00:00:00Bayangkan jika Claude Code bukan sekadar satu asisten, melainkan satu tim utuh, berisi 20, 30, atau bahkan 50 agen
00:00:06yang bekerja secara paralel, menyelesaikan fitur-fitur selagi Anda menyaksikannya.
00:00:09Inilah Gastown.
00:00:11Ini bukan sekadar mengobrol dengan AI, ini adalah sebuah pabrik.
00:00:14Alat ini mengurai fitur, menugaskan pekerja paralel, menggabungkan kode secara otomatis, menyimpan segalanya
00:00:20di Git, dan tetap berjalan meskipun terjadi kegagalan sistem.
00:00:23Ini bisa meningkatkan produktivitas Anda 10x lipat atau justru mengacaukan segalanya.
00:00:27Mari kita pelajari penyiapannya dan bagaimana semua ini sebenarnya bekerja.
00:00:35Gastown adalah orkestrator sumber terbuka yang mengubah agen pengodean AI menjadi sesuatu
00:00:39yang lebih mirip Kubernetes untuk alur kerja pengembangan.
00:00:43Pertama-tama, Gastown bukanlah model AI, melainkan hanya sebuah orkestrator.
00:00:48Ia berada di atas alat-alat seperti Claude Code dan mengubahnya menjadi sistem multi-agen yang terkoordinasi.
00:00:53Anda memberikan tujuan tingkat tinggi kepada apa yang mereka sebut sebagai "Mayor",
00:00:58dan Mayor memecah tujuan tersebut menjadi unit tugas terstruktur yang disebut "Beads".
00:01:02Beads kemudian dikelompokkan ke dalam apa yang mereka sebut sebagai "Convoys", lalu agen pekerja yang disebut
00:01:07"Polecats" mengeksekusinya secara paralel.
00:01:09Ini sangat luar biasa karena beberapa alasan.
00:01:11Semuanya berjalan melalui Git.
00:01:13Setiap agen bekerja pada branch, antrean merge, dan statusnya tersimpan, jadi jika sistem macet, Anda tidak
00:01:20perlu memulai semuanya dari awal lagi.
00:01:21Sekarang bandingkan itu dengan "vibe coding" biasa, atau pengodean AI pada umumnya.
00:01:26Kita hanya punya satu sesi, eksekusi linear, pergeseran konteks, orkestrasi manual; agak berantakan.
00:01:31Gastown pada dasarnya adalah penskalaan horizontal untuk kognisi, dan itu sangat penting.
00:01:32Tapi pertanyaan sebenarnya adalah, apakah ini benar-benar berfungsi?
00:01:37Jika Anda menyukai konten seperti ini, pastikan untuk berlangganan.
00:01:40Kami mengunggah video setiap saat.
00:01:42Sekarang mari kita mulai, jalankan, dan lakukan beberapa pengujian.
00:01:44Oke, saya sudah menjalankan aplikasi to-do sederhana.
00:01:47Saya menemukan yang berbasis Go di GitHub.
00:01:49Saya memilih Go karena Gastown sendiri utamanya ditulis dalam Go,
00:01:53tapi sebenarnya tidak ada perbedaan dalam proyek yang Anda pilih, ia akan tetap berjalan normal.
00:01:58Aplikasi to-do ini tidak memiliki autentikasi, hanya aplikasi CRUD dasar.
00:02:02Dan jika Anda pernah menambahkan autentikasi ke aplikasi yang sudah ada, Anda tahu sulitnya
00:02:06memastikan tidak ada yang rusak.
00:02:11Bukan sekadar menambah login, tapi perubahan basis data, rute, middleware, formulir, pengujian, Docker, semuanya.
00:02:12Dan saat membangun aplikasi ini, semua bagian saling berhubungan.
00:02:18Tantangan yang kita uji adalah, bisakah Gastown melakukannya tanpa perlu saya atur secara mendetail?
00:02:22Sejujurnya, penyiapan di sini agak merepotkan.
