AI Tools Roadmap

AI Tools Roadmap adalah urutan belajar untuk memahami dan memakai tool AI secara bertahap.

Tujuan roadmap ini:

memberi urutan belajar yang jelas
menghubungkan semua materi AI Tools
membantu pemula mulai dari konsep dasar
memberi jalur praktik sampai automation
menjaga pembelajaran tetap aman, hemat biaya, dan terstruktur

Gambaran Besar

Urutan belajar:

Fondasi
  -> AI Gateway
  -> Coding Agent
  -> Agent Automation
  -> Security
  -> Cost Control
  -> Local Model
  -> Advanced Workflow

Target akhirnya:

Developer bisa memakai Codex/OpenCode/OpenClaw
  -> routing model lewat 9Router
  -> automation aman
  -> biaya terkendali
  -> local model sebagai opsi tambahan

Level 1: Fondasi AI Stack

Tujuan:

memahami peta besar tool AI
tahu peran agent, gateway, provider, dan automation
tahu kenapa butuh struktur sebelum praktik

Materi:

Yang harus dipahami:

apa itu AI stack
apa itu AI gateway
bedanya agent dan model
posisi 9Router
kapan pakai cloud model vs local model

Praktik:

1. Baca NalTech AI Stack.
2. Gambar ulang arsitektur sederhana:
   Codex/OpenCode/OpenClaw -> 9Router -> Provider AI
3. Buka dashboard 9Router.
4. Lihat menu Providers, Combos, Usage, dan Quota.

Checklist:

Bisa menjelaskan fungsi 9Router.
Bisa menjelaskan fungsi OpenClaw.
Bisa menjelaskan fungsi OpenCode.
Bisa menjelaskan kenapa perlu AI gateway.
Bisa membaca alur request dari agent ke provider.

Level 2: Coding Agent

Tujuan:

memakai AI untuk coding dengan kontrol yang aman
memahami plan mode dan build mode
membuat prompt coding yang jelas
menghindari perubahan file yang terlalu luas

Materi:

Yang harus dipahami:

coding agent berbeda dari chatbot
agent bisa membaca dan mengubah file
prompt harus punya scope dan output format
perubahan besar harus dimulai dengan plan
review diff tetap wajib

Praktik:

1. Jalankan OpenCode di project kecil.
2. Jalankan /init untuk membuat AGENTS.md.
3. Minta OpenCode menjelaskan struktur project.
4. Minta rencana fitur kecil tanpa edit file.
5. Review rencana.
6. Izinkan implementasi kecil.
7. Jalankan test/build.
8. Review git diff.

Prompt latihan:

Baca project ini dan jelaskan struktur folder, command development, dan file konfigurasi penting.
Jangan edit file.
Jawab maksimal 20 bullet.

Checklist:

Bisa menjalankan coding agent.
Bisa membuat prompt plan mode.
Bisa membatasi scope file.
Bisa meminta agent menjalankan test.
Bisa review diff sebelum commit.

Level 3: Personal Agent dan Workflow

Tujuan:

memahami OpenClaw sebagai agent yang lebih luas dari coding
memakai agent untuk file, laporan, research, dan workflow personal
membedakan agent lokal dan agent VPS

Materi:

Yang harus dipahami:

OpenClaw bisa memakai tool
agent lokal lebih aman untuk belajar
agent VPS cocok untuk automation 24/7
permission matrix penting
data eksternal bukan instruksi

Praktik:

1. Jalankan OpenClaw lokal.
2. Hubungkan ke model atau 9Router.
3. Beri akses ke folder project dummy.
4. Minta OpenClaw membuat ringkasan project.
5. Minta OpenClaw membuat draft dokumentasi.
6. Jangan aktifkan akses luas dulu.

Checklist:

Bisa menjelaskan beda OpenClaw dan OpenCode.
Bisa menentukan kapan OpenClaw lokal atau VPS.
Bisa membuat permission policy sederhana.
Bisa membuat prompt automation aman.
Bisa membatasi akses folder.

Level 4: AI Automation

Tujuan:

membuat automation AI yang aman
memahami trigger, runner, model, output, dan log
mulai dari workflow read-only
menghubungkan automation ke 9Router

Materi:

Yang harus dipahami:

automation harus punya trigger jelas
data yang dibaca harus dibatasi
output harus diaudit
aksi berisiko butuh approval
log dan monitoring wajib ada

Praktik mini project:

Daily VPS Status Report

Langkah:

1. Buat folder /opt/ai-automation.
2. Buat script daily-vps-report.
3. Ambil data uptime, disk, memory, docker, dan log terbatas.
4. Kirim ke 9Router.
5. Simpan report ke Markdown.
6. Kirim ke Telegram/Discord.
7. Jadwalkan dengan cron.
8. Pantau usage di 9Router.

Checklist:

Bisa membuat trigger cron.
Bisa membatasi data log.
Bisa kirim request ke 9Router.
Bisa menyimpan report.
Bisa mengirim output ke Telegram/Discord.
Bisa membaca log automation.

Level 5: Security dan Governance

Tujuan:

memahami risiko agent
membuat permission matrix
mencegah prompt injection dan data leakage
membuat approval workflow

Materi:

Yang harus dipahami:

prompt injection
tool injection
secret leakage
command injection
data eksternal bukan instruksi
Allow / Ask / Deny
incident response

Praktik:

1. Buat permission matrix untuk agent lokal.
2. Buat permission matrix untuk agent VPS.
3. Tambahkan security policy ke AGENTS.md.
4. Tambahkan tool policy ke TOOLS.md.
5. Buat runbook incident response sederhana.

