Transcript
00:00:00Ada istilah baru yang ramai dibicarakan, yaitu rekayasa graf, dan semua orang di X sedang membahasnya.
00:00:04Sebelum graf, semuanya berpusat pada rekayasa loop, di mana Anda memberi agen sebuah tujuan dan agen akan bekerja mencapainya
00:00:09secara mandiri. Namun dengan graf, pekerjaan dapat diselesaikan lebih cepat dan mencakup area yang jauh lebih luas sekaligus dibandingkan
00:00:14yang pernah dilakukan loop. Namun, ada masalah besar dengan sistem ini. Satu kesalahan kecil pada bagian
00:00:18graf akan mengganggu seluruh hasil akhir yang dikembalikan, dan sangat sulit dilacak karena yang Anda dapatkan
00:00:23di akhir hanyalah hasil yang sudah selesai. Karena itu, Anthropic baru saja merilis solusi tepat untuk masalah
00:00:27tersebut agar graf Anda tetap bekerja tanpa kegagalan. Jika Anda baru di sini, kami adalah perusahaan
00:00:32perangkat lunak, dan ini adalah kanal kami AI Labs, tempat kami menunjukkan cara mengoptimalkan bisnis Anda dengan AI,
00:00:37dan jika Anda belum memilikinya, Anda bisa menggunakan keahlian ini untuk mendapatkan penghasilan dengan mengoptimalkannya bagi orang
00:00:42lain. Dalam video ini, kami akan membahas rekayasa graf bagi siapa saja yang belum mengetahuinya
00:00:46dan memberikan solusi tepat yang disarankan oleh Anthropic. Sebelum kami menjelaskan rekayasa graf kepada Anda, Anda
00:00:52perlu memahami apa itu rekayasa loop sebenarnya. Jika Anda sudah tahu, Anda bisa melewati bagian ini.
00:00:56Siklus loop pada dasarnya adalah siklus kerja yang Anda serahkan ke agen. Daripada Anda memberinya instruksi di
00:01:02setiap langkah secara manual, Anda beri tahu tujuan akhir yang harus dicapai, dan agen akan mencapainya sendiri,
00:01:07sambil menyesuaikan diri di sepanjang proses. Kami telah menggunakannya secara intensif dalam alur kerja kami. Kami juga sudah membuat video lengkap
00:01:12tentang rekayasa loop, tempat kami membahas lebih dalam berbagai cara untuk mengaturnya, tetapi loop
00:01:17kini mulai berubah menjadi sesuatu yang disebut graf. Masalah pada loop terletak pada cara pembuatannya.
00:01:22Loop melakukan suatu tugas, lalu langkah verifikasi berjalan untuk memeriksa apakah hasilnya sudah sesuai
00:01:27dengan yang seharusnya. Setelah lolos, langkah berikutnya dimulai. Semuanya berjalan dalam garis lurus, jadi setiap langkah harus
00:01:32menunggu langkah sebelumnya selesai, bahkan ketika keduanya tidak saling berhubungan. Rekayasa graf
00:01:37memperbaiki masalah tepat tersebut. Alih-alih berjalan dalam garis lurus, graf membagi tugas utama menjadi bagian-bagian yang lebih
00:01:42kecil, dan setiap bagian ditangani oleh agennya sendiri. Keuntungan pertama yang Anda dapatkan adalah kecepatan, karena beberapa
00:01:47agen mengerjakan tugas secara bersamaan, alih-alih satu agen yang menyelesaikan semuanya secara berurutan. Dan membagi
00:01:52pekerjaan seperti itu juga sedikit menekan biaya, karena Anda bisa memilih model mana yang akan dijalankan oleh
00:01:56masing-masing agen. Jadi Anda tidak lagi membuang-buang model termahal untuk bagian yang sebenarnya tidak membutuhkan
00:02:01kecerdasan tinggi sejak awal. Namun itu adalah biaya per agen, bukan biaya secara keseluruhan. Graf menghabiskan jauh lebih banyak
00:02:07token daripada yang pernah dibutuhkan oleh satu agen, karena Anda menjalankan sekumpulan agen sekaligus, bukan hanya satu.
