<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>LLM on Nalar Digital</title><link>https://nalardigital.github.io/tags/llm/</link><description>Recent content in LLM on Nalar Digital</description><generator>Hugo</generator><language>id-ID</language><lastBuildDate>Sun, 13 Sep 2026 02:00:00 +0700</lastBuildDate><atom:link href="https://nalardigital.github.io/tags/llm/index.xml" rel="self" type="application/rss+xml"/><item><title>Prompt Engineering Tingkat Lanjut: Teknik yang Jarang Dibahas</title><link>https://nalardigital.github.io/posts/prompt-engineering-tingkat-lanjut/</link><pubDate>Sun, 13 Sep 2026 02:00:00 +0700</pubDate><guid>https://nalardigital.github.io/posts/prompt-engineering-tingkat-lanjut/</guid><description>Melampaui tips dasar seperti &amp;lsquo;jadilah spesifik&amp;rsquo; — teknik prompt engineering yang benar-benar berdampak pada konsistensi dan keandalan output LLM dalam aplikasi produksi.</description></item><item><title>Evaluasi Kualitas Output LLM: Metrik yang Sering Diabaikan</title><link>https://nalardigital.github.io/posts/evaluasi-kualitas-output-llm/</link><pubDate>Sat, 12 Sep 2026 16:00:00 +0700</pubDate><guid>https://nalardigital.github.io/posts/evaluasi-kualitas-output-llm/</guid><description>Rasa &amp;lsquo;kelihatannya bagus&amp;rsquo; bukan metode evaluasi. Metrik dan metodologi praktis untuk mengukur kualitas output LLM secara sistematis sebelum dan sesudah masuk produksi.</description></item><item><title>Cara Menghubungkan AI Agent ke API Internal Perusahaan</title><link>https://nalardigital.github.io/posts/menghubungkan-ai-agent-api-internal/</link><pubDate>Sat, 12 Sep 2026 15:00:00 +0700</pubDate><guid>https://nalardigital.github.io/posts/menghubungkan-ai-agent-api-internal/</guid><description>Pola arsitektur untuk menghubungkan LLM dengan sistem internal perusahaan lewat function calling/tool use — beserta pertimbangan keamanan yang wajib ada sebelum masuk produksi.</description></item><item><title>API AI Berbayar vs Model Open-Source: Kerangka Keputusan Biaya dan Kontrol</title><link>https://nalardigital.github.io/posts/api-berbayar-vs-model-open-source/</link><pubDate>Sat, 12 Sep 2026 14:00:00 +0700</pubDate><guid>https://nalardigital.github.io/posts/api-berbayar-vs-model-open-source/</guid><description>Bukan soal mana yang &amp;rsquo;lebih baik&amp;rsquo; secara mutlak — kerangka praktis untuk memutuskan kapan API proprietary masuk akal, dan kapan self-hosting model open-source justru lebih murah dan lebih aman.</description></item><item><title>Panduan Praktis Membangun Aplikasi RAG dari Nol</title><link>https://nalardigital.github.io/posts/panduan-membangun-rag-langchain/</link><pubDate>Thu, 10 Sep 2026 08:00:00 +0700</pubDate><guid>https://nalardigital.github.io/posts/panduan-membangun-rag-langchain/</guid><description>Panduan pilar untuk memahami arsitektur Retrieval-Augmented Generation (RAG), komponen intinya, dan langkah implementasi dasar — fondasi sebelum masuk ke teknik optimasi lanjutan.</description></item></channel></rss>