Checklist:

Bisa menjelaskan prompt injection.
Bisa menjelaskan data exfiltration.
Bisa membuat policy Allow/Ask/Deny.
Bisa menentukan aksi yang wajib approval.
Bisa membuat checklist sebelum production.

Level 6: Cost Control

Tujuan:

memahami token dan biaya
memilih model sesuai task
membuat routing rule
audit request mahal
mengurangi pemborosan token

Materi:

Yang harus dipahami:

input token
output token
context window
model ringan vs model kuat
summarization strategy
caching context
audit request di 9Router

Praktik:

1. Buka dashboard Usage di 9Router.
2. Cari request paling besar.
3. Catat model yang paling sering dipakai.
4. Buat rule: task ringan -> model murah.
5. Buat prompt hemat token.
6. Buat laporan penggunaan mingguan.

Checklist:

Bisa membaca usage token di 9Router.
Bisa membedakan input/output token.
Bisa memilih model sesuai task.
Bisa membuat prompt hemat token.
Bisa mengaudit request mahal.

Level 7: Local AI Model

Tujuan:

menjalankan model lokal
memahami kapan local model cocok
menghubungkan local model ke 9Router
memakai local model untuk task ringan

Materi:

Yang harus dipahami:

Ollama
LM Studio
llama.cpp
Open WebUI
OpenAI-compatible endpoint
hardware requirement
local vs cloud trade-off

Praktik:

1. Install Ollama.
2. Pull model kecil.
3. Test chat lokal.
4. Test endpoint /v1.
5. Hubungkan ke 9Router.
6. Pakai local model untuk ringkasan sederhana.
7. Buat fallback ke cloud model.

Checklist:

Bisa menjalankan model lokal.
Bisa test endpoint OpenAI-compatible.
Bisa menjelaskan kebutuhan RAM/VRAM.
Bisa menentukan task yang cocok untuk local model.
Bisa menghubungkan local model ke gateway.

Level 8: Advanced Workflow

Tujuan:

menggabungkan agent, gateway, automation, dan local model
membuat workflow tim
mulai memikirkan observability dan evaluation

Materi:

Contoh advanced workflow:

GitHub issue dibuat
  -> OpenClaw membaca issue
  -> 9Router memilih model
  -> AI membuat triage
  -> hasil dikirim ke Discord
  -> developer review

Contoh lain:

Cron mingguan
  -> ambil usage 9Router
  -> AI membuat cost report
  -> rekomendasi routing model
  -> kirim ke channel tim

Checklist:

Bisa membuat workflow multi-step.
Bisa memilih trigger yang tepat.
Bisa menentukan approval point.
Bisa menghubungkan output ke channel tim.
Bisa memantau biaya dan log.

Mini Project Roadmap

Mini Project 1: Project Documentation Assistant

Goal:

Agent membaca project kecil dan membuat draft dokumentasi setup.

Materi pendukung:

OpenCode
Prompt Engineering
AI Agent Security

Output:

docs/setup-development.md

Mini Project 2: Daily VPS Status Report

Goal:

Automation membuat laporan status VPS harian.

Materi pendukung:

AI Automation
Cost Control AI
9Router Proxy

Output:

reports/server-report-YYYY-MM-DD.md
Telegram/Discord message

Mini Project 3: AI Cost Weekly Report

Goal:

AI membuat laporan penggunaan token mingguan dari 9Router.

Materi pendukung:

Cost Control AI
9Router Proxy
Prompt Engineering

Output:

AI Usage Weekly Report

Mini Project 4: Local Model Experiment

Goal:

Menjalankan Ollama dan menghubungkannya ke 9Router.

Materi pendukung:

Local AI Model Stack
AI Gateway Comparison
Cost Control AI

Output:

Local model bisa dipakai untuk task ringkasan ringan.

Mini Project 5: Agent Security Policy

Goal:

Membuat AGENTS.md dan TOOLS.md untuk workflow agent aman.

Materi pendukung:

AI Agent Security
Prompt Engineering untuk Agent
OpenClaw

Output:

AGENTS.md
TOOLS.md
Permission Matrix

Rekomendasi Urutan Baca

Untuk pemula:

1. NalTech AI Stack
2. 9Router Proxy
3. OpenCode
4. Prompt Engineering untuk Agent
5. AI Agent Security
6. AI Automation
7. Cost Control AI
8. Local AI Model Stack
9. AI Gateway Comparison
10. OpenClaw

Untuk fokus automation:

1. NalTech AI Stack
2. OpenClaw
3. AI Automation
4. Prompt Engineering untuk Agent
5. AI Agent Security
6. Cost Control AI
7. 9Router Proxy

Untuk fokus coding:

1. OpenCode
2. Prompt Engineering untuk Agent
3. AI Agent Security
4. 9Router Proxy
5. Cost Control AI
6. Local AI Model Stack

Untuk fokus infrastructure:

1. 9Router Proxy
2. AI Gateway Comparison
3. Cost Control AI
4. AI Agent Security
5. AI Automation
6. Local AI Model Stack

Checklist Kompetensi Akhir

Setelah menyelesaikan roadmap ini, targetnya kamu bisa:

Kesimpulan

Roadmap ini dibuat agar belajar AI Tools tidak lompat-lompat.

Urutan terbaik:

Pahami stack
  -> pakai gateway
  -> pakai coding agent
  -> belajar prompt
  -> amankan agent
  -> buat automation
  -> kontrol biaya
  -> tambah local model

Dengan urutan ini, AI Tools bisa dipelajari sebagai sistem kerja yang utuh: bukan hanya chat, tetapi coding, automation, monitoring, security, dan cost control.