00:00:00Masalah utama agen AI adalah jendela konteks yang terbatas,
00:00:03yang membatasi ingatan mereka terhadap tindakan sebelumnya.
00:00:06Ketika kita memberi Claude tugas yang lebih besar,
00:00:08ia akan memadatkan berkali-kali saat mencoba satu fitur,
00:00:11melupakan tugas utama yang diminta untuk diimplementasikan,
00:00:14sehingga kurang efektif untuk tugas jangka panjang.
00:00:17Anthropic baru saja merilis solusi yang didasarkan pada cara kerja tim nyata di lingkungan rekayasa yang sebenarnya.
00:00:22Mereka mengidentifikasi dua alasan utama mengapa ini gagal dalam tugas-tugas panjang.
00:00:26Banyak dari kita pernah mencoba membuat seluruh aplikasi atau fitur besar dalam satu kali percobaan,
00:00:30dan melakukan terlalu banyak menyebabkan model kehabisan konteksnya.
00:00:34Setelah pemadatan berulang,
00:00:35jendela konteks di-refresh dengan fitur yang baru setengah diimplementasikan tanpa ingatan akan kemajuan fitur tersebut,
00:00:41dan ini menyebabkan implementasi yang tidak lengkap.
00:00:43Masalah kedua adalah,
00:00:44karena kemampuan pengujian yang kurang,
00:00:46Claude menandai fitur yang belum diuji sebagai selesai.
00:00:49Ia mengasumsikan fitur tersebut selesai,
00:00:51meskipun sebenarnya tidak berfungsi dengan baik.
00:00:53Solusi mereka adalah menggunakan agen inisialisasi dan agen pengodean secara harmonis,
00:00:56terinspirasi dari cara kerja tim perangkat lunak yang sebenarnya.
00:00:59Alur kerja ini awalnya ditujukan untuk agen yang Anda bangun sendiri,
00:01:02tetapi saya menyadari bahwa ini juga bisa diterapkan pada instans kode Claude.
00:01:06Agen pertama berfokus pada inisialisasi agen pengodean Anda dengan benar,
00:01:09dan Anda harus bersabar di sini karena butuh sedikit waktu.
00:01:12Saya punya proyek Next.js kosong dan ingin membuat kompiler Python online.
00:01:16Sebelum memulai,
00:01:17buat file Claude.md menggunakan perintah init.
00:01:20File ini adalah dokumen untuk basis kode Anda dan berada di root proyek Anda,
00:01:24berisi gambaran umum dan semua informasi penting.
00:01:27Selanjutnya, buat JSON daftar fitur di root proyek.
00:01:30Ini harus mencantumkan semua fitur dan langkah pengujian yang sesuai,
00:01:33dengan semua pengujian ditandai sebagai gagal di awal,
00:01:36sehingga Claude dipaksa untuk mengujinya.
00:01:38Kami menggunakan JSON daripada Markdown karena file JSON lebih mudah dikelola dalam konteks.
00:01:43Karena Claude hanya bisa menguji kode,
00:01:44bukan antarmuka yang kita lihat di browser,
00:01:46saya menghubungkan Puppeteer untuk pengujian browser.
00:01:49Setelah itu,
00:01:50buat skrip init untuk memandu memulai server dev dan file pelacak kemajuan agar sistem dapat melacak status penyelesaian proyek.
00:01:57Sebagai panduan,
00:01:58Claude perlu memperbarui progress.md setelah setiap eksekusi dan menguji setiap fitur setelah implementasi.
00:02:04Praktik terpenting adalah melakukan commit ke Git.
00:02:07Kita sering meremehkan betapa pentingnya melakukan commit dalam keadaan yang bisa digabungkan.
00:02:10Commit Git dengan log yang jelas menunjukkan apa yang sudah selesai dan memungkinkan Anda mengembalikan jika implementasi gagal.
00:02:15Terakhir,
00:02:16Claude tidak boleh mengubah daftar fitur selain menandai fitur sebagai sudah diimplementasikan.
00:02:20Setelah lingkungan siap, kita beralih ke bagian pengodean.
