Abstrak: Dapat digunakan oleh pengembang, pembuat konten, pembangun produk, dan pemula
Catatan editor: Jika Anda baru-baru ini mengikuti perkembangan AI, mudah untuk memiliki ilusi: semakin banyak alat, tetapi yang benar-benar dapat digunakan, justru semakin sedikit.
Bagi kebanyakan orang, kesulitannya bukanlah ada atau tidaknya alat, melainkan alat mana yang layak digunakan, dan dari mana harus memulai.
Daftar ini didasarkan pada pengujian aktual, menyusun ekosistem alat AI saat ini secara sistematis, menyaring 60 alat dan mengklasifikasikannya menurut tingkat dan skenario penggunaan yang berbeda: dari alat pengkodean dan pengembangan, hingga kerangka kerja agen dan integrasi alat, kemudian ke otomatisasi alur kerja, pemrosesan data dan infrastruktur, dan akhirnya meluas ke sumber belajar dan jalur pembaruan berkelanjutan.
Secara keseluruhan, ini menguraikan jalur yang jelas dari "Menggunakan AI" ke "Membangun Sistem AI", menyediakan jalur masuk yang berbeda untuk pengembang, pembuat konten, pembangun produk, dan pemula, membantu pembaca menemukan titik awal yang sesuai dalam ekosistem alat yang kompleks.
Di tengah alat-alat yang terus berganti saat ini, penyusunan terstruktur seperti ini mungkin lebih bermakna daripada rekomendasi titik-titik tertentu. Ini memberikan bukan jawaban, tetapi cara yang lebih efisien untuk memahami dan menggunakan AI.
Berikut adalah teks aslinya:
Saya menghabiskan lebih dari 100 jam menguji berbagai alat AI, sehingga Anda tidak perlu lagi mengalami kesulitan sendiri.
Simpan dulu tulisan ini :)
Ekosistem alat AI tahun 2026 telah mencapai tingkat "kelebihan informasi": setiap minggu ada kerangka kerja baru, setiap hari ada agen baru, setiap pagi GitHub memiliki proyek baru yang menempati peringkat teratas.
Sebagian besar hanya hype. Beberapa memang berguna. Sangat sedikit, yang benar-benar akan mengubah cara kerja Anda.
Saya telah menyaring kebisingannya untuk Anda.
60 alat di bawah ini, adalah yang benar-benar layak diperhatikan saat ini setelah saya saring melalui pengujian pribadi—diorganisir menurut kategori, dan dilengkapi dengan skenario yang masing-masing benar-benar kuasai.
Disarankan untuk disimpan, Anda kemungkinan akan sering kembali menggunakannya.
Bagian 1: Agen & IDE Pemrograman AI
Alat jenis ini memungkinkan AI membantu Anda menulis kode, meninjau kode, bahkan mengelola seluruh proses pengembangan.
Poin penting: ini adalah alat yang benar-benar dapat dijalankan dalam alur kerja aktual, bukan hanya berhenti di demo.
1.Claude Code
Agen pemrograman baris perintah yang diluncurkan oleh Anthropic. Dapat membaca file, menulis kode, menjalankan tes, beroperasi langsung di lingkungan lokal Anda.
Jika Anda ingin mempertahankan kendali penuh dalam pengembangan berbantuan AI, ini adalah "standar emas" saat ini.
https://docs.anthropic.com/en/docs/claude-code
2.Cursor
Editor kode yang diprioritaskan AI, dibangun berdasarkan VS Code. Mendukung penyelesaian dalam baris, percakapan dengan basis kode, pengeditan multi-file.
Cocok untuk pengembang yang ingin mengintegrasikan AI secara mulus ke dalam alur kerja pengembangan yang ada.
https://www.cursor.com
3.Codex CLI
Agen pemrograman terminal yang diluncurkan oleh OpenAI. Berikan instruksi dalam bahasa alami, ia akan membaca basis kode, menghasilkan dan mengeksekusi kode.
Sangat kuat dalam mengimplementasikan tugas multi-tahap.
https://github.com/openai/codex
4.Windsurf
IDE pemrograman AI yang diluncurkan oleh Codeium. Agen Cascade-nya mendukung pengeditan multi-file, pemahaman mendalam tentang basis kode, dan "aliran pengkodean imersif".
Bertumbuh cepat.
https://codeium.com/windsurf
5.Superpowers
Kumpulan 20+ keterampilan praktis yang dibangun untuk Claude Code, termasuk TDD, debugging, pipeline dari perencanaan hingga eksekusi, dll.