00:02:26Saya perlu menginstal banyak paket besar melalui brew, mengatur segalanya,
00:02:30dan menjalankannya setelah terinstal pun butuh pemecahan masalah dan waktu.
00:02:35Tapi setelah saya berhasil menyinkronkan semuanya, ia berjalan sangat baik.
00:02:39Setelah berjalan, saya hubungkan Mayor dan memberikan satu perintah.
00:02:43Saya katakan: tambahkan auth JWT, gunakan SQLite yang dasar saja, buat endpoint login dan daftar,
00:02:46lindungi rute, tambahkan formulir HTML, tulis pengujian, dan tambahkan file Docker.
00:02:52Itu saja.
00:02:58Itu permintaan yang sangat banyak, bukan?
00:02:59Banyak hal yang terjadi sekaligus.
00:03:00Tanpa instruksi langkah demi langkah, dan mari kita lihat apa yang sebenarnya terjadi di sini.
00:03:01Mayor sekarang mengurai fitur-fitur tersebut secara otomatis.
00:03:05Skema, middleware, endpoint auth, formulir frontend, pengujian; semuanya menjadi unit tugas terpisah,
00:03:10dan ingat, satu unit tugas (bead) dikerjakan oleh satu pekerja.
00:03:18Dan lihat, semua polecat sekarang berkerumun.
00:03:21Satu agen membuat skema SQLite, satu menulis middleware JWT, satu membangun
00:03:25rute login dan daftar, yang lain memperbarui formulir UI, dan satu lagi menulis pengujian
00:03:31integrasi, serta Docker kita; semua ini terjadi secara bersamaan.
00:03:37Dan inilah kontras yang nyata.
00:03:40Jika Anda menggunakan Claude Code sendirian, Anda akan melakukannya secara berurutan.
00:03:42Anda memberi perintah, menunggu, memperbaiki, memberi perintah lagi, menjelaskan ulang konteks terus-menerus.
00:03:47Begitulah cara kerja agen kode pada umumnya.
00:03:52Namun di sini, branch Git mengisolasi pekerjaan, penggabungan diantrekan, dan status dilacak.
00:03:55Jadi, alih-alih Anda yang menyimpan seluruh rencana di kepala, sistemlah yang menyimpannya.
00:04:00Dan jika ini macet di tengah jalan, tidak masalah.
00:04:05Anda melanjutkan dari status terakhir yang tersimpan secara otomatis nanti.
00:04:09Sekarang, saat pembuktian tiba.
00:04:13Saya mem-fork ini ke sebuah repositori, jadi sekarang saya ingin memeriksa semua perubahan
00:04:14yang telah dibuat dan ditambahkan di GitHub saya.
00:04:19Kita bisa melihat kode lama, tetapi semua yang lain di sini telah diedit.
00:04:22Daftar, login, pembuatan token, rute yang terlindungi berfungsi, pengujian lolos, semuanya.
00:04:25Inilah yang ditambahkan melalui Gastown.
00:04:32Seluruh fitur tersebut diurai dan diimplementasikan hanya dalam beberapa menit.
00:04:35Dan itulah poin utamanya.
00:04:39Perbedaannya bukan sekadar kecepatan, melainkan pengurangan beban kognitif.
00:04:40Kita tidak lagi mengelola setiap langkah kecil AI, tapi itu bukan berarti otomatis sempurna.
00:04:44Karena menjalankannya bisa menjadi cerita yang berbeda.
00:04:49Biarkan saya menjalankan ini sebentar.
00:04:50Mari kita lihat apa hasilnya dan apa yang kita kerjakan di sini.
00:04:52Jadi, secara keseluruhan, begini tampilannya.
00:04:53Tidak buruk, aplikasi yang sangat mendasar.
00:04:56Dan Anda bisa melihat saya bisa login di sini, membuat akun.
00:04:58Daftar to-do masih berfungsi, tidak ada yang berubah dengan itu.
00:05:00Ia menambahkan rute kita, file Docker, dan semua tambahan autentikasi JWT itu.
00:05:03Jadi hasilnya sangat bagus di sini.
