deby

sebenernya minat baca buku di Indonesia menurut ku tinggi banget tapi banyak yang akhirnya gak lanjut hobi ini karena buku di sini emang mahal bgt💔 bayangin aja buku import itu harganya bisa setengah juta dimana buat kita itu bisa buat makan 1-2 minggu ((sedih bgt))

PostgreSQL versus MySQL Built using the C language, PostgreSQL uses a process-based architecture. You can think of it like a factory with a manager (Postmaster) coordinating specialized workers. Each connection gets its own process and shares a common memory pool. Background workers handle tasks like writing data, vacuuming, and logging independently. MySQL takes a thread-based approach. Imagine a single multi-tasking brain. It uses a layered design with one server handling multiple connections through threads. The magic happens using pluggable storage engines (such as InnoDB, MyISAM) that you can swap based on your needs. Which database do you prefer?

Gua Berusaha Sarapan Sebelum Jam 08:30 Pagi Setelah Baca Jurnal Ini Studi yang dipublikasikan dalam jurnal Nutrients memberikan perspektif baru yang menarik. Penelitian yang melibatkan lebih dari 7.600 partisipan di Amerika Serikat ini menunjukkan adanya asosiasi antara waktu asupan nutrisi pertama dengan kondisi metabolisme gula seseorang. Berdasarkan data observasional tersebut, individu yang terbiasa mengonsumsi sarapan sebelum pukul 08:30 menunjukkan kadar glukosa darah yang lebih rendah serta peningkatan sensitivitas insulin dibandingkan mereka yang menunda waktu makan. Secara fisiologis, penundaan asupan makanan (puasa berkepanjangan) dapat memicu peningkatan kadar asam lemak bebas (free fatty acids) dalam sirkulasi darah. Kondisi ini berpotensi mengganggu mekanisme persinyalan insulin pada jaringan hepatik dan otot skeletal. Selain itu, sinkronisasi antara waktu makan dengan irama sirkadian tubuh berperan krusial dalam mengoptimalkan pola sekresi insulin. Berdasarkan penelitian ini, semakin jauh kita menunda waktu sarapan, maka risiko resistensi insulin juga akan meningkat.

Biasanya kyk baca file, create file from output of some query, trs pernah jg rename random filename yg udh ke upload di storage & filename nya perlu diubah jg di DB. wah yg kyk gitu2 biasanya aku suka ngulik pakek python krn simple & manusiawi jg code nya

@fifiyuu Klo aku biasanya kumur pakai betadine kumur botol biru itu mbak. Lumayan ampuh sih di aku. Jd sikat gigi dulu, diemin 20 menit an. Baru kumur2 pakai betadine

Obat sariawan yang ampuh versi kalian apa mantemaan??? Belakangan ini sering sariawan🥲

Failure is part of success.

@cloudybookgrx @putupurema Show nya dimana mbak sin?

yeyyy dapet tiket cerita anehkuuuu makasi pak udah dibantu :"v @putupurema

Jadi pekerja remote sejak 2016, gaji juga dollar, jatah libur setahun itu hampir sebulan lebih, bisa jalan2, tapi beberapa bulan belakang selalu merasa stuck, bosan, dan kurang bersyukur, slidenya pak @sandhikagalih menyadarkan saya lagi. Terima kasih 🙏🙏

Yang sering curhat ke ChatGPT, hati-hati ya, keseringan divalidasi mesin bikin ga sadar bahwa kadang kita butuh ditampar dengan beragam fakta supaya tumbuh. Salah satu syarat untuk tumbuh adalah kemauan menerima tamparan kenyataan, lalu bergerak memperbaiki keadaan.

Klo aku tau misal bakal langsung dpt nilai jelek, pasti aku berusaha remidi dulu. Aku gatau, tiba2 aja dpt B - 😭 Hrsnya aku lebih peka sih ya, blm selesai itu artinya nilaimu kurang. Oke hrs lebih aware, krn gk semua org bisa se jujur 2 dosen killer ku itu

Pas ngumpulin, dosenku itu bilang, "wah kok belum selesai ya". Udah, gitu aj. Aku sih mending dimarahin, atau dikasih masukan next hrs gini gitu. Itu cuma gitu aja, dan ya. Itu UTS. Nilai UTS langsung muncul B- gitu 🫠

Hampir mirip ini. Dpt pelajaran dr dosen jg waktu kuliah. Dosen IT di kampusku ada 2 orang yg terkenal killer. Tp ternyata menurutku mereka nggak se killer itu. Hanya ngomong seperlunya tp langsung ngena ke mahasiswa.

Ternyata proses chunk kalimat di to_tsvector() itu kyk gini. Makin menarik klo udah tau prosesnya #debyngulikthisnight

I finally understand the difference between LLMs, RAG, and AI Agents. After two years of building production AI systems, I realized most people are treating them like competing tools when they’re actually three layers of the same intelligence stack. 1. The LLM is the brain. It’s the reasoning engine. It understands language, writes, explains, and synthesizes ideas better than any system before it. But it’s frozen in time. GPT-4, for example, knows nothing past its last training update. Ask it about yesterday’s events and it’ll confidently make something up. LLMs can think, but they’re disconnected from the present. 2. RAG is the memory. It’s what connects that frozen brain to live knowledge. Instead of retraining the model, RAG retrieves fresh information from your company’s data, APIs, or the web and feeds it to the LLM as context. Now the model reasons over real, up-to-date facts rather than outdated patterns. The best part? You can trace exactly which documents shaped each answer. It’s the difference between guessing and knowing. 3. AI Agents are the decision-makers. They wrap a control loop around the system. The agent perceives goals, plans actions, executes tasks, and reflects on the outcome. It’s not just answering a question—it’s doing the work. Think of an AI that researches, drafts a report, sends an email, and iterates on feedback, all autonomously. That’s what an agent does. Most “AI” demos stop at the LLM stage. Real production systems combine all three: the LLM for reasoning, RAG for accuracy, and the Agent for autonomy. Use LLMs for pure thinking tasks writing, summarizing, explaining. Add RAG when precision and truth matter like referencing internal documents or specialized data. Deploy Agents when you need end-to-end action systems that decide and operate without manual input. The future of AI isn’t one layer beating the others. It’s about architecting all three together. LLMs think. RAG remembers. Agents act. That’s the real intelligence stack.