44.200
Alih-alih membiarkan sandbox berjalan 2 per 7 yang memakan biaya,

00:10:44.660 --> 00:10:46.900
agen akan berhenti setelah periode tidak aktif.

00:10:47.560 --> 00:10:50.400
Sistem rutinitas membangunkannya saat tiba waktunya untuk melakukan sesuatu,

00:10:50.540 --> 00:10:51.800
seperti membersihkan keterampilan lama,

00:10:51.960 --> 00:10:53.540
menjalankan cadangan, atau meliksa tugas baru.

00:10:53.860 --> 00:10:54.860
Kemudian ia kembali tidur.

00:10:54.860 --> 00:10:58.580
Hal ini menghemat biaya sekaligus menjaga agen tetap tersedia saat Anda membutuhkan.

00:10:58.780 --> 00:10:59.920
Sandbox mengisolasi setiap sesi.

00:11:00.680 --> 00:11:05.180
File, memori, dan konfigurasi agen Anda semuanya tetap berada dalam lingkungannya sendiri.

00:11:05.700 --> 00:11:08.260
Dan Harness menangani pengelolaan status tersebut di seluruh sesi,

00:11:08.420 --> 00:11:10.740
sehingga Anda tidak perlu khawatir data satu agen motor ke agen lain.

00:11:11.360 --> 00:11:13.140
Membangun Harness sendiri dari awal memang bisa dilakukan,

00:11:13.280 --> 00:11:14.820
namun sebagian besar bisnis tidak perlu melakukannya.

00:11:15.520 --> 00:11:18.340
Foundry memberi Anda platform siap pakai dengan semua kemampuan ini di dalamnya.

00:11:18.920 --> 00:11:21.180
Pertanyaan sebenarnya, apa yang ingin Anda lakukan dengan agen Anda?

00:11:21.180 --> 00:11:24.880
Penerbitan dan kolaborasi di mana Harness bertemu dengan musik.

00:11:25.200 --> 00:11:28.440
Jadi Anda telah membangun agen Anda memberinya alat, memori, orkestrasi, dan sandbox.

00:11:28.780 --> 00:11:29.900
Sekarang bagaimana orang benar-benar menggunakan?

00:11:30.320 --> 00:11:31.640
Di sinilah Foundry membuat segala yang jadinya.

00:11:32.080 --> 00:11:33.820
Setelah agen Anda dibuat dan diterapkan,

00:11:33.980 --> 00:11:37.760
Anda dapat menerbitkannya ke Microsoft 365 Copilot di Microsoft Teams dengan satu klik.

00:11:38.320 --> 00:11:40.940
Bukan 10 klik, bukan jalur penerapan tiga hari, hanya satu klik.

00:11:41.220 --> 00:11:45.680
Dan agen Anda muncul tepat di tempat orang bekerja, di email obrolan, dan dokumen mereka.

00:11:46.160 --> 00:11:47.500
Foundry mendukung dua mode penerapan.

00:11:47.500 --> 00:11:49.060
Pertama, agen pendamuk.

00:11:49.400 --> 00:11:53.060
Mereka bekerja atas nama Anda, menyusun email, menjadwalkan rapat, atau membuka dokumen.

00:11:53.400 --> 00:11:55.200
Mereka bertindak sebagai perpanjangan tangan Anda,

00:11:55.320 --> 00:11:57.500
seperti memiliki asisten yang sangat cepat yang melakukan apa yang ingat.

00:11:58.520 --> 00:11:59.520
Kedua, agen autopilot.

00:12:00.180 --> 00:12:01.180
Ini lebih baru dan lebih menarik.

00:12:01.540 --> 00:12:04.440
Mereka bertindak atas nama mereka sendiri dengan alamat email dan identitas mereka sendiri.

00:12:04.760 --> 00:12:06.160
Mereka tidak perlu Anda beri perintah setiap saat.

00:12:06.660 --> 00:12:07.360
Mereka beri inisiatif.

00:12:07.720 --> 00:12:09.400
Agen autopilot memiliki akun pengguna penuh.

00:12:09.740 --> 00:12:11.240
Anda bisa menambahkannya ke obrolan grup tim,

00:12:11.240 --> 00:12:12.600
seperti Anda menambahkan rekan kerja manusia.

