Kamu mungkin melewatkan potensi asli dari skill agent!

AAcademind
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00saat bekerja dengan Cloud Code, Codex, atau alat rekayasa bertenaga agen lainnya, satu hal yang sangat penting
00:00:05konsep yang didukung oleh semua alat ini yang harus Anda pahami dan gunakan adalah konsep
00:00:12keahlian agen (agent skills). Dan ini mudah diabaikan karena hanya berupa sekumpulan berkas markdown atau karena
00:00:18mengaturnya bisa merepotkan, tetapi menurut pengalaman saya ini sangat berharga. Beberapa hari yang lalu ada
00:00:24sebuah unggahan dari seseorang di tim Cloud Code, jadi seseorang dari Anthropic, di mana dia membagikan
00:00:31berbagai jenis keahlian yang mereka gunakan secara internal karena Anda memang bisa membedakan
00:00:37berbagai jenis keahlian yang ingin Anda buat. Semuanya hanyalah berkas markdown pada akhirnya, meskipun
00:00:42Anda bisa menambahkan lebih banyak lagi, nanti saya bahas, tapi tentu saja apa yang ada di dalam berkas markdown itu bisa
00:00:49sangat berbeda. Nah, gambar ini dan seluruh unggahan ini bisa terasa sangat membebani dan bisa membuat Anda
00:00:56tidak melakukan apa-apa karena merasa, oke kalau saya harus menghabiskan seminggu untuk mengatur keahlian, lebih baik
00:01:02tidak menggunakannya sama sekali, dan itulah mengapa saya ingin menawarkan alternatif untuk hal itu di video ini.
00:01:08Saya pikir Anda cukup memiliki tiga jenis keahlian inti yang harus diperhatikan dan itu akan memberikan
00:01:15hasil yang lebih baik. Ngomong-ngomong, seperti yang saya sebutkan, semua alat ini mendukung keahlian, saya membahas cara mengaturnya, cara
00:01:20memanggilnya secara aktif, cara membangun keahlian untuk Cloud Code dan Codex di kursus saya masing-masing, dan jika Anda
00:01:26ingin mengikuti kursus tersebut atau mendapatkan akses ke semua kursus saya termasuk kursus mendatang, saat ini saya
00:01:31sedang mengadakan promosi di mana Anda bisa mendapatkan keanggotaan tahunan yang memberi akses penuh ke semua
00:01:35kursus saya selama Anda berlangganan dengan harga yang sangat murah, tautan ada di bawah. Tapi mengenai
00:01:41keahlian ini, mereka hanyalah berkas markdown yang disimpan di tempat khusus dan
00:01:46lokasi pastinya tergantung pada alat yang Anda gunakan, tetapi pada akhirnya keahlian tersebut berfungsi sebagai templat perintah atau
00:01:52konteks tambahan yang dapat dimasukkan ke dalam sesi rekayasa bertenaga agen Anda. Dan
00:02:01tipe keahlian yang pertama adalah dokumentasi atau keahlian pengetahuan (knowledge skill) menurut saya.
00:02:09Apa yang saya maksud dengan itu? Di sini saya sedang berada di proyek academy.com saya, yaitu proyek situs web saya, dan di sana saya punya
00:02:15beberapa keahlian agen yang sebenarnya hanyalah jenis dokumentasi atau pengetahuan yang saya ekspos ke agen AI di sini. Sebagai
00:02:25contoh, beberapa pengetahuan TypeScript di sini, beberapa pengetahuan tentang fitur TypeScript yang lebih canggih,
00:02:33mungkin beberapa fitur baru seperti kata kunci "satisfies" yang belum ada
00:02:40selama 10 tahun, beberapa hal yang saya ingin agen AI sadari atau diingatkan kembali karena mungkin saja
00:02:50itu bukan hal pertama yang dicari agen karena mungkin agen tersebut belum banyak melihat hal-hal itu di data pelatihannya.
00:02:58Jadi, ini benar-benar sesuatu yang bisa Anda temukan di dokumentasi resmi TypeScript. Masalahnya adalah
00:03:04kecuali Anda memberi tahu agen secara eksplisit untuk melakukannya, kemungkinan besar agen tidak akan pergi ke
00:03:11dokumentasi resmi tersebut, dia tidak akan membuka dokumentasi TypeScript, jadi saya lebih baik memiliki keahlian saya sendiri, dan
