0/8 siap
Training · Bro Zaid Todak ← Semua subjek

Automasi & Agent · Bab 3 · 8 Modul · Bacaan ~30 minit

5 Lapisan AI Engineering

Kau dah kenal agent (Bab 1) dan dah bina chatbot (Bab 2). Bab ni bagi kau PETA BESAR: lima lapisan yang menentukan sama ada AI kau sekadar mainan, atau sistem yang boleh diharap jaga kedai. Berita baik: kau tak perlu semua lima serentak. Berita lagi baik: lepas bab ni, kau boleh diagnosis sendiri "AI aku lemah kat lapisan mana".

Isi Kandungan
  1. Peta 5 lapisan: satu kedai, lima sistem
  2. Lapisan 1 — Prompt: skrip jurujual
  3. Lapisan 2 — Context: katalog di tangan dia
  4. Lapisan 3 — Harness: SOP dan kunci laci
  5. Lapisan 4 — Loop: review mingguan
  6. Lapisan 5 — Graph: carta organisasi
  7. Diagnosis: lapisan mana paling lemah?
  8. Tangga bina + kesilapan biasa

Modul 1 — Peta 5 lapisan

Bukan 5 bahagian berasingan. 5 lapisan bersarang dalam SATU sistem.

Bila orang cakap "AI engineering", sebenarnya ada lima kerja berbeza yang selalu dicampur-adukkan. Cara paling senang faham: bayangkan kau upah seorang jurujual baru untuk kedai kau. Lima soalan menentukan sama ada dia menyusahkan atau menyelamatkan kau:

✓ Klik setiap lapisan untuk kenal dia

Perhatikan urutannya: dari bawah ke atas. Lapisan atas TAK BERGUNA kalau lapisan bawah longgar. Graph yang hebat dengan prompt yang teruk = lima jurujual yang semuanya mengarut, serentak.

Modul 2 — Lapisan 1: Prompt engineering

Ayat arahan kepada AI. Skrip yang kau bagi jurujual hafal.

Ini lapisan yang kau dah belajar penuh dalam subjek Prompting: formula 4K, spesifik kalahkan kabur, few-shot, persona. Dalam sistem AI, prompt menentukan GAYA dan BENTUK output: bahasa apa, panjang mana, format apa, apa yang haram disebut.

✗ Prompt longgar
"Tulis caption untuk produk kedai aku." Hasil: ayat iklan generik yang bunyi macam semua kedai lain di dunia.
✓ Prompt berlapik peraturan
"Tulis caption BM santai bawah 20 patah. HARAM guna: 'kualiti terjamin', 'jangan lepaskan peluang', ayat berlakon iklan. Sebut harga tepat dari senarai. Tulis macam orang bercakap."
Tanda lapisan ni lemahOutput AI kau berbunyi "AI sangat": ayat skema, berlebih-lebih, semua nada sama. Ubatnya bukan tukar tool. Ubatnya tulis peraturan gaya yang jelas, termasuk senarai frasa HARAM.

Modul 3 — Lapisan 2: Context engineering

Data apa yang kau suap bersama arahan. Katalog dan harga di tangan jurujual.

Ini lapisan yang paling kerap diabaikan, padahal dia yang paling kuat kesannya. AI yang sama, prompt yang sama, tapi context berbeza, akan bagi hasil langit dan bumi. Sebab AI tak tahu kedai kau. Dia cuma tahu apa yang kau LETAK depan mata dia.

✗ Tanpa context
"Cadangkan 3 produk untuk pelanggan baru." AI reka produk yang kau tak jual, dengan harga yang dia agak sendiri, dengan penuh yakin.
✓ Dengan context sebenar
"Ini senarai 20 produk paling laku bulan ni dengan harga dan stok semasa: [senarai]. Cadangkan 3 dari senarai ini SAHAJA." AI sebut barang betul, harga betul.

Kerja context engineering ialah kerja menyusun data: senarai produk terkini, polisi kedai, soalan lazim pelanggan, jadual staf. Dokumen ilmu chatbot dalam Bab 2? Itu context engineering. Prinsipnya satu: fakta datang dari data kau, bukan dari ingatan AI.

