Sabitlenmiş Tweet
—
8.6K posts
— retweetledi
— retweetledi
devjobsindo.org
Udah, ini tempat paling oke buat nyari kerjaan NGO/INGO. Tiga dari empat kerjaanku sejauh ini selalu dapet dari devjob.
ayyy@iamailaellah
Okeii, sesuai janji aku spill beberapa loker embassy / INGO / NGO yg lagi available! Aku drop di comment bentar lagi ya, habis beres assist beberapa orang dulu di WA 😭 Kalau ternyata banyak yg nyari, aku kepikiran bikin circle / group khusus buat sharing opening yg aku dapet dari network juga haha
Indonesia
— retweetledi
🚀 Better inference efficiency, lower costs, broader access.
MiMo-V2.5 Series API pricing is now permanently reduced — by up to 99% compared to previous pricing.
✨ Unified pricing across all context lengths.
MiMo Token Plans have also been upgraded:
• 5–8× more usable tokens at the same price
• Simpler and more transparent billing rules
🎁 As a thank-you to current users, all current Token Plan credits will be fully reset.
🎧 MiMo-V2.5-TTS remains free for a limited time.
⏰ Effective May 26 at 6:00 PM PDT.
These improvements are powered by continued inference optimization and serving efficiency upgrades across the MiMo stack.
🛠️ We’ll also publish a detailed technical blog on the inference optimizations later — stay tuned.
English
— retweetledi
Indonesian Idol winners over the years:
2004: Joy Tobing
2005: Mike Mohede
2006: Ihsan Tarore
2007: Rinni Wulandari
2008: Aris Runtuwene
2010: Igo Pentury
2012: Regina Ivanova
2014: Nowela Elizabeth
2018: Maria Simorangkir
2020: Lyodra
2021: Rimar Callista
2023: Salma Salsabil
2025: Shabrina Leanor
2026: Celyna Grace
Indonesia
— retweetledi
Top 8 Redis Use Cases.
Redis is often introduced as a cache, but real systems use it for much more than speeding up database reads.
That same need for fast, real-time data access is also why Redis is expanding further into AI infrastructure with Redis Iris, a context engine for AI agents that acts as a context and memory retrieval system.
Learn more here → lucode.co/redis-iris-z17…
1) 𝗖𝗮𝗰𝗵𝗶𝗻𝗴
↳ Store hot data close to the application to reduce database load and latency.
2) 𝗦𝗲𝘀𝘀𝗶𝗼𝗻𝘀
↳ Keep per-user or per-agent state in Redis so application servers can remain stateless.
3) 𝗥𝗮𝘁𝗲 𝗹𝗶𝗺𝗶𝘁𝗶𝗻𝗴
↳ Track request counts across distributed services, API calls, tool usage, and model calls.
4) 𝗟𝗲𝗮𝗱𝗲𝗿𝗯𝗼𝗮𝗿𝗱𝘀
↳ Use sorted sets to maintain live rankings without recomputing results.
5) 𝗩𝗲𝗰𝘁𝗼𝗿 𝘀𝗲𝗮𝗿𝗰𝗵 & 𝘀𝗲𝗺𝗮𝗻𝘁𝗶𝗰 𝗰𝗮𝗰𝗵𝗶𝗻𝗴
↳ Store embeddings, retrieve semantically similar data, and reuse responses across similar AI queries.
6) 𝗤𝘂𝗲𝘂𝗲𝘀 & 𝗦𝘁𝗿𝗲𝗮𝗺𝘀
↳ Queue work, process events asynchronously, coordinate agent tasks, and track consumer progress.
7) 𝗣𝘂𝗯/𝗦𝘂𝗯
↳ Fan out real-time messages when durability and replay aren’t required.
8) 𝗗𝗶𝘀𝘁𝗿𝗶𝗯𝘂𝘁𝗲𝗱 𝗹𝗼𝗰𝗸𝘀
↳ Prevent multiple workers or agents from modifying the same resource at the same time.
Redis has quietly evolved from “just a cache” into infrastructure for real-time coordination, retrieval, streaming, memory, and increasingly AI workloads.
That evolution is reflected in their new context engine launch, focused on delivering live, agent-ready context for AI systems operating across fragmented data sources.