00:02:12Jika Anda menggunakan graf, bersiaplah batas kuota Anda akan tercapai jauh lebih cepat dari biasanya, jadi Anda tidak bisa
00:02:17benar-benar mengaturnya hanya dengan paket $20 dari Claude Code dan Codex. Nah, jika Anda telah menggunakan Claude Code,
00:02:22ini mungkin bukan hal yang benar-benar baru bagi Anda, karena Anda pasti pernah melihat graf yang berbentuk alur kerja
00:02:27dinamis. Alur kerja dinamis mengambil tugas yang Anda berikan dan mendistribusikannya ke sekumpulan sub-agen,
00:02:33yang pada dasarnya merupakan cara kerja graf. Sebelum kita membahas bentuk-bentuk yang bisa dimiliki sebuah graf, Anda perlu
00:02:38mengetahui apa saja penyusunnya. Setiap graf dibangun dari dua hal: node dan edge. Sebuah node
00:02:44pada dasarnya adalah satu pekerjaan terpisah dari tugas besar yang Anda berikan, dan berjalan secara mandiri. Node adalah agen
00:02:49yang melakukan tugas dalam jendela konteks terisolasinya sendiri lalu melaporkan hasilnya. Yang menghubungkan semua pekerjaan terpisah
00:02:55tersebut adalah edge. Edge mengontrol bagaimana data berpindah dari satu node ke node berikutnya, sehingga luaran dari satu agen
00:03:01sampai ke agen yang tepat di titik yang tepat. Jadi setiap node harus terhubung ke bagian graf lainnya
00:03:06dengan cara tertentu. Anda bisa melihatnya pada sekumpulan agen yang semuanya meninjau hasil pekerjaan yang sama. Tidak ada satu pun dari mereka
00:03:10yang saling menunggu. Namun semuanya memulai dari pekerjaan yang sama, dan setiap laporan mereka masuk
00:03:15ke tempat yang sama pada akhirnya, jadi begitulah graf disusun. Sekarang, inilah bentuk-bentuk bagaimana bagian-bagian tersebut
00:03:20diatur. Yang pertama adalah bentuk yang pernah kami tampilkan di kanal ini, dan kami salah sebut namanya
00:03:25saat itu. Kami menyebutnya loop, karena itu terjadi sebelum rekayasa graf dikenal. Namun
00:03:30yang sebenarnya kami miliki adalah graf yang kami perulangkan, dan bentuknya adalah belah ketupat (diamond). Satu tugas di
00:03:35bagian atas dipecah menjadi beberapa sub-agen yang berjalan secara sejajar, lalu semuanya menyatu kembali ke satu
00:03:41agen yang menggabungkan semua temuan mereka menjadi satu jawaban. Lalu ada graf jenis fan-in at a barrier,
00:03:46dan itu adalah bentuk yang Anda inginkan ketika satu hal harus dinilai dari beberapa sudut pandang sekaligus. Bagian fan-out
00:03:51mengirimkan masalah yang sama ke sekumpulan agen, dan masing-masing agen melihatnya dari sudut pandang yang berbeda.
00:03:56Tidak ada yang berjalan maju sampai setiap agen tersebut memberikan laporannya, dan baru setelah itulah
00:04:00sistem melanjutkan dan menjalankan perbaikannya. Ada banyak bentuk lainnya juga. Namun setiap bentuk ini bertumpu pada
00:04:05hal yang sama, yaitu verifikasi. Jika Anda tidak mengatur pemeriksaan tersebut dengan benar, setiap agen yang bekerja
00:04:10setelahnya hanya akan membangun di atas sebuah kesalahan. Namun sebelum kita membahas verifikasi, akan sangat luar biasa jika Anda
00:04:15berlangganan di kanal ini dan menekan tombol suka. Dukungan kecil ini sangat berarti bagi kami.
00:04:20Saat Anda menjalankan sekelompok besar agen, masalah bisa terjadi dengan cara yang tidak pernah dialami agen tunggal.
00:04:25Masalah terbesarnya adalah jumlah pekerjaannya. Semuanya berjalan di saat yang sama, jadi tumpukan hasil yang sangat
00:04:30banyak datang bersamaan, dan itu sangat sulit ditinjau di akhir. Masalah lainnya adalah
00:04:34Anda tidak dapat melihat apa yang sebenarnya terjadi. Ketika ada yang salah, Anda tidak punya cara untuk mengetahui penyebabnya.