Tanda lapisan ni lemahAI kau mereka fakta: harga salah, produk tak wujud, polisi yang kau tak pernah buat. Jangan marah AI. Tanya diri: aku bagi dia data ke, atau aku suruh dia teka?

Modul 4 — Lapisan 3: Harness engineering

Sangkar keselamatan di sekeliling AI. SOP kedai dan kunci laci duit.

Harness ialah semua benda yang jalan SEBELUM dan SELEPAS AI bercakap, yang AI sendiri tak boleh langgar. Jurujual boleh pandai mana pun, laci duit tetap berkunci dan diskaun tetap kena approve. Bukan sebab kau tak percaya dia. Sebab sistem yang selamat tak bergantung pada mood sesiapa.

✓ Contoh pagar harness (untuk apa-apa AI yang jalan sendiri)
SEMAK OUTPUTSistem semak jawapan AI sebelum guna: ada frasa haram? Sebut produk yang tak wujud? Kalau ya, TOLAK terus, jangan cuba baiki. Esok dia jana yang baru.
HAD & BRENGHad bilangan (maksimum 300 email satu run), had kekerapan (sekali seminggu), dan "banjir-guard": kalau kerja lama belum siap, jangan timbun kerja baru.
MANUSIA LEPASAI sedia, manusia tekan butang. Apa-apa yang keluar ke dunia (email ke pelanggan, post, bayaran) WAJIB lalu tangan manusia dengan pengesahan.
LOG SEMUASetiap run direkod: bila jalan, apa hasil, apa gagal. Tanpa log, "AI aku jalan ke tak malam tadi?" ialah soalan tanpa jawapan.

Harness ialah sebab kau berani biar AI jalan waktu kau tidur. Bukan sebab AI tu sempurna, tapi sebab kau tahu apa yang dia TAK MUNGKIN boleh buat.

Tanda lapisan ni lemahKau takut nak biar AI jalan sendiri, atau lagi teruk: kau biar dia jalan sendiri TANPA rasa takut, padahal tiada satu pagar pun. Dua-dua tanda harness belum wujud.

Modul 5 — Lapisan 4: Loop engineering

Gelung belajar dari hasil. Review jualan mingguan kedai.

Tanpa loop, AI kau kekal sama pandai selama-lamanya: hari pertama sama macam hari ke-100. Loop ialah sistem yang UKUR hasil kerja AI, buang apa yang tak menjadi, dan bagi apa yang menjadi lebih banyak peluang.

✓ Contoh loop: bank hook video kedai
JANAAI cadang skrip video guna simpanan 20 gaya pembuka ("hook") secara bergilir.
UKURTiap minggu, sistem rekod views dan jualan setiap video, dan padankan dengan hook yang digunakan.
BUANGHook yang dah dicuba 3 kali dan prestasi jauh bawah purata: bersara. AI tak guna dia lagi.
ULANGMinggu depan, AI jana dari bank yang dah ditapis. Sistem jadi lebih pandai SETIAP minggu tanpa sesiapa mengajar dia.

Perhatikan: manusia pun sebahagian dari loop. Butang "Lulus", pengesahan dua kali, maklum balas bos, semua tu isyarat yang mengajar sistem. Loop tak semestinya canggih. Review 15 minit tiap Isnin sambil tengok nombor pun dah dikira loop.

Tanda lapisan ni lemahAI kau produktif tapi kau tak tahu output mana yang MENJADI. Banyak kerja keluar, sifar pembelajaran masuk. Soalan diagnosis: "apa yang sistem aku belajar minggu lepas?" Kalau jawapan kosong, loop tiada.

Modul 6 — Lapisan 5: Graph engineering

Beberapa AI bersambung jadi satu team. Carta organisasi kedai.

Bila kau dah ada beberapa AI yang masing-masing buat satu kerja (satu tulis konten, satu jaga email pelanggan, satu pantau pesaing), soalan seterusnya: macam mana dorang BERHUBUNG? Itu graph engineering: siapa bagi apa kepada siapa, dalam urutan apa.

✗ 5 AI berasingan
Setiap AI kerja dalam dunia sendiri. Pengukur jumpa "video gaya X memang laku" tapi penulis konten tak pernah tahu, sebab dorang tak pernah berbual. Ilmu mati di tempat dia dijumpai.
✓ 5 AI dalam satu graph
Output sorang jadi input sorang lagi: pengukur ajar penulis konten, pemantau pesaing bagi konteks kepada perancang promosi. Semua baca sumber data sama, tulis ke satu "meja kerja" sama.