00:12:12.600 --> 00:12:15.580
Mereka mengikuti percakapan dan turun tangan saat bisa membantu,

00:12:15.740 --> 00:12:16.940
melacak poin yang belum selesai,

00:12:17.080 --> 00:12:19.240
menjawab pertanyaan tentang apa yang sedang dikerjakan tim,

00:12:19.360 --> 00:12:22.340
bahkan melakukan orientasi anggota tim baru dengan mengirimkan dokumen yang tepat

00:12:22.340 --> 00:12:23.900
dan memperkenalkan mereka kepada orang yang tepat.

00:12:24.080 --> 00:12:24.820
Ini contoh konkretnya.

00:12:25.260 --> 00:12:27.200
Katakanlah Anda meliki agen manajer alur kerja,

00:12:27.560 --> 00:12:28.700
Anda menambahkannya ke obrolan grup tim.

00:12:28.960 --> 00:12:29.840
Seseorang berkata,

00:12:29.920 --> 00:12:31.640
Hei, saya butuh laporan ketika selesai di Jumat.

00:12:31.980 --> 00:12:33.620
Agen tersebut menyadari ini adalah sebuah dilakukan.

00:12:34.000 --> 00:12:34.960
Agen itu membuat tugas,

00:12:35.100 --> 00:12:36.260
menugaskannya ke orang yang tepat,

00:12:36.260 --> 00:12:38.600
dan menambahkan pengingat untuk hari Kamis guna periksa progresnya.

00:12:38.900 --> 00:12:39.880
Tidak ada yang menyuruhnya melakukan itu.

00:12:40.240 --> 00:12:42.300
Ia hanya melihat saat tim baru dikerjakan dan langsung melakukan itu.

00:12:42.820 --> 00:12:44.700
Harness menangani semua izin di balik layar.

00:12:45.220 --> 00:12:47.740
Hanya pengguna resmi yang dapat berinteraksi dengan agen di obrolan grup.

00:12:48.060 --> 00:12:50.580
Agen hanya melihat pesan yang diizinkan untuk dilihat dan mengabaikan sisanya.

00:12:50.940 --> 00:12:53.480
Agen tersebut mematuhi kontrol akses yang sama dengan anggota tim manusia Anda.

00:12:53.760 --> 00:12:55.560
Inilah mengapa rekaya seharness benar-benar membuatkan sel.

00:12:55.780 --> 00:12:58.200
Agen tersebut tidak lagi sekadar chatbot yang Anda buka di tab browser.

00:12:58.200 --> 00:12:59.760
Ia menjadi anggota tim yang produktif.

00:12:59.760 --> 00:13:03.080
Ia ada di tempat Anda bekerja mengikuti cara kerja tim Anda.

00:13:03.180 --> 00:13:06.000
Dan ia melakukan semua itu karena harness, sistem di sekitar modal tersebut,

00:13:06.260 --> 00:13:08.900
menangani identitas, izin, penerapan, dan integrasi.

00:13:09.500 --> 00:13:12.000
Tanpa harness, Anda hanya akan memiliki jendela obrolan lain untuk diperiksa.

00:13:12.360 --> 00:13:13.920
Namun alat yang hebat tentu memerlukan penggemar.

00:13:14.220 --> 00:13:16.300
Mari kita bicara tentang batasan yang membuat semua ini aman.

00:13:16.740 --> 00:13:18.620
AI yang bertanggung jawab dan tata kelami harness.

00:13:19.200 --> 00:13:19.680
Ini masalahnya.

00:13:20.100 --> 00:13:22.380
Rekai seharness bukan hanya tentang membuat agen lebih mampu.

00:13:22.380 --> 00:13:24.480
Ini tentang membuat mereka aman dan dapat dipercaya.

00:13:25.100 --> 00:13:28.860
Agen yang bisa mengirim email, mengubah file, dan bertindak di obrolan grup memang canggih.

00:13:28.860 --> 00:13:30.400
Tetapi kekuatan itu memerlukan kendali.

00:13:30.540 --> 00:13:32.660
Anggap saja seperti memberikan kunci gedung kepada karyawan.

00:13:33.080 --> 00:13:34.320
Anda ingin mereka melakukan tugasnya.

00:13:34.420 --> 00:13:36.700
Tetapi Anda juga menetapkan aturan tentang apa yang bisa mereka aksesnya.

