Keahlian Baru Ini Akhirnya Memecahkan Cara Berpikir untuk Agen AI
AAI LABS
Computing/SoftwareInternet Technology
Transcript
00:00:00Claude Code, Codex, dan hampir semua agen lain yang Anda gunakan punya satu masalah serius, dan Anda akan mengalaminya saat butuh mereka membuat keputusan.
00:00:08Model-model ini bisa memikirkan solusi, tetapi tidak pernah menghasilkan sesuatu yang benar-benar baru.
00:00:12Tidak peduli mana yang Anda gunakan, semuanya gagal begitu Anda membutuhkan sesuatu yang kreatif.
00:00:17Jadi saat Anda meminta ide, yang diberikan hanyalah jawaban aman, dan Anda terpaksa berulang kali meminta sudut pandang yang seharusnya bisa mereka temukan sendiri.
00:00:24Sebelum Anda memberikan sudut pandang itu sendiri, mereka tidak akan berpikir secara kreatif sama sekali.
00:00:28Uniknya, solusi untuk masalah ini justru adalah ADHD, yaitu kondisi ketika perhatian seseorang terus berpindah-pindah bukannya fokus pada satu hal.
00:00:35Ternyata ADHD menjadi keunggulan luar biasa bagi agen AI, dan itulah yang sedang kita berikan kepada mereka sekarang.
00:00:41Ada alat yang sedang tren belakangan ini yang melakukan hal tersebut.
00:00:44Jika ini pertama kalinya Anda di sini, kami adalah perusahaan perangkat lunak dan ini adalah kanal kami, AI Labs, tempat kami menunjukkan cara mengoptimalkan proses Anda dengan AI.
00:00:54Dalam video ini, kita akan membahas bagaimana memberikan ADHD pada agen Anda justru bisa sangat membantu.
00:00:59Sebelum kita membahas alatnya, Anda perlu tahu alasan Anda membutuhkannya terlebih dahulu.
00:01:03Jika pernah bekerja dengan Claude Code, Codex, atau agen lain, Anda pasti tahu mereka jago memecah tugas besar menjadi bagian-bagian kecil.
00:01:10Masing-masing bagian diserahkan ke sub-agen agar dapat bekerja di jendela konteksnya sendiri tanpa memenuhi sesi utama.
00:01:16Anda bahkan tidak perlu memintanya.
00:01:18Mereka membuat daftar tugas dan membaginya ke mana saja agar pekerjaan berjalan secara paralel.
00:01:22Namun, Pembagian tugas seperti itu hanya terjadi pada pelaksanaan pekerjaannya saja.
00:01:26Hal itu tidak terjadi saat Anda meminta mereka curah pendapat (ideasi). Jika pernah mencoba mencari berbagai sudut pandang darinya, Anda pasti paham kesulitannya.
00:01:34Anda meminta variasi, dan hasil yang keluar terdengar berbeda saat dibaca, tetapi semuanya sebenarnya hanya ide yang sama dengan susunan kata berbeda.
00:01:40Curah pendapat adalah hal tersulit untuk dilimpahkan karena menemukan arah yang benar-benar berbeda bukanlah keahlian agen AI.
00:01:47Pada dasarnya, ini berkaitan dengan cara model-model tersebut dilatih.
00:01:50Agen akan mengambil pola yang paling sering muncul dalam data pelatihannya karena melihat jawaban yang sama berulang kali mengajarkannya bahwa jawaban itu bagus.
00:01:59Bukan berarti jawabannya salah dan yang Anda dapatkan biasanya cukup oke, tetapi ada sudut pandang lain dari masalah tersebut yang tidak pernah diliriknya, yang justru merusak tujuan curah pendapat.
00:02:08Pola aman ini barulah setengah dari masalah, karena agen juga tidak pernah mengevaluasi setiap ide secara mandiri.
00:02:13Setiap kemungkinan diproses di dalam jendela konteks yang sama, sehingga ide-ide saling bercampur dan konteks menjadi penuh dengan distraksi.
00:02:20Proses berpikirnya makin buruk, itulah mengapa ia tidak bisa mengevaluasi dengan jelas dan akhirnya memberi Anda ide sama dengan kalimat berbeda.
00:02:28Keahlian (skill) ADHD ini baru dirilis dan langsung mendapat banyak bintang di GitHub hanya dalam beberapa hari.