00:04:39Saat ini, semua agen memverifikasi apa pun yang mereka tulis, baik Anda minta ataupun tidak. Jika Anda bekerja dengan kode,
00:04:44itu berarti agen menjalankan pengujian Anda dan menangkap kesalahan yang muncul. Namun itu hanya menangkap kesalahan
00:04:49besar. Itu tetap tidak memeriksa bagaimana kode tersebut ditulis, dan itu penting karena jika Claude
00:04:53terus menulis seperti ini, hal itu akan menimbulkan masalah di masa mendatang. Ada beberapa alat bawaan
00:04:58untuk hal ini di Claude Code juga. Yang pertama adalah keahlian (skill) verifikasi, yang memeriksa kode dari awal
00:05:03sampai akhir dan memastikan kode tersebut benar-benar berfungsi sebagaimana mestinya. Yang kedua adalah tool chaining,
00:05:08yaitu agen menjalankan berbagai alat untuk memverifikasi. Claude sudah tahu cara menjalankan alat yang
00:05:13memeriksa pekerjaan Anda, membaca pesan kesalahan yang muncul, dan memperbaikinya sendiri. Agen juga bisa menentukan perintah
00:05:18yang tepat untuk proyek Anda secara mandiri. Namun menuliskan perintah tersebut ke dalam berkas Claude.md akan menghemat waktunya
00:05:24agar tidak perlu mencari tahu setiap saat. Dan yang ketiga adalah keahlian tinjauan kode (code review), yang memeriksa kode
00:05:29terhadap serangkaian standar. Tidak semua agen memilikinya, tetapi Anda bisa meminta agen membuatkannya
00:05:33jika milik Anda belum ada. Namun verifikasi yang paling efektif adalah yang Anda atur sendiri,
00:05:38daripada bergantung sepenuhnya pada fitur bawaan. Jadi cara tercepat untuk membangun keahlian yang memverifikasi
00:05:44pekerjaan Anda adalah dengan plugin skill creator di Claude Code. Anda juga dapat menggunakan keahlian Claude Code ini di
00:05:49Codex. Anda jalankan perintah plugin, cari skill creator, lalu pasang. Dari sana,
00:05:54Anda punya dua pilihan. Anda dapat memasangnya di tingkat pengguna (user scope), yang berarti fitur itu selalu ada di folder mana pun
00:05:58Anda bekerja. Atau Anda dapat memasangnya khusus untuk proyek yang sedang Anda kerjakan saat ini.
00:06:03Karena ini adalah keahlian yang akan terus digunakan, kami memilih cakupan pengguna. Setelah itu,
00:06:07Anda muat ulang plugin dengan perintah garis miring dan pembuat keahlian siap digunakan. Sekarang Anda beri tahu
00:06:12apa yang ingin dibuat, dan di bagian inilah Anda menjelaskan jenis verifikasi yang sebenarnya Anda
00:06:17inginkan. Kami sebagian besar menggunakan keahlian peninjauan untuk memeriksa hasil akhir dengan apa yang kami minta di
00:06:22awal. Dan hal itu jauh lebih penting dalam graf karena setiap agen hanya melihat bagian tugasnya sendiri.
00:06:28Ini memberinya cara untuk memeriksa bagian tersebut terhadap persyaratan awal. Namun sebuah keahlian
00:06:32hanya sebagus model yang Anda gunakan. Saat kami membangun sistem verifikasi untuk antarmuka pengguna
00:06:37situs web komunitas kami, kami menjalankan peninjau di Haiku karena biayanya murah dan tugasnya terlihat cukup
00:06:43sederhana. Haiku memberikan daftar panjang masalah. Jika hanya melihat dari jumlah temuannya saja, tampaknya
00:06:47Haiku melakukan pekerjaan dengan hebat. Kemudian kami menjalankan perintah yang sama di Opus dan hasilnya jauh lebih sedikit.
00:06:53Itu terlihat seperti hasil yang buruk, sampai kami membaca alasannya. Banyak hal yang dilaporkan Haiku
00:06:58adalah hal-hal yang sengaja kami biarkan di sana. Jadi sebagian besar temuan yang dibuatnya sama sekali tidak perlu.