00:13:37.340 --> 00:13:40.280
Pendekatan Microsoft dibangun di atas standar AI yang bertanggung jawab.

00:13:41.240 --> 00:13:42.460
Enam prinsip memandu segalanya.

00:13:42.720 --> 00:13:48.920
Keadilan, keandalan, dan keselamatan, privasi dan keamanan, inklusivitas, transparansi, serta akuntabilitas.

00:13:49.500 --> 00:13:51.260
Ini bukan sekadar ide bagus yang tertulis di poster.

00:13:51.320 --> 00:13:55.320
Ini adalah fondasi nyata bagi bagaimana seluruh platform dirancang dari dasar.

00:13:55.960 --> 00:13:58.260
Harness adalah tempat di mana prinsip-prinsip ini menjadi kode nyata.

00:13:58.260 --> 00:14:00.220
Batasan guardrails membatasi apa yang dapatnya.

00:14:00.540 --> 00:14:04.020
Hook siklus hidup memungkinkan Anda menerapkan kebijakan di setiap langkah eksekusi agen.

00:14:04.440 --> 00:14:08.420
Sebelum agen berjalan, setelah berjalan, sebelum memanggil alat, setelah mendapatkan hasil,

00:14:08.560 --> 00:14:10.780
dan Anda bisa menyisipkan pemeriksaan Anda sendiri di titik manapun.

00:14:11.160 --> 00:14:13.260
Ingin memblokir agen agar tidak mengakses basis data tentu?

00:14:13.760 --> 00:14:14.340
Anda bisa mahu, kan?

00:14:14.620 --> 00:14:16.700
Ingin mewajibkan perseduan manusia sebelum agen memil?

00:14:17.260 --> 00:14:17.920
Anda juga bisa mahu.

00:14:18.160 --> 00:14:19.640
Keduanya sangat mudah untuk diatur.

00:14:20.080 --> 00:14:23.300
Well-Architected from work Azure mencakup panduan khusus untuk beban kerja AI.

00:14:23.300 --> 00:14:26.440
Ini mencakup segalanya mulai dari angripsi data hingga responsinsip.

00:14:27.060 --> 00:14:31.380
Gagasannya adalah bahwa membangun sistem AI pada dasarnya tidak berbeda dengan membangun sistem perusahaan lainnya.

00:14:31.860 --> 00:14:34.240
Anda tetap menurutkan keamanan, keandalan, dan keunggulan operasi.

00:14:34.920 --> 00:14:38.880
Well-Architected framework memberikan cara terstruktur untuk memikirkan semua itu tanpa tersesat.

00:14:39.360 --> 00:14:41.020
Di luar itu ada Cloud Adoption Framework.

00:14:41.440 --> 00:14:43.500
Framework ini menyediakan proses empat tahap untuk data kalau Anda.

00:14:43.880 --> 00:14:45.080
Pertama, identifikasi risiko.

00:14:45.080 --> 00:14:47.400
Kedua, ukur dampaknya.

00:14:47.680 --> 00:14:48.460
Berapa bulu dampaknya, net?

00:14:48.700 --> 00:14:50.040
Ketiga, mitigasi dengan kontrol.

00:14:50.340 --> 00:14:51.640
Apa yang bisa diterapkan untuk mencegahnya?

00:14:52.000 --> 00:14:53.120
Keempat, operasikan pemontauan.

00:14:53.640 --> 00:14:55.080
Bagaimana cara mendeteksi masalah itu terjadi?

00:14:55.440 --> 00:14:59.640
Ini adalah pendekatan praktis langkah demi langkah yang mengubah kekhawatiran abstrak menjadi tindakan nyata.

00:15:00.280 --> 00:15:02.780
Untuk agent harness secara khusus, ini berarti beberapa hal utama.

00:15:03.280 --> 00:15:05.940
Batas langkah maksimum agar agen tidak berjalan selamanya.

00:15:06.440 --> 00:15:08.840
Pembatasan alat agar hanya dapat mengakses apa yang seharusnya.

00:15:09.140 --> 00:15:11.080
Gerbang persetujuan manusia untuk tindakan berisikotik.

00:15:11.080 --> 00:15:13.640
Jejak audit agar setiap keputusan tercatat dan dapat ditinjau.

00:15:13.640 --> 00:15:17.280
Filter keamanan konten yang menangkap output bermasalah sebelum dilihat siapapun.