Explore it here → lucode.co/redis-iris-z18…
What else would you add?
——
♻️ Repost to help others learn and grow.
🙏 Thanks to @Redisinc for sponsoring this post.
➕ Follow me ( Nikki Siapno ) + turn on notifications.
English
— retweetledi
— retweetledi
Your AI agent dies the second you close the terminal.
tmux fixes this...
Detach, walk away, come back hours later and it's still running like nothing happened
Watch this 25 video:
English
— retweetledi
If you're preparing for technical interviews, you may be working through a bunch of LeetCode problems.
And this is helpful, but you should really understand the key concepts behind these DSA problems first.
In this visual handbook, Eda goes over the Data Structures & Algorithms concepts you'll need to know - for both LeetCode & job interviews.
freecodecamp.org/news/leetcode-…
English
— retweetledi
Gaissss, gw mau share lagi niii hacks supaya Claude lu lebih hemattt dan gak gampang limittt wkwkwk
Jujurr, hacks terakhir disini super-duper mindblowing bangeeet!!!!
Jadi sebelumnyaaa, gw udah share 2 hacks yg bisa lu cobain biar Claude lu kagak cepet kena limit yak
Nahh tudey, gw mau share 3 hacks yang bisa bantu lu para sobat Claude Free & Claude $20 supaya bisa chat lebih lama lagiii
Langsung aja kita bahas yukk
Yang pertamaa, prompt selengkap mungkin plissss!!! Jangan singkat2 lahhh
Kalau lu biasanya satu prompt itu cuman minta satu hal, ubah mulai skrg!!
Lu pikirin dehh, gimana caranya satu prompt lu itu kalau bisa 3-5 tasks dia lakuin sekaligus
Misal lu mau minta dia analisis dokumen A, terus generate hasil analisis di markdown.
Nahh, dari pada satu2 promptnya, mending lu gabungin aja semuanya termasuk formatting reportnya mau gimana tuu
Jadi sangat2 hemattt karena dengan satu prompt udah kelar semuaa wkwkwk
Tapii, tentu ga semua kerjaan bisa gini yaak. Kadang lu butuh diskusi detail dulu, baru dapetin report
Ulik-ulik aja yaak gimana enaknya untuk kebutuhan lu
Nextt hacks kedua, minta si Claude ringkasin pesan lu kalau misal udah 15-20 percakapan gaisss!
Kenapa ini penting??
Karena kalo udah 15-20 percakapan, bisa2 di satu chat itu udah sampe puluhan bahkan ratusan ribu token cuyyy
Lah kalau lu lanjutin terus?? Ya bengkakk
Nahh mendingan, lu minta Claude ringkas semua percakapan lu. Terus lu mulai ajaa chat baru dengan ringkasan inii
Jadi yang tadinya ratusan ribu token, bisa cuman 500-1000 token doang nantinyaa buat percakapan baru inii. Gokilll
Nahhh, hacks ketiga yang sangaaat mindblowing wkwkwk
Plisss gaiss, rangkum dulu pdf atau dokumen kalian itu pake Google NotebookLM jadi markdown yaa!
NotebookLM ini beneran underrated bangeet sumpah! Padahal udahlah gratis, kemampuannya gila bangeet
Lu bisa summary dokumen secara detail, atau bahkan minta bikin ppt dari dokumen atau youtube video, dann bahkaan bisa bikin mindmapping!!!
Dengan lu ringkas dulu dokumen jadi markdown pake ini, Claude lu itu jadi ga perlu proses dokumen yang gedee banget
Jadi makin hemat banget yaaa tokennya
Nahh gitu dulu sharing gw hari ini yaa
Gimanaa, ada yang mau lu cobain ga??