00:02:23Idenya adalah mengimplementasikan setiap fitur satu per satu dari JSON fitur.
00:02:27Claude juga membuat pesan commit yang deskriptif setelah setiap fitur yang diuji dan juga meluncurkan browser saat dibutuhkan.
00:02:33Setelah memverifikasi aplikasi berfungsi,
00:02:35ia memperbarui kolom JSON dari false menjadi true dan memperbarui progress.md dengan apa yang telah diselesaikan sejauh ini.
00:02:42Akhirnya,
00:02:42ia melakukan commit perubahan dan memverifikasi bahwa commit berhasil.
00:02:45Keuntungan dari pendekatan inkremental ini adalah bahkan jika sesi berakhir,
00:02:49Anda dapat melanjutkan tepat dari titik terakhir Anda berhenti.
00:02:51Semuanya dilacak dalam log Git,
00:02:53jadi Anda tidak perlu khawatir merusak kode.
00:02:55Claude dapat memahami proyek dari log Git dan file kemajuan,
00:02:58bukan dari kode itu sendiri,
00:03:00sehingga Anda dapat melanjutkan sesi dengan mudah.
00:03:02Prompt Anda berikutnya hanyalah untuk mengimplementasikan fitur berikutnya yang ditandai 'Belum selesai'.
00:03:06Pendekatan ini juga mengurangi kecenderungan Claude untuk menandai fitur selesai tanpa pengujian yang tepat.
00:03:11Setiap iterasi memastikan aplikasi dibangun secara menyeluruh dengan pengujian nyata,
00:03:15membantu mengidentifikasi bug yang tidak jelas hanya dari kode.
00:03:19Kami mengulangi siklus ini sampai semua fitur ditandai true.
00:03:22Anda mungkin berpikir ini mirip dengan metode BMAD.
00:03:24Ada kemiripan,
00:03:25tapi menurut saya alur kerja Claude lebih baik dalam beberapa hal.
00:03:28Ini lebih mudah karena Anda tidak memanggil agen secara terpisah,
00:03:31dan pemanfaatan konteks juga lebih baik.
00:03:33Setelah mengimplementasikan begitu banyak fitur,
00:03:36ia hanya menggunakan 84% konteks,
00:03:37padahal BMAD sudah akan memadatkan dua kali karena cerita besar yang dibuatnya.
00:03:42Meskipun begitu,
00:03:42BMAD masih merupakan sistem lengkap yang siap pakai,
00:03:45sementara ini masih merupakan ide yang perlu diimplementasikan.
00:03:48Tapi BMAD bisa menggunakan beberapa hal dari ini,
00:03:50seperti sistem Git.
00:03:51Setelah mengajari jutaan orang cara membangun dengan AI,
00:03:54kami mulai mengimplementasikan alur kerja ini sendiri.
00:03:57Kami menemukan bahwa kami bisa membangun produk yang lebih baik lebih cepat dari sebelumnya.
00:04:00Kami membantu mewujudkan ide-ide Anda,
00:04:02baik itu aplikasi maupun situs web.
00:04:04Mungkin Anda telah menonton video kami sambil berpikir,
00:04:06"Saya punya ide bagus,
00:04:07tapi saya tidak punya tim teknis untuk membangunnya.
00:04:09"Di situlah kami hadir."
00:04:10Anggap kami sebagai co-pilot teknis Anda.
00:04:12Kami menerapkan alur kerja yang sama yang telah kami ajarkan kepada jutaan orang langsung ke proyek Anda,
00:04:17mengubah konsep menjadi solusi nyata yang berfungsi tanpa pusingnya merekrut atau mengelola tim pengembang.
00:04:22Siap mempercepat ide Anda menjadi kenyataan?
00:04:25Hubungi kami di hello@autometer.dev.
00:04:27Itu mengakhiri video ini..
00:04:29Jika Anda ingin mendukung saluran ini dan membantu kami terus membuat video seperti ini,
00:04:33Anda bisa melakukannya dengan menggunakan tombol super thanks di bawah.
00:04:36Seperti biasa,
00:04:36terima kasih sudah menonton,
00:04:37dan sampai jumpa di video berikutnya.