00:03:17keahlian ini memiliki beberapa metadata. Metadata ini penting karena ide di balik keahlian ini adalah
00:03:24tidak semua keahlian yang tersedia dimuat ke dalam jendela konteks (context window) setiap saat, melainkan hanya
00:03:30metadata-nya saja yang dimuat, lalu agen AI dapat memutuskan keahlian mana yang ingin ia
00:03:37baca lebih lanjut tergantung pada perintah (prompt) dan tugas yang Anda berikan. Anda juga bisa memanggil keahlian secara aktif
00:03:43tergantung pada alat yang Anda gunakan, tetapi ide utamanya adalah agen memuatnya sendiri
00:03:47berdasarkan metadata tersebut. Jadi di sini saya punya metadata di mana saya mencoba memberikan agen gambaran
00:03:55tentang kapan harus menggunakan keahlian ini, dan oleh karena itu, itulah salah satu jenis keahlian di mana Anda menyediakan dokumentasi tambahan
00:04:02atau pengetahuan yang mungkin tidak dimiliki agen karena mungkin Anda juga bekerja dengan perpustakaan (library) yang
00:04:08tidak ada dalam data pelatihan karena masih baru, atau di mana Anda tahu bahwa agen tersebut mungkin belum melihat
00:04:13banyak tentangnya dan Anda ingin agen menyadarinya, jadi itulah jenis keahlian yang pertama.
00:04:18Tipe keahlian yang kedua adalah perilaku (behaviors), praktik terbaik (best practices), pendekatan, dan semacamnya, dan di sini idenya
00:04:29adalah tentu saja saat Anda mengerjakan sebuah proyek, Anda mungkin memiliki preferensi tertentu mengenai
00:04:37gaya kode atau mengenai bagaimana sesuatu harus dilakukan. Contohnya, saya punya keahlian
00:04:45kode React modern yang bersih ini, yang bukan sekadar mendokumentasikan fitur React, melainkan
00:04:50menetapkan beberapa aturan yang harus diikuti agen saat menulis kode React untuk memastikan bahwa
00:04:59anti-pola tertentu setidaknya menjadi lebih jarang ditemukan. Karena setidaknya bagi saya saat ini, agen AI cenderung menghasilkan
00:05:08kode yang tidak selalu berkualitas tinggi, dan Anda bisa mendebat apakah Anda peduli dengan
00:05:13kualitas kode tersebut atau tidak. Saya membuat video terpisah di saluran lain tentang itu. Menurut saya itu
00:05:18penting karena kualitas kode berpengaruh pada kemampuan untuk meninjau (review) kode tersebut. Hal itu bisa memiliki implikasi
00:05:23performa, implikasi pada seberapa mudah kode tersebut dipelihara atau dikembangkan, jadi menurut saya itu
00:05:29penting, dan jika Anda memiliki perilaku atau pola tertentu yang Anda ingin agen gunakan, maka
00:05:36keahlian perilaku seperti itu—di mana Anda memberi tahu cara menulis kode React yang baik, bahwa agen harus mencoba menghindari
00:05:43penggunaan useEffect dan bagaimana cara menghindarinya—jenis keahlian itu bisa sangat menarik. Jadi di sini bukan lagi soal
00:05:50memberikan dokumentasi tambahan atau pengetahuan tambahan, melainkan menginstruksikan perilaku. Nah, yang
00:05:55menarik dari keahlian ini adalah saya memiliki beberapa berkas terkait, yaitu berkas dengan detail lebih lanjut
00:06:02tentang useEffect, karena semua berkas keahlian ini dimuat secara malas (lazily) seperti yang sudah saya katakan, dan Anda dapat
00:06:09di dalam berkas keahlian merujuk pada berkas lain seperti berkas useEffect.md di folder referensi di sini,
00:06:15lalu AI dapat memutuskan untuk memuat berkas itu hanya ketika ia tahu bahwa ia sedang bekerja dengan useEffect,
00:06:21bahwa ia sedang melakukan sesuatu dengan useEffect, sehingga di sana saya memiliki detail lebih lanjut tentang anti-pola
00:06:27yang harus disadarinya. Mengatur jenis keahlian seperti ini bisa sangat bermanfaat, juga karena
00:06:33tentu saja saya bisa menyalinnya ke proyek React apa pun, saya tidak perlu menulis ulang setiap saat, dan itu bisa