Graph tak semestinya bermaksud sistem canggih dengan "pengarah" di tengah. Versi paling praktikal untuk kedai: semua AI kongsi satu pangkalan data dan satu senarai tugasan. Sambungan berlaku melalui data yang dikongsi, bukan melalui wayar ajaib.

Amaran pentingGraph ialah lapisan TERAKHIR dibina, bukan pertama. Ramai orang teruja nak "army of agents" padahal satu agent pun belum ada pagar dan belum ada loop. Lima jurujual tanpa SOP = lima kali ganda masalah.

Modul 7 — Diagnosis: lapisan mana paling lemah?

Soalan yang betul bukan "aku ada semua lapisan ke". Soalan yang betul: "mana satu bocor".

Setiap sistem AI ada kelima-lima lapisan ni serentak, cuma dalam kadar berbeza. Bila hasil mengecewakan, jangan terus tukar tool atau tukar model. Diagnosis dulu guna jadual ni, dari atas ke bawah:

SimptomLapisan bocorUbat pertama
Output bunyi "AI sangat", skema, semua samaPromptPeraturan gaya + senarai frasa haram
AI reka fakta: harga salah, produk tak wujudContextSuap data sebenar, larang jawab luar data
Tak berani biar AI jalan sendiri (atau berani tanpa sebab)HarnessSemak output + had + titik manusia-lepas + log
Produktif tapi tak tahu apa yang menjadiLoopUkur satu nombor, buang yang lesu tiap minggu
Ilmu mati di satu tempat, AI lain tak dapat manfaatGraphSatu pangkalan data + satu senarai tugasan dikongsi
✓ Cuba dengan situasi kau
Isi slot ni dengan sistem AI kau sendiri (chatbot, penulis caption, apa-apa):

"Sistem AI aku: [NAMA KERJA DIA].
Simptom paling mengecewakan sekarang: [APA YANG SELALU TAK KENA].
Ikut jadual atas, lapisan bocor: [LAPISAN].
Ubat pertama yang aku boleh buat minggu ni: [SATU TINDAKAN KECIL]."

Modul 8 — Tangga bina + kesilapan biasa

Urutan yang selamat: dari lantai naik ke atas, satu anak tangga setiap kali.

✓ Tangga 5 anak
TANGGA 1Prompt kemas dengan peraturan gaya. Sehari kerja. Kau dah buat kalau habis subjek Prompting.
TANGGA 2Suap data sebenar. Kumpul dokumen ilmu / senarai harga, larang AI jawab luar data. Seminggu kerja.
TANGGA 3Pasang pagar SEBELUM bagi AI kunci kedai: semak output, had, manusia-lepas, log. Ini syarat wajib sebelum apa-apa jalan sendiri.
TANGGA 4Tutup loop: ukur, buang yang lesu, ulang. Mulakan dengan review manual 15 minit seminggu pun jadi.
TANGGA 5Baru sambungkan beberapa AI jadi team, melalui data yang dikongsi. Bila loop dah matang dan ada bahan untuk dialirkan.

3 kesilapan paling kerap:

1. Lompat ke graph sebelum ada harness. "Army of agents" tanpa pagar = masalah berganda pada kelajuan mesin. 2. Salahkan model padahal context kosong. Tukar AI mahal mana pun tak membantu kalau kau tak pernah bagi dia senarai harga. 3. Tiada log. Sistem yang tak boleh dijawab "dia jalan ke tak semalam?" bukan sistem, itu tuah.

Rumusan — satu kedai, lima sistem

PromptSkrip jurujual: gaya, bentuk, frasa haram.
ContextKatalog di tangan: fakta dari data kau, bukan ingatan AI.
HarnessSOP + kunci laci: semak, had, manusia-lepas, log.
LoopReview mingguan: ukur, buang yang lesu, ulang.
GraphCarta organisasi: sambung melalui data dikongsi.
UrutanBawah ke atas. Graph paling akhir, bukan pertama.
DiagnosisTanya "lapisan mana bocor", bukan "tool apa nak beli".
BersarangSemua lapisan wujud serentak dalam setiap sistem.