Lebih dari 9,6 ribu bintang di GitHub. Jika Anda menggunakan Claude Code, disarankan untuk menginstalnya segera.
https://github.com/obra/superpowers
6.Spec Kit(GitHub)
Alat "pengembangan berbasis spesifikasi": tulis spesifikasi terlebih dahulu, lalu AI menghasilkan kode. Memaksa Anda untuk berpikir jernih sebelum mulai bekerja. Lebih dari 5 ribu bintang di GitHub.
https://github.com/github/spec-kit
7.Aider
Alat pemrograman pasangan AI di terminal, mendukung LLM apa pun.
Khususnya kuat dalam menangani basis kode yang sudah ada. Lebih dari 3 ribu bintang di GitHub.
https://github.com/paul-gauthier/aider
Bagian 2: Kerangka Kerja Agen
Digunakan untuk membangun sistem otomatisasi yang dapat "berpikir—bertindak—beriterasi".
8.OpenClaw
Agen AI open source yang fenomenal. Mendukung operasi jangka panjang, multi-saluran (WhatsApp / Telegram / Discord), dan bahkan dapat menulis keterampilannya sendiri.
Lebih dari 21 ribu bintang di GitHub, merupakan salah satu pintu masuk agen AI pribadi yang paling mudah digunakan saat ini.
https://github.com/openclaw/openclaw
9.LangGraph
Menggunakan "struktur grafik" untuk menyusun multi-agen: mendukung logika cabang, intervensi manusia (human-in-the-loop), status persisten.
https://github.com/langchain-ai/langgraph
10.CrewAI
Kerangka kerja kolaborasi multi-agen, setiap agen memiliki peran, tujuan, dan "kepribadian".
Cocok untuk mensimulasikan proses kolaborasi tim.
https://github.com/crewAIInc/crewAI
11.AutoGPT
Kerangka kerja agen otomatis penuh yang sudah lama, cocok untuk tugas yang berjalan lama.
Sudah jauh lebih matang dibandingkan versi awal.
https://github.com/Significant-Gravitas/AutoGPT
12.Dify
Platform pembuatan aplikasi LLM open source, mengintegrasikan workflow, RAG, agen, dan manajemen model.
Cukup ramah untuk non-pengembang.
https://github.com/langgenius/dify
13.OWL
Kerangka kerja kolaborasi multi-agen, berkinerja terdepan dalam pengujian patokan GAIA.
Merupakan perwakilan penelitian terdepan yang menuju ke praktik.
https://github.com/camel-ai/owl
14.CopilotKit
Dapat menyematkan AI copilot langsung ke dalam aplikasi React.
Bukan hanya meningkatkan efisiensi pengembangan, tetapi menjadikan AI sebagai bagian dari produk.
https://github.com/CopilotKit/CopilotKit
15.pydantic-ai
Kerangka kerja agen yang aman tipe berdasarkan Pydantic.
Cocok untuk pengembang Python yang menginginkan output terstruktur dan dapat divalidasi.
https://github.com/pydantic/pydantic-ai
Bagian 3: Layanan MCP & Integrasi Alat
MCP (Model Context Protocol) memungkinkan AI benar-benar "terhubung ke dunia". Skill adalah mengajarkannya cara melakukan, MCP adalah memberinya "wewenang untuk melakukan".
16.Tavily
Mesin pencari yang dirancang khusus untuk agen AI, bukan tautan biru, tetapi data terstruktur yang dapat langsung digunakan oleh LLM.
Menyediakan empat alat: pencarian, ekstraksi, perayapan, peta, dapat diintegrasikan ke MCP dalam satu menit.
https://github.com/tavily-ai/tavily-mcp
17.Context7
Menyuntikkan dokumentasi pustaka terbaru ke dalam konteks LLM.
Tidak akan lagi muncul "API halusinasi" atau metode usang.
Tambahkan satu kalimat "use context7" dalam prompt, maka akan secara otomatis menarik dokumentasi terbaru.
https://github.com/upstash/context7
18.Task Master AI
Manajer proyek AI Anda. Masukkan PRD, ia akan memecahnya menjadi tugas dengan dependensi.
Kemudian dieksekusi langkah demi langkah oleh Claude, mengubah proses pengembangan yang kacau menjadi pipeline yang teratur.
https://github.com/eyaltoledano/claude-task-master
19.MCP Playwright
Memberikan kemampuan otomatisasi browser untuk LLM.