00:06:39menghasilkan kode yang lebih baik di sana. Jadi itulah jenis keahlian kedua yang saya rekomendasikan, dan Anda tidak perlu
00:06:45memikirkan semua pola berbeda yang mungkin ingin Anda deskripsikan, melainkan lakukan saja langkah demi langkah; jika
00:06:52Anda melihat bahwa dalam proyek Anda agen AI terus-menerus melakukan sesuatu yang tidak Anda inginkan,
00:06:58tambahkan keahlian di mana Anda memikirkan deskripsi yang baik yang meningkatkan peluang keahlian tersebut dimuat
00:07:04di waktu yang tepat, lalu masukkan instruksi Anda dalam keahlian itu, jadi gunakan untuk memperbaiki masalah, dan seiring waktu
00:07:11Anda akan membangun perpustakaan keahlian dengan praktik terbaik dan perilaku spesifik yang ingin Anda tegakkan,
00:07:17dan Anda kemudian dapat menggunakannya di proyek masa depan, jadi jangan anggap itu sebagai tugas awal yang besar dan
00:07:22sangat mengintimidasi, melainkan bangunlah basis keahlian itu selangkah demi selangkah. Nah, tipe keahlian yang ketiga, dan
00:07:29ini tipe keahlian yang berbeda, adalah keahlian berbasis fungsionalitas (functionality driven skills). Sejauh ini kita sudah membahas tentang dokumentasi
00:07:37dan tentang penegakan perilaku tertentu. Nah, alat rekayasa bertenaga agen seperti Cloud Code dan Codex
00:07:43dapat melakukan berbagai macam hal; mereka bisa menulis kode tentu saja, tetapi Anda tidak terbatas pada menulis
00:07:49kode dalam proyek, karena karena mereka bisa menulis kode, mereka bisa melakukan apa saja di komputer Anda jika Anda mau,
00:07:55Anda bisa menggunakannya untuk menganalisis dokumen PDF misalnya, atau saya punya beberapa keahlian global di sistem saya yang
00:08:03tidak spesifik hanya untuk pemrograman, beberapa memang spesifik tapi tidak semua. Anda bisa mengatur keahlian yang memberi tahu
00:08:09seorang agen cara menghasilkan gambar. Apa maksud saya dengan itu? Tentu saja ada berbagai
00:08:16layanan atau API yang bisa Anda gunakan untuk menghasilkan gambar atau video dengan AI, sesuatu seperti Fal AI—ini bukan
00:08:24video bersponsor, ngomong-ngomong—ada juga Replicate dan ada berbagai layanan lainnya. Sekarang tentu saja
00:08:29jika Anda ingin menghasilkan gambar, katakanlah untuk sebuah proyek, Anda butuh gambar tiruan (dummy) di situs web Anda atau
00:08:34untuk sesuatu yang sama sekali berbeda, gambar yang ingin Anda cetak dan pajang di dinding, Anda bisa menggunakan
00:08:41layanan ini, dan Anda bisa menggunakan Codex, Cloud Code, agen Pi yang sangat saya sukai, dan memintanya untuk menghasilkan
00:08:49gambar untuk Anda. Secara bawaan, kemungkinan besar ini akan gagal karena alat rekayasa bertenaga agen ini
00:08:54tidak memiliki kemampuan pembuatan gambar bawaan, tetapi jika Anda memberi mereka keahlian yang tepat, yang tetap saja
00:09:00hanyalah berkas markdown, di dalamnya tentu saja Anda dapat mendeskripsikan cara berinteraksi dengan API pihak ketiga
00:09:06untuk menghasilkan gambar. Mendeskripsikan interaksi tersebut mungkin satu cara, tetapi Anda bisa melangkah
00:09:12lebih jauh, keahlian Anda juga bisa dilengkapi dengan skrip; tidak semua membutuhkannya tetapi di sini keahlian
00:09:18pembuatan gambar saya memilikinya. Skrip ini adalah skrip yang sejujurnya ditulis oleh AI, ini adalah hasil "vibe coding",
00:09:26dan di sini saya punya beberapa skrip yang berinteraksi dengan Fal API, jadi layanan pembuatan gambar tersebut,
00:09:34saya pada dasarnya mengambil dokumentasi mereka, memasukkannya ke dalam perintah dan menyuruh agen AI untuk menuliskan saya
00:09:40alat yang dapat memanfaatkan atau yang dapat berbicara dengan API dari Fal untuk menghasilkan gambar. Jadi sebuah alat CLI kecil