00:02:33Namanya sangat cocok karena seperti kondisi ADHD asli di mana pikiran terpecah ke mana-mana, alat ini memecah alur berpikir ketimbang menjalankannya secara lurus.
00:02:42Ia mengambil proses ideasi atau tugas apa pun dengan banyak opsi arah, lalu membaginya ke beberapa agen terpisah sebagai struktur “tree of thought”.
00:02:49“Tree of thought” adalah struktur di mana beberapa cabang sub-agen bekerja secara terisolasi pada ide berbeda, mirip seperti dahan pohon yang bercabang.
00:02:58Di akhir, setelah setiap cabang menentukan satu kemungkinan, ia menyatukan kembali semua ide tersebut menjadi satu jawaban akhir.
00:03:06Ia menjalankan beberapa agen yang berpikir di jendela konteksnya sendiri, dan masing-masing mendapat sudut pandang berbeda dari masalah yang sama.
00:03:12Mereka terisolasi, jadi tidak berbagi konteks sama sekali dan tidak ada yang tahu apa yang sedang dikerjakan agen lain.
00:03:17Namun isolasi di sini bukan untuk membagi beban kerja, melainkan menjaga tiap ide tetap terpisah agar tidak saling memengaruhi.
00:03:24Cara menjaga pemisahan ini adalah dengan “frame”, yang pada dasarnya merupakan sudut pandang berbeda untuk melihat masalah.
00:03:29Terdapat pustaka frame di dalamnya yang menampung semua opsi arah bagi para agen, dan setiap agen memilih frame yang akan dikerjakannya.
00:03:37Agen menerima instruksi (prompt) frame tersebut bersama dengan prompt sistem dan masalahnya sendiri.
00:03:41Kemudian agen penguji (critic agent) memberi nilai pada semua hasil yang masuk, karena harus ada yang menentukan ide mana yang layak dipertahankan.
00:03:48Ia menilai setiap ide berdasarkan tiga hal.
00:03:50Kebaruan (Novelty), yaitu seberapa baru dan kreatif ide tersebut.
00:03:54Kelayakan (Viability), yaitu apakah ide tersebut realistis untuk dibangun.
00:03:57Dan Kesesuaian (Fit), seberapa cocok ide itu dengan masalah yang ingin diselesaikan.
00:04:01Penilaian ini dilakukan oleh agen tersendiri yang menjalankan prompt untuk bertindak sebagai insinyur senior yang skeptis.
00:04:07Tugas utamanya adalah bersikap kritis dan tegas pada semua yang dibacanya.
00:04:10Berdasarkan nilai tersebut, ia memutuskan apakah suatu ide dipertahankan atau dibuang.
00:04:15Pada akhirnya, keahlian ini memilih ide-ide terkuat dan memeriksa daftar potensi kendala (trap list) yang mungkin timbul jika ide itu diterapkan.
00:04:23Lalu ia memprioritaskan ide-ide yang ditandai sebagai ide yang tidak pasaran (non-obvious).
00:04:26Sebelum menunjukkan cara menarik memanfaatkan keahlian ini, alangkah baiknya jika Anda berlangganan kanal ini dan menekan tombol suka.
00:04:33Bentuk dukungan kecil ini sangat berarti bagi kami.
00:04:36Jadi begitulah cara kerjanya di balik layar.
00:04:38Sekarang mari kita pasang.
00:04:40Anda bisa menemukan perintah instalasi di repositori GitHub proyek ini.
00:04:43Cukup salin perintahnya, buka terminal di proyek yang sedang dikerjakan, lalu jalankan.
00:04:47Alat ini akan menanyakan agen coding AI mana yang ingin dipasangi, dan ia mendukung lebih dari 45 agen.
00:04:53Jadi Anda tinggal memilih mana saja yang Anda gunakan.
00:04:55Setelah itu, ia bertanya apakah alat ini hanya tersedia di proyek saat ini (Project Scope) atau dari mana saja tanpa peduli proyeknya.
00:05:03Jika hanya butuh di satu tempat, pilihlah Project Scope.
00:05:06Setelah selesai, keahlian ini akan masuk ke dalam folder bernama .agents.
00:05:10Banyak agen lain seperti Codex menggunakan folder itu untuk menyimpan konfigurasi, tetapi Claude Code secara bawaan hanya mengenali folder .claude.
00:05:18Jadi jika Anda menggunakan Claude Code, ubah nama folder tersebut menjadi .claude agar dapat terdeteksi.
00:05:22Saat membuka folder itu, Anda akan melihat filenya di sana.