00:07:03Opus telah memahami hal itu dari kode di sekitarnya, sedangkan Haiku melewatkannya sama sekali. Jadi tinjauan murah
00:07:08tidak menghemat biaya apa pun karena sekarang tinjauan itu sendiri perlu ditinjau ulang. Sekarang bayangkan hal itu terjadi di dalam
00:07:13sebuah graf tempat sekumpulan node semuanya memeriksa pekerjaan mereka sendiri dengan keahlian yang sama. Anda akan memiliki
00:07:18agen yang membuang waktu dan token untuk memperbaiki hal-hal yang sebenarnya tidak rusak. Dan karena ini terjadi di seluruh
00:07:23agen secara bersamaan, Anda tidak akan punya cara untuk mengetahui agen mana yang memulainya.
00:07:27Jadi model yang Anda pilih tidak hanya menentukan kualitas tinjauan, tetapi juga menentukan kualitas
00:07:31seluruh graf. Node yang melakukan penilaian adalah satu-satunya tempat di mana menghemat token akan merugikan
00:07:37segalanya. Hal lain yang harus Anda putuskan adalah bagaimana dan kapan keahlian tersebut dipanggil. Dan itu
00:07:41Membaginya menjadi tiga jenis. Namun sebelum kita membahas jenis-jenisnya, mari simak pesan dari sponsor kami.
00:07:46Jika Anda pernah mengambil data langsung dari web, Anda tahu scraping itu sangat merepotkan, di mana Anda harus
00:07:51berhadapan dengan captcha dan batasan kecepatan, bergelut dengan proksi, dan memperbaiki tata letak yang rusak tepat
00:07:56saat Anda meluncurkannya. Maka dari itu kami menggunakan SERP API, yang menyelesaikan semua masalah ini sehingga Anda bisa fokus membangun.
00:08:01Cukup satu panggilan API, Anda mengirimkan permintaan dan menerima objek JSON bersih berisi data yang tepat Anda butuhkan
00:08:07dengan uptime lebih dari 99,9% dan respons sekitar 1,2 detik. Saat Anda membangun agen AI, Anda bisa
00:08:14mengarahkan API pencarian Google ke agen yang membutuhkan informasi terkini atau menggunakan API Google Scholar untuk
00:08:20jurnal yang sudah ditinjau sejawat lengkap dengan metadata, itulah mengapa banyak agen produksi mengandalkannya. Mulailah dengan
00:08:25250 kredit gratis menggunakan tautan di deskripsi atau pindai kode QR di layar. Terima kasih kepada SERP API yang telah
00:08:32Sponsor video ini. Jenis pertama adalah mandiri (standalone), yaitu jenis keahlian yang hanya berjalan saat Anda
00:08:37menjalankannya secara manual. Keahlian mandiri dibuat untuk meninjau secara mendalam hal yang sudah ada, sehingga dapat
00:08:42memeriksa ulang hasil yang sudah selesai dengan baik. Itulah mengapa Anda tidak ingin fitur ini aktif setelah setiap eksekusi. Anda akan
00:08:48membuang-buang token untuk peninjauan berat pada pekerjaan yang bahkan belum selesai. Salah satu yang pernah kami gunakan adalah
00:08:53tinjauan kode thermonuclear oleh Cursor. Fitur ini menyebarkan sekumpulan agen dan mengirim masing-masing untuk memeriksa kode dari
00:08:59sudut pandang keamanan yang berbeda. Setiap temuan dikumpulkan di satu tempat, sehingga perbaikan bisa dikerjakan
00:09:04bersama-sama, dan itulah jenis peninjauan yang hanya Anda jalankan setelah aplikasi selesai. Untuk membuatnya, lebih baik Anda menggunakan
00:09:10skill creator daripada sekadar memberinya instruksi, karena hasil yang dikembalikan sudah diuji, dan itu membuatnya lebih
00:09:15mudah dipercaya. Anda beri tahu dalam perintah bagian mana yang ingin ditinjau, dan pastikan Anda menyebutkan bahwa
00:09:20peninjauan harus komprehensif agar sistem tahu Anda menginginkan peninjauan mendalam, bukan yang cepat. Namun keahlian mandiri
00:09:26tidak berguna bagi node yang masih bekerja, karena Anda harus menjalankannya sendiri. Untuk itulah keahlian
00:09:31tertanam (embedded) dibutuhkan. Keahlian tertanam berjalan sebagai bagian dari alur kerja yang sudah Anda jalankan tanpa perlu diminta