Dapat mengontrol browser nyata dengan bahasa alami: pengujian, perayapan, interaksi semua dapat dilakukan.
https://github.com/executeautomation/mcp-playwright
20.fastmcp
Membangun layanan MCP dengan cepat menggunakan kode Python minimal.
Merupakan salah satu jalur tercepat untuk membuat integrasi alat kustom untuk Claude dan model lainnya.
https://github.com/jlowin/fastmcp
21.markdownify-mcp
Mengonversi berbagai format seperti PDF, gambar, audio, dll. menjadi Markdown.
Memungkinkan dokumen apa pun masuk ke dalam alur kerja AI.
https://github.com/zcaceres/markdownify-mcp
22.MCPHub
Mengelola beberapa layanan MCP melalui HTTP.
Satu panel untuk mengelola semua koneksi alat secara terpadu.
https://github.com/samanhappy/mcphub
Bagian 4: Keterampilan Claude (Pilihan)
Skills dapat menyuntikkan "kemampuan alur kerja profesional" ke Claude. Saat ini komunitas telah memiliki 80.000+ keterampilan, di bawah ini adalah yang benar-benar layak untuk diinstal.
23.PDF Processing(resmi)
Mendukung membaca PDF, mengekstrak tabel, mengisi formulir, menggabungkan dan memisahkan file.
Bagi pekerja pengetahuan, merupakan salah satu keterampilan dengan utilitas tertinggi.
https://github.com/anthropics/skills/tree/main/skills/pdf
24.Frontend Design(resmi)
Digunakan untuk membangun sistem desain yang benar-benar dapat digunakan, termasuk tipografi yang berani dan UI yang dapat diluncurkan.
Dapat menghindari gaya desain "hasil generasi AI" yang umum. Sudah lebih dari 277 ribu instalasi.
https://github.com/anthropics/skills/tree/main/skills/frontend-design
25.Skill Creator(resmi)
Sebuah "meta-skill". Jelaskan alur kerja Anda dengan bahasa alami, hasilkan SKILL.md lengkap dalam 5 menit.
Tidak perlu menulis konfigurasi, juga dapat membuat skill baru.
https://github.com/anthropics/skills/tree/main/skills/skill-creator
26.Marketing Skills(Corey Haines)
Mencakup 20+ keterampilan termasuk CRO, penulisan naskah, SEO, otomatisasi email, strategi pertumbuhan, dll.
Setara dengan "memodulasi" kemampuan seluruh tim pemasaran.
https://github.com/coreyhaines31/marketingskills
27.Claude SEO
Menyediakan fungsi audit situs lengkap, validasi data terstruktur, analisis kata kunci, dll.
Total 12 sub-keterampilan, mencakup alur kerja SEO lengkap.
https://github.com/AgriciDaniel/claude-seo
28.Obsidian Skills
Dikembangkan oleh CEO Obsidian. Mendukung pelabelan otomatis, penautan otomatis, serta integrasi mendalam dengan vault (gudang pengetahuan).
Jika Anda menggunakan Obsidian, ini pada dasarnya wajib diinstal.
https://github.com/kepano/obsidian-skills
29.Context Optimization
Digunakan untuk mengurangi biaya token, meningkatkan efisiensi KV cache.
Dapat secara signifikan mengurangi biaya penggunaan API. Lebih dari 13.900 bintang di GitHub.
https://github.com/muratcankoylan/agent-skills-for-context-engineering
30.Deep Research Skill
8 tahap proses penelitian + mekanisme penulisan lanjutan otomatis.
Cocok untuk skenario yang membutuhkan Claude untuk melakukan "penelitian mendalam" daripada ringkasan dangkal.
https://github.com/199-biotechnologies/claude-deep-research-skill
Bagian 5: AI Lokal & Menjalankan Model
Menjalankan model di perangkat lokal: privasi lebih tinggi, respons lebih cepat, tanpa biaya API.
31.Ollama
Menjalankan model besar open source di lokal dengan satu perintah. Mendukung Llama, Mistral, Gemma, dll.
Jalur tercepat dari nol ke AI lokal.
https://github.com/ollama/ollama
32.Open WebUI
Antarmuka seperti ChatGPT yang dihosting sendiri. Sederhana, cepat, fungsionalitas lengkap.
Digunakan bersama Ollama, dapat membangun sistem AI yang sepenuhnya pribadi.
https://github.com/open-webui/open-webui
33.LlamaFile
Mengemas seluruh model besar menjadi satu file yang dapat dieksekusi.