00:05:25Ini hanya berkas skill.md tunggal yang menangani semuanya sendiri tanpa berkas referensi atau dependensi tambahan di sampingnya.
00:05:31Instruksinya juga mendorong agen untuk melewati tiga jawaban pertamanya.
00:05:36Berkas tersebut secara tegas menyatakan bahwa tiga jawaban pertama adalah respons paling pasaran dari data pelatihan model,
00:05:41dan itu juga merupakan jawaban yang bisa dipikirkan agen senior mana pun secara instan.
00:05:44Hal-hal lebih menarik yang mampu dihasilkan oleh agen senior baru dimulai setelah melewati jawaban-jawaban tersebut.
00:05:50Namun menjalankan agen sebanyak ini menghabiskan banyak token,
00:05:52sehingga ada tahap pemeriksaan awal (pre-check) untuk menentukan apakah keahlian ini perlu dijalankan.
00:05:56Jika dipanggil dengan perintah garis miring (slash) atau diminta langsung, fitur ini langsung berjalan.
00:06:01Jika Anda tidak menyebutkannya dalam prompt untuk memanggil keahlian secara langsung,
00:06:04dan agen Anda memutuskan untuk memanggil keahlian ini secara otomatis,
00:06:07ia akan menguji masalah tersebut melalui tiga pertanyaan di tahap pre-check.
00:06:11Pertanyaan pertama adalah apakah masalahnya bersifat terbuka (open-ended),
00:06:14artinya apakah seseorang yang berpengalaman akan memiliki beberapa jawaban berbeda yang semuanya cocok,
00:06:19atau hanya ada satu jawaban yang benar.
00:06:20Jika hanya ada satu jawaban benar,
00:06:22maka memikirkan dari berbagai sudut pandang tidak ada gunanya dan hanya membuang token,
00:06:26sehingga proses berhenti di situ.
00:06:27Pertanyaan kedua adalah apakah risikonya benar-benar tinggi,
00:06:29artinya apakah Anda akan mengalami kerugian nyata jika jawaban yang tampak jelas ternyata salah.
00:06:34Dan yang ketiga adalah cara Anda bertanya.
00:06:36Jika Anda menggunakan kata-kata seperti cepat atau standar,
00:06:38Anda jelas menginginkan jawaban yang langsung dan sederhana,
00:06:40sehingga proses berhenti tanpa mengaktifkan keahlian ini.
00:06:43Selain tahap pre-check,
00:06:44terdapat semua fase perulangan beserta tabel frame yang menjadi petunjuk arah bagi setiap agen.
00:06:50Alat ini juga mencantumkan pola-pola yang secara tegas dilarang untuk digunakan agen.
00:06:54Namun sebelum membahas cara penggunaan yang menarik, mari simak pesan dari sponsor kami.
00:06:59Top View.
00:06:59Jika Anda membuat video AI, Anda pasti paham kerepotannya.
00:07:02Setiap model ada di platform berbeda dan Anda harus membuat klip satu per satu.
00:07:05Top View mengatasi hal tersebut.
00:07:06Ini adalah keahlian video AI serba ada pertama di dunia yang terintegrasi langsung di dalam agen coding Anda.
00:07:11Claude Code, Cursor, Codex.
00:07:13Alat ini menggabungkan semua model teratas di satu tempat.
00:07:16Veo, Kling, SeaDance, Nano Banana, dan banyak lagi.
00:07:19Tanpa berganti platform, tanpa mengelola banyak langganan.
00:07:22Kami telah mencobanya.
00:07:23Kami memberi agen kami satu perintah:
00:07:25“Buat 10 variasi iklan TikTok berdurasi 15 detik dari gambar produk ini.”
00:07:29Beberapa detik kemudian, kami mendapatkan 10 iklan siap unggah.
00:07:32Inilah perubahan besar yang nyata.
00:07:34Top View mengubah agen Anda menjadi lini produksi video.
00:07:36Anda cukup menjelaskan keinginan sekali, lalu agen akan membuat puluhan video dengan berbagai model, gaya, dan rasio dalam satu sesi.
00:07:44Ia bahkan memilih model yang paling tepat secara otomatis.
00:07:47Dari satu baris teks menjadi video jadi tanpa perlu keluar dari agen Anda.
00:07:51Coba keahlian Top View melalui tautan di deskripsi.
00:07:54Begitulah persiapannya.
00:07:54Sekarang mari kita lihat di mana keunggulannya paling terasa.