00:09:36lagi. Anda bisa membuat satu yang otomatis aktif setiap kali ada yang meminta fitur baru. Fitur ini memeriksa apakah
00:09:41setiap komponen yang dibuat telah mengikuti aturan yang Anda tetapkan dalam keahlian tersebut, dan tidak akan membiarkan
00:09:45implementasi selesai sampai diperiksa berdasarkan aturan tersebut. Anda dapat membangun keahlian tertanam
00:09:50sendiri, tetapi Anda tidak dapat mengambil keahlian yang sudah terpasang sebelumnya dan menjalankannya secara otomatis, seperti
00:09:54keahlian verifikasi yang kita bahas tadi. Instruksi yang dijalankan oleh keahlian tersebut berada di dalam produk,
00:10:00dan Anda tidak bisa mengubahnya. Untuk membuatnya sendiri, beri instruksi ke skill creator untuk menjalankan langkah verifikasi
00:10:05setelah setiap implementasi fitur, jadi Anda minta untuk menguji fitur dari awal hingga akhir agar
00:10:10dapat mendeteksi apakah pekerjaan baru merusak fungsi yang sebelumnya sudah berjalan. Claude kemudian membuat keahlian tersebut
00:10:16untuk Anda, dan karena skill creator yang menghasilkannya, fitur ini dilengkapi dengan referensi dan skrip yang telah
00:10:21disusun dan diuji oleh skill creator sebagai bagian dari proses. Sekarang untuk memverifikasi fitur, Claude menggunakan pengujian peramban secara
00:10:26default di mana sistem memeriksa antarmuka dengan membuka peramban Chrome penuh, memuat halaman, dan mengambil
00:10:31tangkapan layarnya. Dan jika Anda telah menghubungkan Puppeteer atau Playwright, yang pada dasarnya merupakan alat yang paling sering
00:10:36digunakan orang untuk menjalankan peramban secara otomatis, alat tersebut melakukan hal yang sama. Namun Chrome terkenal boros memori
00:10:41dan berat, dan untuk memeriksa halaman berulang kali di dalam alur kerja, performanya cukup lambat hingga
00:10:46mulai menyita waktu Anda. Jadi ada cara yang lebih ringan, yang disebut Chrome Headless Shell. Ini pada dasarnya
00:10:52versi peramban yang disederhanakan dengan semua bagian tambahan yang dibuang. Agen tetap membuka
00:10:57halaman dan mengambil tangkapan layar dengan cara yang sama. Hanya saja prosesnya selesai jauh lebih cepat daripada
00:11:02Chrome versi penuh. Anda dapat membangunnya langsung ke dalam keahlian verifikasi yang Anda buat. Dengan begitu setiap fitur
00:11:07yang dibangun agen diperiksa secara visual tanpa Anda perlu mengatur apa pun setiap saat. Selain itu,
00:11:12keahlian yang paling sering kami gunakan dalam alur kerja kami sendiri adalah second opinion (pendapat kedua), dan alasannya sederhana.
00:11:17Agen yang membangun fitur tersebut adalah peninjau terburuk yang pernah ada. Agen itu menilai pekerjaannya sendiri berdasarkan
00:11:23konteks yang sama dengan yang digunakan untuk membuatnya, jadi tinjuannya hanya berpatokan pada hal itu. Sesi Claude yang baru belum melihat
00:11:28semua itu. Sesi baru memberikan tinjauan tanpa bias dan memberikan jawaban yang jujur. Claude memang memiliki penasihat
00:11:33bawaan yang melakukan hal serupa, tetapi fitur itu membaca obrolan yang sedang Anda gunakan saat ini sehingga mewarisi
00:11:38semua konteks yang sama. Second opinion digunakan saat Anda menginginkan tinjauan tanpa konteks tersebut. Cara kerjanya dengan memulai
00:11:43sesi Claude lain dari dalam sesi yang sedang Anda jalankan, menggunakan bendera -p. Itu adalah
00:11:48bendera yang menjalankan seluruh sesi Claude Code terpisah di latar belakang dengan memberinya perintah untuk
00:11:53dikerjakan. Namun ada beberapa hal yang perlu Anda ketahui jika ingin menggunakan ini. Karena sistem
00:11:57Membuka sesi yang sepenuhnya terpisah, dibutuhkan waktu yang sangat lama untuk mendapatkan jawaban,
00:12:02dan pemilihan model di sini lebih penting daripada bagian mana pun, karena poin utamanya adalah pembacaan kedua yang lebih cerdas.