00:09:49ditulis di sini, skrip kecil yang dapat berbicara dengan API itu dan menghasilkan gambar dengan berbagai
00:09:56parameter dan sebagainya, dan kemudian berkas skill.md, berkas itu hanya menjelaskan cara menggunakan skrip tersebut,
00:10:02berkas itu menunjuk padanya dan memberi tahu agen cara mengeksekusinya, parameter mana yang harus dimasukkan dan seterusnya, lalu
00:10:08saya punya berkas .env di sini dengan kunci Fal saya, dan ketika skrip ini dipanggil melalui Bun, yang
00:10:18mana saya beri tahu AI di dalam berkas skill.md, berkas .env tersebut akan dimuat secara otomatis jadi saya tidak
00:10:23perlu memberi agen akses ke kunci tersebut, saya tidak perlu memberi tahu, "Tolong buatkan gambar, ngomong-ngomong
00:10:29ini kuncinya," sebaliknya saya cukup menyuruhnya membuat gambar, ia akan melakukannya berkat
00:10:34deskripsi ini, memuat keahlian ini saat dibutuhkan, dan kemudian di sana ia mempelajari bahwa ia hanya perlu menjalankan
00:10:39sebuah skrip dan ia tidak perlu mengkhawatirkan detail implementasinya, dan itu adalah jenis keahlian lain yang
00:10:45menurut saya menarik, tidak hanya terkait dengan pemrograman, Anda tentu saja juga bisa memiliki
00:10:52keahlian berbasis skrip di sana, beberapa keahlian yang memformat kode atau entahlah, tapi secara umum
00:10:57karena Anda benar-benar bisa menggunakan agen ini lebih dari sekadar menghasilkan kode, dan oleh karena itu
00:11:02itu pasti kategori keahlian lain yang perlu diperhatikan. Tapi ya, secara keseluruhan saya katakan jangan terlalu merumitkan
00:11:08masalahnya tetapi juga jangan mengabaikannya, melainkan bangunlah perpustakaan keahlian Anda selangkah demi selangkah. Perlu dicatat bahwa
00:11:14tentu saja ada registri keahlian seperti skills.sh di mana Anda dapat menelusuri keahlian yang dibuat oleh orang lain.
00:11:21Hanya dua catatan penting: ini bisa sangat berguna tetapi yang tidak akan saya lakukan adalah berkata, "Oke, saya sedang membangun
00:11:29proyek React dengan Tailwind dan Better Auth dan entahlah, jadi saya akan mencari semua keahlian
00:11:35yang berpotensi menarik di sana dan saya akan memasang semuanya ke dalam proyek saya," itu mungkin
00:11:40kontraproduktif karena Anda memuat lebih banyak metadata ke dalam jendela konteks Anda dan
00:11:47beberapa keahlian ini mungkin tidak penting, jadi itu adalah satu hal yang perlu disadari. Saya tidak akan selalu mencoba
00:11:53menambahkan semua keahlian yang secara teori bisa ditambahkan, sebaliknya Anda harus selektif dan fokus pada
00:11:57hal-hal yang secara konsisten salah dilakukan oleh AI atau di mana Anda tahu bahwa dokumentasi tambahan
00:12:04akan dibutuhkan. Itu satu hal, dan hal lainnya tentang registri ini tentu saja adalah Anda
00:12:09memasukkan keahlian yang ditulis oleh orang lain. Keahlian ini, seperti yang kita pelajari, hanyalah perintah (prompt), jika
00:12:16ada sesuatu yang berbahaya dalam salah satu perintah ini, itu bisa menjadi masalah, itu bisa menyebabkan serangan
00:12:22injeksi perintah dan Anda harus menyadari hal itu. Sekarang beberapa registri seperti skills.sh menurut sepengetahuan saya
00:12:28melakukan semacam pemindaian untuk mengurangi bahaya injeksi perintah, tetapi Anda tidak pernah 100%
00:12:36aman, dan karena itu itu adalah sesuatu yang perlu diwaspadai. Jadi kapan pun Anda menggunakan keahlian yang ditulis oleh
00:12:40orang lain, bacalah, itu ada di sana untuk Anda baca, lihatlah dan periksa apakah ada sesuatu yang
00:12:47berbahaya di dalamnya. Itu hanya satu peringatan, tapi ya, selain itu, gunakanlah keahlian, jangan merasa
00:12:54Anda perlu membangun sistem yang sangat kompleks di sini, melainkan bermain-mainlah dengan mereka dan ingatlah
00:13:00tiga jenis keahlian inti ini.