Komen dongg di bawah buat kalian yg punya hacks lain atau udah cobain nii yg gw share😆
Arifin Effendi@effendii_
Gila-gilaaa gaisss, gw baru aja nemu hacks gokilll biar Claude kita itu kagak cepet kena limit, dan jujurr gw mindblown bangeet!! wkwkwk Intinya ginii, kalau lu pake Claude yang cuman $20/bulan lu ngerasa ga sihhh kaya cepeeeeeet banget abis limitnya?? Padahal berasa chattingan yaaa gitu-gitu doang Tapi belum ada 2 jam, udah kena limit ajeee 😢 Nahhh ternyataa… Ada donggg hacks biar Claude lu itu jauhhh lebih kuat & tahan lama wkwkwk Jujurlyy, ada banyaaaak banget ternyata caranyaa Tapiii disini gw bahas 2 dulu aja yakkk, ntar sisanya gw bahas di postingan lainn Wokee kita mulai yaaa Hack pertamaaa, pliss gaisss, “EDIT MESSAGE” lu!! Kalau misalnya lu ga sreg sama hasilnya dari si Claude, jangan lu chat terus minta dia bikin ulang lagi dari awal! Rugi banyak cuyyy! Instead, lu edit pertanyaan lu dan lu minta misal - jangan pake A - harus ada X - dlll Jadii, nanti hasil awal yang puanjaaang banget yang lu ga sreg itu ga masuk ke Conversation History lu & menuh-menuhin context di percakapan ituu Ini bikin lu hemat banyaaak banget token nantinya Lanjutt, cara kedua yaaa Pake fitur PROJECTS plisssss!! Jadi misal ni yaaa, lu tu butuh analisis dokumen atau referensikan dokumen di chat lu Nahh bisa jadi lu tu butuh diskusi yang panjaaang banget untuk satu percakapan. Jadi mau ga mau, pas bahas topik lain lu harus buka chat baru, terus upload ulang filenya Kenapaa? Krn tiap chat Claude itu ada limit panjang total pesan gituu di tiap percakapan Nahh setiap lu upload ulang file di chat baru inii, si Claude itu nanti jadi harus baca ulang lagii, terus dia simpan lagi di konteks, dan akhirnya bengkak bangeeet Bayangin lu upload file gede yang sama di 5 chat berbeda wewww boros bener token usage lu pastinya Nahh daripada gini, mending lu bikin Project baru Terussss lu upload filenya sebagai Project Knowledge Jadii si Claude itu cukup proses file lu sekali doang di awal Laluuu, setiap chat baru di project lu cuman butuh baca dari project knowledge ituu Hemat & efektif bangeet kann? Nahh itu dulu dua hacks untuk hemat token usage di Claude yaaa In this economy, langganan $20 harus kita mangpaatkeun semaksimal mungkin lah yaak Dan kalau bisa hemat, kenapa harus boros?? Wkwkwk Gimana menurut lu, setuju apa kagak? Atau lu punya cara lain mungkinn? Share dong di bawah 👇
Indonesia
— retweetledi
System Design Series - Day 27/30
What CI/CD Actually Means
Most junior engineers deploy like this:
Open laptop → SSH into server → Pull latest code → Pray nothing breaks → Refresh site → Hope.
This is called deploy and pray
It works until it doesn’t.
Then it really doesn’t.
Here’s what a professional deployment looks like:
Engineer pushes code to GitHub → Walks away.
Everything else happens automatically:
- Tests run (deployment stops if they fail)
- Code quality checked
- Security vulnerabilities scanned
- Docker image built
- Deployed to staging
- Smoke tests run
- Deployed to production
- Health checks verified
- Team notified
Zero manual steps.
Zero SSH.
Zero prayers.
This is CI/CD
CI = Continuous Integration
Every time someone pushes code, automated tests run immediately.
Goal: Catch broken code before it reaches production.
Without CI: “It works on my machine” becomes everyone’s problem.
With CI: Broken code gets caught in minutes.
CD = Continuous Delivery / Deployment
After tests pass, code is automatically shipped to production.
- Continuous Delivery: Code is ready to deploy (human approves final step)
- Continuous Deployment: Code deploys automatically (no human needed)
Most startups use Continuous Delivery, one human approval before production.
Why this matters for junior engineers:
Manual deployments fail for unpredictable reasons:
- Wrong environment variables
- Forgot to run migrations
- Different Node version on server
- That one file you forgot to upload
- Something that “only breaks in production”
Automated pipelines fail for the same reason every time.
Predictable failures are fixable failures.
The real benefit:
Fear of deployment kills shipping speed.
When every deployment is manual and risky, teams deploy less often.
Less deployments = bigger changes = more risk = more fear.
CI/CD breaks this cycle:
Small changes → Frequent deployments → Fast recovery.