00:07:57Salah satu bidang yang sangat terbantu adalah Test-Driven Development (TDD), di mana agen diminta menulis pengujian (test) terlebih dahulu.
00:08:03Kemudian agen membangun aplikasi bertahap sampai semua pengujian itu lolos.
00:08:07Menulis pengujian sebelum menulis kode sangatlah penting, seperti yang pernah kami bahas di video sebelumnya,
00:08:12karena ketika semua kebutuhan ditulis tegas sebagai kode, perubahan apa pun yang merusak aplikasi akan terdeteksi oleh pengujian.
00:08:18Agen terpaksa mematuhi aturan tersebut.
00:08:20Menulis pengujian adalah tugas yang sangat cocok diberikan pada keahlian ini, karena di sinilah agen sering kali malas.
00:08:26Mereka tidak mencakup semua kasus yang seharusnya, karena seperti yang baru katakan, mereka kembali ke jawaban pasaran dan hanya menguji hal standar.
00:08:33Mereka tidak pernah melihat alur lain yang mungkin diambil pengguna dalam aplikasi, yang padahal perlu diuji juga.
00:08:37Anda bisa memberinya prompt mendalam tentang cara menulis pengujian, dan Anda bisa membuat agen penulis pengujian khusus yang tugasnya hanya itu.
00:08:45Namun mereka tetap saja kembali ke pola yang sama.
00:08:47Sebelum menjalankannya, agen perlu tahu apa yang sedang Anda bangun sebelum menulis apa pun.
00:08:51Untuk itu, Anda harus menuliskan apa yang perlu dibuat seperti PRD (dokumen spesifikasi produk) yang menjelaskan fungsi aplikasi, masalah yang diselesaikan, target, dan audiensnya.
00:09:03Selain itu, berikan juga dokumen spesifikasi teknis untuk mengunci detail teknis agar Anda tidak perlu berulang kali memberi tahu alat apa yang harus dipakai.
00:09:11Sematkan kedua dokumen tersebut di dalam berkas Claude.md Anda, sehingga agen memahami konteks itu sejak awal.
00:09:16Lalu panggil keahlian ini dengan perintah slash, berikan prompt deskripsi aplikasi, dan minta ia menulis skenario pengujian menggunakan pendekatan TDD.
00:09:25Karena dipanggil secara eksplisit, ia melewati pre-check dan langsung menjalankan lima agen sekaligus.
00:09:30Masing-masing berpikir ke arah yang berbeda menggunakan frame paling sesuai, lalu memberikan pendekatan berbeda dalam menulis pengujian.
00:09:38Kemudian ia menilai setiap pendekatan berdasarkan kriteria tadi, memilih tiga terbaik, dan mengeksplorasinya lebih dalam.
00:09:44Setelah semua agen selesai, Anda mendapatkan laporan rinci tentang arah pengujian beserta nilainya.
00:09:50Penilaian ditulis ringkas: N9 berarti Kebaruan bernilai 9, V8 berarti Kelayakan bernilai 8, dan F10 berarti Kesesuaian mendapat nilai sempurna.
00:10:00Setiap ide juga dilengkapi dengan gambaran cara pembuatannya, risiko yang ada, dan langkah awal untuk memulainya.
00:10:07Tetapi ide-ide yang dihasilkan sangat berbeda dari sekumpulan pengujian biasa.
00:10:11Biasanya pengujian yang ditulis agen hanya memeriksa apakah aplikasi berfungsi dengan benar.
00:10:15Namun ide dari keahlian ini menyasar lebih banyak kasus ekstrem (edge cases) dan mendeteksi masalah performa juga.
00:10:21Sehingga Anda mendapatkan serangkaian pengujian yang jauh lebih kuat, terbagi dalam tiga cabang mendalam yang menguji alur aplikasi berbeda.
00:10:30Satu hal yang perlu diperjelas: keahlian ini merencanakan pengujian, bukan menulis kodenya secara langsung.
00:10:34Yang Anda dapatkan adalah strateginya, jadi selanjutnya Anda cukup beri tahu agen arah mana yang diinginkan dan ia akan menerapkannya.
00:10:40Anda bisa memilih satu arah saja jika itu sudah cukup, atau meminta agen menerapkan ketiganya.
00:10:44Jika performa sangat krusial untuk proyek Anda, Anda butuh ketiganya, walau butuh waktu karena agen harus memproses alur satu per satu.