Key Takeaway

Mengoptimalkan potensi agen AI dapat dilakukan dengan membangun pustaka keahlian berbasis markdown secara bertahap yang mencakup dokumentasi, standar perilaku kode, dan integrasi fungsionalitas skrip pihak ketiga.

Highlights

Konsep "agent skills" (keahlian agen) adalah berkas markdown yang berfungsi sebagai templat perintah atau konteks tambahan untuk alat AI seperti Cloud Code dan Codex.

Pengguna disarankan untuk tidak merasa terbebani dengan pengaturan yang rumit dan cukup fokus pada tiga kategori keahlian inti.

Tipe pertama adalah keahlian pengetahuan (knowledge skills) yang menyediakan dokumentasi spesifik atau pustaka baru yang mungkin belum ada dalam data pelatihan AI.

Tipe kedua adalah keahlian perilaku (behavior skills) untuk menegakkan standar kualitas kode, gaya penulisan, dan menghindari pola pemrograman yang buruk.

Tipe ketiga adalah keahlian berbasis fungsionalitas (functionality-driven skills) yang memungkinkan agen melakukan tugas di luar pemrograman, seperti pembuatan gambar melalui API pihak ketiga.

Penggunaan skrip eksternal dan variabel lingkungan (.env) memungkinkan agen menjalankan alat CLI tanpa perlu memberikan akses langsung ke kunci API yang sensitif.

Penting untuk tetap selektif dalam menggunakan registri keahlian publik guna menghindari beban konteks yang berlebihan dan risiko keamanan seperti injeksi perintah.

Timeline

Pendahuluan dan Pentingnya Agent Skills

Pembicara memperkenalkan konsep keahlian agen sebagai elemen krusial saat bekerja dengan alat rekayasa bertenaga AI seperti Cloud Code atau Codex. Banyak pengguna mengabaikan fitur ini karena dianggap hanya sekadar berkas markdown biasa atau proses pengaturannya yang terlihat merepotkan. Pengalaman internal dari tim Anthropic menunjukkan bahwa penggunaan keahlian ini sangat berharga untuk meningkatkan efisiensi kerja. Alih-alih merasa terbebani dengan struktur yang rumit, pembicara menyarankan pendekatan yang lebih sederhana dengan tiga tipe keahlian inti. Bagian ini menekankan bahwa keahlian agen berfungsi sebagai konteks tambahan yang dapat dipanggil secara otomatis oleh AI sesuai kebutuhan tugas.

