Metode Desain Pengurutan Topologis untuk Mencegah Referensi Sirkular pada Konfigurasi YAML Archon
makedream14 मई 2026
0
Computing/Software
Comments (0)
Log in to leave a comment
No posts yet
makedreammakedreamLog in to leave a comment
No posts yet
Kita hidup di era di mana agen LLM lokal dapat menulis kode dan melakukan deployment secara mandiri. Namun, hal itu tidak akan berguna jika infrastruktur yang menjalankannya berantakan. Saat menggunakan framework Archon, kita sering menghadapi situasi di mana dependensi node dalam file YAML menjadi kacau sehingga terjebak dalam loop tak terbatas, atau loader.ts menolak untuk dijalankan. Hal yang lebih penting daripada kemampuan penalaran model adalah stabilitas dari wadah yang menampung mesin nondeterministik ini, yaitu stabilitas dari harness engineering.
Workflow Archon harus berupa Directed Acyclic Graph (DAG) dengan input dan output yang terdefinisi dengan jelas. Jika Anda menghubungkan node secara sembarangan, cacat logis pasti akan muncul sejak tahap desain. Terutama, kebiasaan menyalin dan menempelkan pengaturan yang mirip ke setiap node adalah penyebab utama human error.
&common_config di bagian atas YAML dan definisikan model provider atau instruksi dasar. Di setiap node, gunakan <<: *common_config untuk mewarisinya, yang dapat mengurangi panjang file konfigurasi hingga lebih dari 30%.loop_until milik Archon untuk memisahkannya menjadi unit eksekusi tersendiri agar sistem tidak berhenti.prompt dan paksakan output_format: { type: 'object' }. Jawaban AI yang terstruktur akan mencegah kesalahan referensi $nodeId.output dan meningkatkan tingkat keberhasilan workflow hingga lebih dari 25%.Metode pembuatan Git worktree agar agen dapat bekerja secara independen memang rapi, namun ada harganya. Setiap kali folder berat seperti node_modules direplikasi, puluhan gigabyte penyimpanan akan hilang. Pada MacBook M4 yang menggunakan unified memory, saat disk swap terjadi, seluruh sistem akan melambat secara signifikan.
git worktree remove pada tahap terakhir workflow. Pindahkan hanya log dan file Diff yang diperlukan ke $ARTIFACTS_DIR, dan hapus sisanya tanpa ragu.npm install.Jika agen tiba-tiba mulai melantur atau salah memanggil alat (tool call), Anda harus mencurigai tingkat okupansi context window (). Ketika prompt dan riwayat melampaui 40% dari token maksimum, model akan memasuki apa yang disebut sebagai Dumb Zone dan kecerdasannya akan menurun drastis.
U = rac{T_{prompt} + T_{history} + T_{tools}}{T_{max}}Jika metrik ini melampaui ambang batas, daripada memperbaiki seluruh sistem, Anda harus memilih node yang bermasalah dan melakukan perbaikan spesifik.
verification ke setiap node di DAG untuk menjalankan unit test segera setelah eksekusi. Jika test gagal, buatlah loop perbaikan mandiri (self-correction loop) yang mengembalikan instruksi node tersebut ke versi sebelumnya atau segera mengganti prompt-nya.Harness engineering bukanlah tentang teknik menggunakan AI dengan baik, melainkan tentang menarik LLM yang tidak dapat dikendalikan ke dalam ranah rekayasa perangkat lunak. Hanya dengan infrastruktur yang kokoh, agen dapat menunjukkan kemampuannya yang sebenarnya.