Tanpa dependensi, unduh dan jalankan, sangat sederhana.
https://github.com/Mozilla-Ocho/llamafile
34.Unsloth
Kecepatan fine-tuning model meningkat 2 kali lipat, sekaligus mengurangi penggunaan memori hingga 70%.
Jika Anda perlu melatih model milik sendiri, ini adalah titik awal yang baik.
https://github.com/unslothai/unsloth
35.vLLM
Mesin inferensi throughput tinggi, kinerja 2–4 kali lebih cepat dari solusi tradisional.
Saat ini merupakan salah satu pilihan utama untuk penyebaran produksi model open source.
https://github.com/vllm-project/vllm
Bagian 6: Alur Kerja & Otomatisasi
Menghubungkan AI ke alat dan proses yang sudah Anda miliki.
36.n8n
Alat otomatisasi alur kerja open source, mendukung 400+ integrasi dan node AI, dapat dihosting sendiri.
Saat ini merupakan salah satu pembangun otomatisasi AI visual terkuat.
https://github.com/n8n-io/n8n
37.Langflow
Membangun alur kerja agen dengan cara drag-and-drop. Lebih dari 14 ribu bintang di GitHub.
Tanpa menulis kode, juga dapat membangun pipeline agen yang kompleks.
https://github.com/langflow-ai/langflow
38.Huginn
Agen Web yang dihosting sendiri, untuk pemantauan, peringatan, dan pengumpulan data.
Menekankan privasi pertama, semua otomatisasi berjalan di server Anda sendiri.
https://github.com/huginn/huginn
39.DSPy
Menggunakan "program" alih-alih "prompt" untuk menggerakkan model.
Kerangka kerja yang berasal dari penelitian Stanford, cocok untuk skenario yang membutuhkan stabilitas lebih tinggi.
https://github.com/stanfordnlp/dspy
40.Temporal
"Mesin alur kerja persisten" untuk tugas yang berjalan lama.
Ketika proses otomatisasi Anda perlu menangani crash, percobaan ulang, timeout, dll., ini adalah solusi standar.
https://github.com/temporalio/temporal
Bagian 7: Pencarian, Data & RAG
Memungkinkan informasi masuk dan keluar dari sistem AI.
41.GPT Researcher
Agen penelitian otomatis, dapat menghasilkan laporan terstruktur.
Masukkan satu topik, keluarkan analisis lengkap dengan sumber referensi.
https://github.com/assafelovic/gpt-researcher
42.Firecrawl
Mengubah situs web apa pun menjadi format data yang cocok untuk LLM.
Alat perayap yang dirancang khusus untuk pipeline AI.
https://github.com/mendableai/firecrawl
43.Vanna AI
Mengubah bahasa alami menjadi SQL.
Ajukan pertanyaan dalam bahasa Inggris, langsung menghasilkan kueri database.
Cocok untuk orang yang tidak ingin menulis SQL tetapi perlu menggunakan data.
https://github.com/vanna-ai/vanna
44.Instructor
Melalui model Pydantic, memungkinkan LLM apa pun mengeluarkan JSON terstruktur.
Mendukung 15+ penyedia termasuk OpenAI, Anthropic, Google, dll.
Merupakan pilihan aktual banyak insinyur AI tingkat produksi.
https://python.useinstructor.com
45.Chroma
Basis data vektor open source.
Salah satu cara termudah untuk menambahkan pencarian semantik dan memori jangka panjang ke aplikasi AI.
https://github.com/chroma-core/chroma
46.dlt
Alat pipa data untuk LLM, dapat terhubung ke 5000+ sumber data.
Membantu Anda mengimpor berbagai data ke dalam alur kerja AI.
https://github.com/dlt-hub/dlt
47.ExtractThinker
"ORM" untuk kecerdasan dokumen.
Dapat mengekstrak data terstruktur dari dokumen jenis apa pun.
https://github.com/enoch3712/ExtractThinker
Bagian 8: API & Infrastruktur
"Pipa bawah" yang membuat semuanya benar-benar berjalan di lingkungan produksi.
48.FastAPI
Kerangka kerja Web Python untuk menyebarkan aplikasi AI.
Dokumentasi sangat lengkap, dan dilengkapi dengan validasi data Pydantic bawaan.
https://github.com/tiangolo/fastapi
49.Portkey Gateway
Terhubung ke 250+ LLM melalui satu API.
Dapat beralih model tanpa mengubah kode.
https://github.com/Portkey-AI/gateway
50.OmniRoute
Proxy API yang mendukung 44+ penyedia AI.