Tipe 1: Keahlian Pengetahuan dan Dokumentasi

Kategori pertama yang dibahas adalah keahlian pengetahuan atau dokumentasi yang memberikan informasi spesifik kepada agen AI. Pembicara memberikan contoh penggunaan fitur TypeScript tingkat lanjut seperti kata kunci "satisfies" yang mungkin tidak segera dikenali oleh AI jika hanya mengandalkan data pelatihan umum. Dengan menyediakan metadata yang tepat, agen dapat memutuskan kapan harus membaca dokumentasi tambahan ini berdasarkan perintah yang diberikan pengguna. Hal ini sangat berguna ketika bekerja dengan pustaka atau library baru yang belum banyak terdokumentasi dalam model bahasa besar. Intinya, langkah ini memastikan agen memiliki akses ke informasi paling mutakhir tanpa harus mencari ke situs web eksternal secara manual.

Tipe 2: Keahlian Perilaku dan Praktik Terbaik

Tipe kedua berfokus pada instruksi perilaku dan penegakan praktik terbaik dalam penulisan kode, seperti gaya kode React yang bersih. Pembicara menjelaskan bahwa AI sering kali menghasilkan kode yang fungsional tetapi berkualitas rendah atau menggunakan pola lama yang tidak efisien. Melalui berkas markdown ini, pengguna dapat menetapkan aturan spesifik seperti menghindari penggunaan 'useEffect' yang berlebihan dan memberikan referensi mendalam tentang anti-pola. Keahlian ini dapat dimuat secara malas (lazily) sehingga hanya digunakan saat AI benar-benar menangani bagian kode yang relevan. Membangun basis keahlian perilaku ini secara bertahap akan membantu menciptakan kode yang lebih mudah dipelihara dan ditinjau pada proyek masa depan.

Tipe 3: Keahlian Berbasis Fungsionalitas dan Integrasi API

Kategori ketiga melibatkan perluasan kemampuan agen melalui skrip eksternal untuk melakukan tugas-tugas non-pemrograman seperti pembuatan gambar. Pembicara menunjukkan bagaimana ia menggunakan agen untuk membuat alat CLI kecil yang berinteraksi dengan Fal AI atau API pihak ketiga lainnya. Dengan menyertakan deskripsi cara menjalankan skrip dalam berkas keahlian, agen dapat mengeksekusi perintah kompleks tanpa perlu mengetahui detail implementasi kuncinya. Penggunaan file .env di sini sangat penting untuk menjaga keamanan kredensial agar agen tidak perlu melihat kunci API secara langsung. Pendekatan ini mengubah agen AI dari sekadar penulis kode menjadi asisten multifungsi yang mampu mengelola berbagai layanan di komputer pengguna.

Tips Tambahan: Registri Keahlian dan Keamanan

Di bagian akhir, pembicara memberikan saran mengenai penggunaan registri publik seperti skills.sh untuk menemukan keahlian yang dibuat oleh komunitas. Namun, ia memperingatkan agar pengguna tetap selektif karena memuat terlalu banyak keahlian yang tidak perlu dapat mempersempit jendela konteks dan menurunkan performa AI. Selain itu, aspek keamanan menjadi perhatian utama karena keahlian yang berasal dari pihak ketiga bisa saja mengandung perintah berbahaya atau serangan injeksi. Pengguna sangat disarankan untuk selalu membaca dan meninjau isi berkas markdown sebelum menerapkannya dalam lingkungan kerja mereka. Video ditutup dengan pesan untuk tidak merumitkan sistem sejak awal, melainkan bereksperimen dan tumbuh bersama tiga tipe keahlian inti tersebut.

Community Posts

View all posts