00:15:17.780 --> 00:15:20.280
Setiap bagian bekerja bersama untuk menjaga agen Anda tetap dalam kena.

00:15:20.600 --> 00:15:23.880
Microsoft menyediakan keamanan konten bawaan dan evaluator di dalam foundry.

00:15:24.300 --> 00:15:26.920
Anda dapat menguji agen Anda terhadap serangka yang kriteria sebelum menerapkan.

00:15:27.300 --> 00:15:28.100
Apakah ia tetap bertopik?

00:15:28.440 --> 00:15:29.980
Apakah ia menangani data sensitif dengan menurut?

00:15:30.260 --> 00:15:32.200
Apakah ia menolak permintaan yang tidak seharusnya dipenuhi?

00:15:32.480 --> 00:15:37.200
Anda dapat menjalankan evaluasi ini secara otomatis dan mendapatkan skor sebelum memublikasikan agen kepada tim Anda.

00:15:37.420 --> 00:15:40.500
Dengan begitu, Anda menangani masalah lebih awal bukan setelah terjadi kesalahan.

00:15:40.500 --> 00:15:44.640
Ini adalah gambaran lengkap dari prom sederhana hingga agen otonom yang aman dan siap produksi.

00:15:45.300 --> 00:15:51.380
Model melakukan pemikiran, harness melakukan sisanya, koordinasi batasan tata kelola, semua yang membuatnya terpercaya.

00:15:52.100 --> 00:15:53.640
Jadi mari kita rangkum transformasinya.

00:15:54.120 --> 00:15:55.240
Kita mulai dengan one-shot prompting.

00:15:55.680 --> 00:15:56.660
Tulis prom dapatkan jawaban.

00:15:57.660 --> 00:15:58.680
Berhasil untuk tugas-tugas sudah.

00:15:58.680 --> 00:16:00.340
Lalu kita beralih ke rekayasa konteks.

00:16:00.800 --> 00:16:03.640
Kelola apa yang dilihat model, membuat informasi yang tepat pada waktu yang tepat.

00:16:04.040 --> 00:16:05.540
Itu berhasil untuk tugas yang lebih komplek.

00:16:05.940 --> 00:16:07.700
Dan sekarang kita telah tiba di rekayasa harness penuh.

00:16:08.320 --> 00:16:12.240
Bangun sistem lengkap di sekitar model dengan memori, alat koordinasi batasan, dan tata kelola.

00:16:12.800 --> 00:16:13.440
Ini adalah poin pentingnya.

00:16:14.040 --> 00:16:15.780
Agen hanya seandal sistem yang melingkupinya.

00:16:16.640 --> 00:16:19.660
Model memang penting, tetapi harness adalah penentu keberhasilan produksi.

00:16:20.160 --> 00:16:21.840
Anda bisa memiliki model terbaik di dunia.

00:16:22.040 --> 00:16:24.440
Namun tanpa harness yang baik, ia akan gagal dalam tugas nyata.

00:16:24.440 --> 00:16:27.540
Dan Anda bisa memiliki model yang layak dengan harness yang sangat baik.

00:16:27.660 --> 00:16:30.860
Dan ia akan melampaui ekspektasi setiap saatnya tantangan untuk Anda.

00:16:31.540 --> 00:16:33.920
Dalam proyek AI Anda berikutnya, berpikirlah melampaui prompt.

00:16:34.560 --> 00:16:36.180
Jangan tanya apa yang harus saya katakan pada model.

00:16:36.340 --> 00:16:38.100
Tanyakan sistem apa yang perlu saya bangun di sekelilingnya.

00:16:38.840 --> 00:16:41.340
Perubahan pola pikir itulah yang membedakan demo dari sistem produksi.

00:16:41.900 --> 00:16:44.980
Di episode berikutnya, kita akan membahas lebih dalam salah satu komponen pendukung, yaitu memori.

00:16:45.240 --> 00:16:48.320
Bagaimana agen belajar seiring waktu, bagaimana mereka mengingat apa yang telah dilakukan,

00:16:48.700 --> 00:16:50.620
dan bagaimana hal itu mengubah apa yang bisa mereka capai.

00:16:50.700 --> 00:16:51.820
Berlangganan-langganan Anda tidak ketinggalan.