Recommended tools to start with:
- GitHub Actions → Free for public repos, simple, built into GitHub
- Docker → Packages your app with everything it needs
This is the most common CI/CD setup for small to mid-size teams in 2026.
Start here.
Not with Kubernetes.
Not with Jenkins.
GitHub Actions + Docker.
Two tools.
One afternoon to set up.
Have you set up any CI/CD pipeline yet?
Drop your current setup below.
#SystemDesign #CICD #DevOps
English
— retweetledi
Hidup banyak masalah? Hahahaha sama.
Tapi tenang, computational thinking bisa bantu!
Secara sederhana, computational thinking atau berpikir komputasional adalah cara berpikir sistematis untuk memecahkan masalah-masalah yang kompleks dengan langkah yang terstruktur. Ya, mirip-mirip dengan cara kerja komputer.
Rumusnya adalah DPAA.
Contoh kasus:
Seorang single mother dengan 1 orang anak usia sekolah. Ia juga seorang freelancer yang bekerja dari rumah. Masalah: setiap hari rumah berantakan, pekerjaan menumpuk, dan itu membuat dia sering burn out.
Mari kita breakdown satu per satu:
1. Dekomposisi (Decomposition)
Langkah pertama adalah memecah masalah besar menjadi masalah-masalah kecil yang lebih mudah ditangani.
Daripada berpikir: "Hidupku berantakan."
Ubah menjadi:
- Cucian baju menumpuk
- Piring kotor menumpuk
- Mainan anak berserakan
- Deadline pekerjaan sering mepet
- Tidak ada jadwal yang jelas antara kerja dan urusan rumah
Nah, sekarang masalahnya sudah lebih konkret dan tidak terasa sebesar sebelumnya.
2. Pengenalan Pola (Pattern Recognition)
Cari pola yang terus berulang.
Setelah diamati:
- Piring selalu menumpuk setelah makan malam
- Cucian baru dicuci saat keranjangnya penuh
- Mainan anak selalu berserakan setelah bermain
- Pekerjaan rumah tertunda saat sedang mengejar deadline
Pola yang ditemukan:
➡️ Semua pekerjaan kecil ditunda sampai akhirnya menjadi pekerjaan besar.
3. Abstraksi (Abstraction)
Fokus pada hal yang paling berpengaruh dan abaikan hal-hal yang tidak penting/relevan.
Tidak relevan:
- Bukan soal dekorasi rumah yang kurang estetik.
- Bukan soal membeli rak baru.
- Bukan soal mencari metode produktivitas terbaru.
Masalah utamanya adalah:
- Tidak ada rutinitas harian yang konsisten
- Pekerjaan kecil dibiarkan menumpuk
Maka, masalah utama itu yang harus dibereskan lebih dulu.
4. Algoritma (Algorithm Design)
Setelah akar masalah ditemukan, buat langkah-langkah sederhana sebagai solusi.
Contohnya:
- Rapikan tempat tidur setelah bangun.
- Masukkan pakaian kotor ke keranjang cucian.
- Cuci piring segera setelah makan.
- Jalankan mesin cuci saat mulai bekerja.
- Lipat pakaian sambil menemani anak belajar atau menonton TV.
- Simpan mainan bersama anak sebelum tidur.
Hasilnya?
Rumah tidak langsung berubah menjadi rumah Pinterest. Tapi tumpukan pekerjaan berkurang, rumah lebih terkontrol, pekerjaan lebih fokus, dan tingkat stres ikut turun.
----
Cara berpikir yang sama juga bisa diterapkan pada masalah-masalah yang lebih besar. Apabila masih terasa overwhelmed, gabungkan dengan metode mind mapping.
"Apakah computational thinking bisa membereskan masalah negara? Menghentikan MBG, misalnya."
Ah, kalau itu saya menyerah. 🤷♀️
Indonesia
— retweetledi
Many devs are using Retrieval Augmented Generation - or RAG - to improve their LLM's capabilities.
And in this course, you'll learn RAG fundamentals, along with key model context protocol concepts.
The course uses the Python SDK and covers chunking strategies, working with AI agents, and lots more.
freecodecamp.org/news/learn-rag…
English
— retweetledi
@earthcurated In fact, I haven't even crossed to another island within the country
English