00:10:52Namun setelah selesai, terlihat jelas bahwa pengujiannya jauh lebih rinci daripada biasanya,
00:10:57karena seluruh strategi pengujian telah direncanakan secara mendalam sebelum satu pengujian pun ditulis.
00:11:02Ini sangat efektif dilakukan sebelum mulai koding karena mencakup sebagian besar potensi masalah sejak awal dan mengurangi risiko aplikasi rusak di kemudian hari.
00:11:09Tapi itu semua untuk tahap sebelum pembuatan.
00:11:11Cara lain menggunakannya adalah sebagai langkah tepat sebelum peluncuran.
00:11:14Jalankan keahlian ini pada aplikasi yang akan dirilis, lalu minta ia mengevaluasi pengalaman pengguna (UX).
00:11:18Ia akan menandai hal-hal yang dapat membingungkan pengguna saat menavigasi situs atau menggunakan produk,
00:11:23serta hal-hal yang memicu “churn”, yaitu ketika orang berhenti menggunakan produk Anda setelah sempat menggunakannya.
00:11:29Churn sering terjadi saat situs dirilis dan digunakan orang sungguhan, terutama jika situs tersebut berbayar.
00:11:34Mereka awalnya suka lalu pergi karena ada satu fitur yang tidak bekerja sesuai harapan,
00:11:38sehingga mereka meminta uang kembali.
00:11:40Sering kali penyebabnya adalah hal kecil yang terlewat saat aplikasi dibangun,
00:11:44lalu terbawa ke versi rilis dan menimbulkan masalah di kemudian hari.
00:11:48Kami menguji ini pada situs komunitas kami sendiri saat kami sedang dalam proses meluncurkan fitur baru.
00:11:53Kami sudah memiliki banyak anggota di sana, jadi setiap hal baru harus diperiksa dengan sangat teliti,
00:11:57karena kami tidak ingin merilis sesuatu yang merusak pengalaman pengguna yang sudah ada.
00:12:01Jadi kami memanggilnya dengan perintah slash, memberikan fiturnya, dan memintanya menganalisis
00:12:05di mana pengguna mungkin mengalami churn dan apa yang bisa memberikan pengalaman buruk.
00:12:09Ia mulai dengan menelusuri aplikasi secara mendalam untuk mengumpulkan konteks,
00:12:12lalu menjalankan agen-agennya dengan cara yang sama dan menghasilkan sekitar 30 ide berbeda.
00:12:17Dari ide-ide tersebut, ia memilih tiga terbaik dan mengeksplorasinya lebih jauh.
00:12:20Setelah selesai, ia memberikan semua temuan yang telah dinilai berdasarkan Kebaruan, Kelayakan, dan Kesesuaian.
00:12:25Ia berhasil menemukan celah yang sebelumnya tidak terdeteksi sama sekali,
00:12:28seperti fitur yang dijanjikan dalam PRD tetapi ternyata tidak pernah dibuat,
00:12:32sehingga kita hampir merilis sesuatu yang tidak sesuai janji,
00:12:35bersama dengan sejumlah temuan lainnya.
00:12:37Untuk setiap temuan, ia menyarankan perbaikan serta mencantumkan potensi kendala dan risiko yang menyertainya.
00:12:42Cara kerjanya sama seperti pada pengujian tadi.
00:12:44Alat ini tidak memperbaiki sendiri, jadi Anda cukup memberikan temuan yang diinginkan kembali ke agen,
00:12:48dan agen yang akan menerapkannya.
00:12:50Jadi Anda bisa menangani semua itu sebelum peluncuran, bukan setelahnya,
00:12:53sehingga kondisi aplikasi Anda jauh lebih baik saat resmi dirilis ke publik.
00:12:57Semua keahlian, alur kerja, dan sumber daya yang kami tampilkan di video kami
00:13:01tersedia di AI Labs Pro, yaitu komunitas kami.
00:13:04Jika Anda merasakan manfaat dari konten kami dan ingin mendukung kanal ini,
00:13:07ini adalah cara terbaik untuk melakukannya.
00:13:09Tautannya ada di deskripsi.
00:13:10Sekian untuk video kali ini.
00:13:12Jika ingin mendukung kanal ini dan membantu kami terus membuat video seperti ini,
00:13:16Anda bisa melakukannya dengan menekan tombol Super Thanks di bawah.
00:13:18Seperti biasa, terima kasih telah menonton, dan sampai jumpa di video berikutnya.