Lompat ke konten utama
←

Membangun Aplikasi LLM dengan Python

Pelajaran 3 dari 19

Memanggil model dari kode

Misi: asisten Toko Batik Sekar

Setelah pelajaran ini kamu bisa menggabungkan riwayat percakapan, alasan berhenti, hitungan token, dan biaya dalam satu asisten toko daring.

±17 menitDiperiksa 23 Okt 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

Toko Batik Sekar di Pekalongan memasang asisten obrolan di toko daringnya. Pemiliknya, Bu Laras, ingin tiga hal sebelum asisten itu dibuka untuk pelanggan: percakapan yang mengingat jawaban sebelumnya, perkiraan biaya bulanan, dan riwayat yang tidak tumbuh tanpa batas. Harga contoh yang dipakai tim: Rp15.000 per sejuta token masukan dan Rp75.000 per sejuta token keluaran. Model tiruan menghitung satu kata sebagai satu token.

Memangkas riwayat dengan membuang pesan paling lama adalah cara sederhana menjaga konteks tetap muat; halaman Context windows Anthropic mencatat antarmuka obrolan bisa mengelola konteks secara bergulir, pertama masuk pertama keluar.

Latihan

0/4 lulus

Misi akhir modul: luluskan minimal 4 dari 4 tugas. Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 2 dari 4

Bu Laras memperkirakan 400 percakapan per hari selama 30 hari. Rata-rata satu percakapan (semua gilirannya) memakai 3.000 token masukan dan 500 token keluaran. Dengan harga contoh misi ini, berapa perkiraan biaya sebulan dalam Rupiah?

Latihan 3 dari 4

Pelanggan meminta daftar lengkap motif batik. Respons model berhenti di tengah kalimat dan stop_reason-nya "max_tokens". Langkah apa yang sesuai dengan halaman Stop reasons Anthropic?

Pilih satu jawaban

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Luluskan semua latihan dulu untuk menandai pelajaran ini selesai.

Lanjutkan ke

Tampilkan 3 lagi