Menyediakan load balancing, failover, dan optimasi biaya.
https://github.com/diegosouzapw/OmniRoute
51.lmnr
Digunakan untuk melacak dan mengevaluasi perilaku agen.
Dapat melihat dengan jelas apa yang dilakukan agen, dan mengukur apakah kinerjanya memenuhi standar.
https://github.com/lmnr-ai/lmnr
52.Codebase Memory MCP
Mengubah basis kode Anda menjadi "grafik pengetahuan persisten".
Memungkinkan Claude mengingat seluruh struktur proyek lintas sesi.
https://github.com/DeusData/codebase-memory-mcp
Bagian 9: Koleksi Pilihan & Sumber Belajar
Di mana untuk terus mendapatkan informasi, terus memperbarui pemahaman.
53.Awesome Claude Skills
Koleksi keterampilan pilihan, lebih dari 2,2 ribu bintang di GitHub.
Pintu masuk utama untuk mencari keterampilan baru.
https://github.com/travisvn/awesome-claude-skills
54.Anthropic Skills Repo
Repositori keterampilan resmi Anthropic.
Juga merupakan "paradigma standar" pembangunan keterampilan saat ini.
https://github.com/anthropics/skills
55.Awesome Agents
Daftar pilihan yang merangkum 100+ alat agen open source.
https://github.com/kyrolabs/awesome-agents
56.PromptingGuide
Mencakup panduan lengkap Rekayasa Prompt dari dasar hingga lanjutan.
https://www.promptingguide.ai
57.Anthropic Prompt Engineering Tutorial
Berisi 9 bab + latihan praktis Jupyter Notebook.
Merupakan salah satu jalur terbaik untuk mempelajari Prompt secara sistematis.
https://github.com/anthropics/prompt-eng-interactive-tutorial
58.SkillsMP
Platform pasar dengan 80.000+ keterampilan komunitas.
Merupakan direktori keterampilan Claude terbesar saat ini.
https://skillsmp.com
59.MAGI//ARCHIVE
Memperbarui repositori proyek AI terbaru setiap hari.
Digunakan untuk melacak kemajuan terdepan.
https://tom-doerr.github.io/repo_posts/
60.Dokumentasi Resmi Anthropic
Mencakup semua konten inti termasuk API, Prompt, pemanggilan alat, agen, dll.
Jika Anda serius ingin membuat produk AI, disarankan untuk membacanya dari awal hingga akhir.
https://docs.anthropic.com
Cara Menggunakan Daftar Ini dengan Benar
Jangan mencoba menginstal semua 60 alat ini sekaligus. Itu hanya akan membuat Anda kelebihan informasi dan membuang waktu.
Saya lebih merekomendasikan penggunaannya seperti ini:
Jika Anda seorang pengembang: Mulailah dengan Claude Code(01)+ Superpowers(05)+ Context7(17)+ Tavily(16).
Kombinasi ini dapat membantu Anda menyiapkan lingkungan pemrograman AI yang kuat dengan kemampuan pencarian dan dukungan dokumen.
Jika Anda seorang pembuat konten / pekerja pengetahuan: Mulailah dengan OpenClaw(08)+ Obsidian Skills(28)+ PDF Processing(23)+ Frontend Design(24). Kombinasi ini dapat memberi Anda asisten AI dengan kemampuan manajemen file, pemrosesan dokumen, dan pembuatan konten.
Jika Anda sedang membuat produk: Mulailah dengan FastAPI(48)+ Instructor(44)+ Chroma(45)+ LangGraph(09).
Kombinasi ini mencakup kerangka kerja backend, output terstruktur, sistem memori, dan kemampuan penyusunan agen, cukup untuk mendukung aplikasi AI tingkat produksi.
Jika Anda hanya ingin belajar: Mulailah dengan Tutorial Anthropic(57)+ PromptingGuide(56)+ Dokumentasi Resmi Anthropic(60).
Kuatkan dasar terlebih dahulu, lalu tambahkan alat secara bertahap.
Pilih satu jalur, gunakan secara mendalam terlebih dahulu.
Tunggu sampai kebutuhan muncul, lalu perlahan-lahan perluas alatnya.
TL;DR
Skills = Ajari AI "bagaimana melakukan lebih baik"
MCP = Beri AI "kemampuan untuk terhubung ke alat dan data eksternal"
Repos = Menyediakan semua infrastruktur open source
Gabungkan ketiganya, yang Anda dapatkan bukan lagi "demo yang terlihat keren", tetapi satu set alur kerja AI yang benar-benar produktif.
Hanya ini. 60 alat. Sekarang, buatlah sesuatu.