00:05:06Pada aplikasi skala besar, saya ingin melihat bagaimana performanya, tapi ini benar-benar
00:05:11menghabiskan banyak token saya.
00:05:12Berbicara tentang itu, mari kita bahas komprominya.
00:05:16Ada pro dan kontranya, kan?
00:05:18Pertama kelebihannya, skalabilitas.
00:05:21Ini sangat keren.
00:05:23Anda bisa memiliki 20 hingga 30 agen yang bekerja secara bersamaan.
00:05:25Artinya output masif untuk fitur besar, jenis pekerjaan di mana satu orang biasanya
00:05:27tenggelam dalam tugas dan saling ketergantungan.
00:05:30Kedua, fitur keren lainnya adalah persistensi Git.
00:05:35Tidak ada lagi sesi AI yang rapuh di mana semuanya menghilang jika terjadi kegagalan sistem
00:05:37saat kita harus melanjutkannya kembali.
00:05:40Benar, kan?
00:05:45Itu adalah hal-hal yang sangat hebat.
00:05:46Tapi sekarang kekurangannya, karena di sinilah orang-orang merasa terkejut.
00:05:47Saya juga terkejut dengan beberapa hal ini, tapi masuk akal.
00:05:48Kelelahan pengawasan; ya, sistem menghasilkan sangat banyak kode, tapi Anda juga harus
00:05:50meninjau sangat banyak kode.
00:05:54Ini bisa sangat produktif, tapi juga sangat melelahkan.
00:06:00Lalu ada masalah biaya.
00:06:01Penggunaan berat bisa menjadi sangat mahal dengan cepat.
00:06:04Kita tidak hanya menjalankan satu agen.
00:06:06Kita menjalankan semua agen ini secara paralel.
00:06:07Silakan Anda hitung sendiri biayanya.
00:06:09Antar agen masih bisa terjadi konflik.
00:06:11Mereka bisa melakukan over-engineering.
00:06:13Mereka benar-benar bisa merusak repositori Anda karena mereka diberi kendali penuh atas segalanya.
00:06:14Ini bukan sekadar pasang-dan-pakai, yang membawa kita ke pertanyaan sebenarnya.
00:06:15Apakah Anda benar-benar ingin bekerja seperti ini dalam alur kerja Anda,
00:06:19atau apakah ini terasa berlebihan?
00:06:23Ya, Anda juga bisa memilih penyedia lain; pilihannya di tangan Anda, Claude, OpenAI, oke.
00:06:27Ini adalah alat tahap awal, namun menunjukkan sesuatu yang jauh lebih besar
00:06:29karena arahnya sudah jelas bahwa ini bukan lagi sekadar AI membantu Anda mengoding.
00:06:34Ini adalah AI yang mengubah alur kerja dengan semua agen yang berjalan secara paralel.
00:06:38Jadi Gastown mewakili pergeseran dari asisten AI menjadi banyak agen yang bekerja bersama.
00:06:43Ini mengubah kendali kita karena sekarang Anda bisa mengoordinasikan backend, frontend,
00:06:47pengujian, dokumentasi, dan infrastruktur secara bersamaan.
00:06:54Ini bisa membuat Anda jauh lebih produktif atau bahkan mendefinisikan ulang apa arti pengembangan itu sendiri.
00:07:00Pertanyaannya bukan apakah sistem multi-agen akan datang.
00:07:03Sistem itu sudah ada di sini, kan?
00:07:08Ini adalah salah satu contohnya.
00:07:09Pertanyaannya sekarang adalah, apakah Anda akan bereksperimen dengannya sekarang atau nanti?
00:07:12Karena siapa yang tahu?
00:07:13Mereka akan datang.
00:07:14Berlanggananlah untuk mendapatkan info alat dan tips lainnya yang mengubah alur kerja pengembangan.
00:07:19Sampai jumpa di video lainnya.
00:07:20Mereka akan datang.
00:07:21Berlanggananlah untuk alat dan tips lainnya tentang alat yang mengubah alur kerja pengembangan.
00:07:25Sampai jumpa di video lainnya.