00:12:07Jadi sangat layak untuk memberi tahu Claude secara eksplisit agar memulai sesi tersebut di Opus. Itu memberi setiap node dalam
00:12:12graf Anda cara untuk memeriksa pekerjaannya oleh entitas yang tidak terlibat dalam pembuatannya. Namun satu keahlian tidak bisa
00:12:18mencakup semuanya. Saat Anda meninjau sesuatu secara benar, Anda meninjaunya dari beberapa
00:12:22sudut pandang berbeda, dan setiap sudut pandang memiliki caranya sendiri untuk mengukur. Anda tidak dapat memasukkan semua jenis tinjauan ke dalam
00:12:27satu keahlian, karena dengan begitu agen akan memiliki terlalu banyak arahan untuk ditinjau dan hasilnya malah memburuk
00:12:33alih-alih membaik. Jadi Anda membangun keahlian terpisah untuk setiap sudut pandang dan mengaitkannya bersama-sama. Tim Anthropic
00:12:38sendiri juga bekerja seperti ini. Mereka menggabungkan keahlian tinjauan kode dengan keahlian penyederhanaan dan keahlian verifikasi,
00:12:43dan ketiga fitur tersebut sekarang sudah tersedia di Claude Code. Selain itu, mereka menjalankan keahlian desain milik mereka sendiri,
00:12:49yang memeriksa antarmuka terhadap berkas design.md, yang pada dasarnya adalah berkas yang menyimpan setiap
00:12:54keputusan desain untuk produk tersebut. Jadi itu adalah peninjauan yang datang dari empat arah, bukan hanya satu. Anda akan
00:12:59berada di posisi yang sama, dengan tumpukan keahlian yang masing-masing mencakup sudut pandang berbeda. Namun Anda tidak bisa hanya
00:13:04menyuruh agen untuk menjalankan semuanya sekaligus. Yang Anda butuhkan adalah satu keahlian lagi yang berada di atas yang lain,
00:13:09yang pada dasarnya merupakan keahlian orkestrator yang tugas satu-satunya adalah menjalankan keahlian lainnya. Fitur ini menjalankan agen untuk
00:13:15setiap keahlian tinjauan yang Anda miliki dan menyerahkan tugas masing-masing. Semuanya meninjau pada saat yang sama di jendela
00:13:20konteks terpisah mereka sendiri. Kemudian fitur ini menarik semua temuan kembali ke dalam satu laporan yang dapat digunakan oleh agen perbaikan
00:13:25untuk bekerja. Kemudian saat Anda membangun graf, satu-satunya hal yang perlu Anda sampaikan dalam perintah adalah
00:13:30bahwa agen harus menggunakan satu keahlian tersebut. Setiap node yang dijalankan akan memuat keahlian tunggal itu dan seluruh proses peninjauan akan
00:13:35terdistribusi secara otomatis di bawahnya. Sekarang kami telah menyusun dokumen yang berisi semua cara untuk mengatur
00:13:40verifikasi untuk graf secara mendetail. Dokumen tersebut beserta semua keahlian yang ditampilkan dalam video ini tersedia
00:13:45di AI Labs Pro, yang merupakan komunitas kami. Jadi jika Anda mendapatkan manfaat dari apa yang kami lakukan dan ingin mendukung
00:13:50kanal ini, ini adalah cara terbaik untuk melakukannya. Tautannya ada di deskripsi. Kita telah sampai di penghujung
00:13:55video ini. Jika Anda ingin mendukung kanal ini dan membantu kami terus membuat video seperti ini, Anda dapat melakukannya dengan
00:14:00menggunakan tombol super thanks di bawah. Seperti biasa, terima kasih telah menonton dan sampai jumpa di video berikutnya.