{"content_id":"oswgmcvvui","slug":"loop-engineering-concept-components","locale":"id","schema_type":"TechArticle","category":"ai_data","category_name":"Data AI","title":"Konsep dan Komponen Esensial Rekayasa Loop","summary":"Rekayasa loop adalah metode desain yang membuat agen AI mengulangi proses perencanaan, eksekusi, pengujian, dan perbaikan untuk meningkatkan hasil ketika manusia mendefinisikan tujuan dan batasan. Komponen intinya dapat dirangkum sebagai otomasi, worktree, skill, plugin dan konektor, sub-agen, serta memori.","author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Rekayasa loop bukan sekadar penulisan prompt, melainkan pendekatan untuk merancang sistem kerja yang memungkinkan AI menjalankan proses berulang hingga tujuan tercapai.","Jika rekayasa harness menciptakan lingkungan kerja dan aturan yang aman, rekayasa loop mengoperasikan mesin eksekusi berulang di dalam lingkungan tersebut.","Loop yang aman memerlukan ruang kerja yang terisolasi, panduan yang jelas, koneksi alat, pembagian peran, penyimpanan status, dan kondisi penghentian.","Dalam otomasi pengembangan AI, loop menggabungkan penulisan kode, eksekusi pengujian, analisis kesalahan, percobaan ulang, dan permintaan peninjauan ke dalam satu siklus umpan balik tertutup.","Rekayasa loop dapat meningkatkan produktivitas, tetapi dapat menjadi berisiko tanpa manajemen wewenang, pengendalian biaya, verifikasi kualitas, dan mekanisme pencegahan pengulangan tanpa batas."],"content_markdown":"## Ikhtisar\n\nRekayasa loop adalah metode untuk merancang **struktur berulang tempat agen AI merencanakan, menjalankan, memeriksa hasil, merefleksikan penyebab kegagalan, lalu mencoba lagi** menuju satu tujuan. Ini menjadi semakin penting terutama dalam pekerjaan yang hasilnya dapat diverifikasi, seperti pengembangan perangkat lunak, pemrosesan data, pembuatan dokumen, dan otomatisasi pengujian.\n\nIstilah ini belum digunakan sebagai istilah akademis baku di semua dokumen standar. Namun secara praktis, ini dapat dijelaskan sebagai konsep tahap berikutnya setelah rekayasa prompt, rekayasa konteks, dan rekayasa harness. Intinya bukan “memberi AI instruksi yang baik satu kali”, melainkan “membuat sistem yang memungkinkan AI berulang sampai tujuan tercapai dalam lingkungan yang aman”.\n\n## Evolusi rekayasa AI: dari prompt hingga loop\n\n| Tahap | Pertanyaan inti | Peran manusia | Peran AI | Hasil utama |\n|---|---|---|---|---|\n| Rekayasa prompt | Bagaimana cara bertanya | Menulis instruksi dan memeriksa hasil | Menghasilkan satu respons | Jawaban, draf, potongan kode |\n| Rekayasa konteks | Informasi latar apa yang akan diberikan | Menyediakan dokumen, contoh, kebijakan, data | Bernalar dalam konteks yang diberikan | Jawaban lebih konsisten, hasil yang disesuaikan |\n| Rekayasa harness | Dalam lingkungan dan aturan seperti apa AI akan bekerja | Merancang izin, alat, prosedur, aturan keselamatan | Menggunakan alat dalam lingkungan yang ditentukan | Alur kerja agen yang terkendali |\n| Rekayasa loop | Bagaimana membuat AI berulang hingga tujuan tercapai | Menetapkan tujuan, batasan, kriteria evaluasi, kondisi penghentian | Mengulang eksekusi, verifikasi, perbaikan, percobaan ulang | Loop kerja yang membaik secara otomatis |\n\n### Rekayasa prompt\n\nRekayasa prompt adalah cara menyusun pertanyaan, perintah, contoh, dan format keluaran secara cermat untuk memperoleh hasil yang diinginkan dari AI. Ini adalah bentuk interaksi paling dasar, dan lebih dekat dengan struktur di mana manusia mengubah instruksi setiap kali serta memeriksa hasilnya.\n\n### Rekayasa konteks\n\nRekayasa konteks adalah cara memperoleh hasil yang lebih akurat dengan turut menyediakan dokumen, kebijakan, informasi codebase, preferensi pengguna, gaya keluaran, percakapan sebelumnya, dan sebagainya yang dapat dijadikan referensi oleh model. Jendela konteks panjang, retrieval-augmented generation, lampiran file, dan pengindeksan codebase terkait dengan tahap ini.\n\n### Rekayasa harness\n\nRekayasa harness merancang **prosedur dan batasan seperti apa yang harus diikuti AI saat menggunakan alat dan menjalankan beberapa langkah**. Misalnya, aturan seperti “baca file terkait sebelum mengubah kode”, “jangan gabungkan jika pengujian tidak lolos”, atau “jangan membuka file yang berisi informasi sensitif” ditanamkan ke dalam lingkungan.\n\n### Rekayasa loop\n\nRekayasa loop adalah cara menambahkan **mesin eksekusi berulang** di atas lingkungan kerja terkendali yang dibuat oleh harness. Agen AI memilih tindakan berikutnya sendiri menuju tujuan, menggunakan alat, mengevaluasi hasil, dan jika gagal, memperbaiki strategi lalu menjalankannya kembali.\n\n## Definisi inti rekayasa loop\n\nRekayasa loop dapat didefinisikan sebagai perancangan sistem kerja AI yang memenuhi kondisi berikut.\n\n- Manusia menentukan tujuan akhir, cakupan yang diizinkan, kriteria evaluasi, dan kondisi penghentian.\n- Agen AI menyusun rencana kerja untuk mencapai tujuan.\n- Agen menggunakan alat yang diperlukan seperti eksekusi kode, pengujian, pencarian, modifikasi file, dan pemanggilan API.\n- Jika hasil eksekusi gagal atau tidak memadai, agen menganalisis penyebab kegagalan dan membuat percobaan berikutnya.\n- Loop berhenti jika kondisi penghentian terpenuhi, seperti tujuan tercapai, anggaran terlampaui, jumlah iterasi terlampaui, sinyal risiko muncul, atau persetujuan manusia diperlukan.\n\nDengan kata lain, esensi rekayasa loop adalah **siklus umpan balik otomatis**.\n\n## Mengapa rekayasa loop diperlukan\n\nDalam cara penggunaan AI yang lama, manusia mudah menjadi bottleneck. Alasannya, manusia harus menulis prompt, memeriksa hasil, meminta perbaikan lagi, menjalankan pengujian, menyalin pesan kesalahan, lalu memasukkannya kembali.\n\nRekayasa loop mensistematisasi proses berulang ini. Misalnya dalam pekerjaan pengembangan, AI dapat secara otomatis mengulang alur berikut.\n\n1. Membaca persyaratan dan menyusun rencana kerja.\n2. Mengubah kode di ruang kerja terpisah.\n3. Menjalankan pengujian dan linter.\n4. Menganalisis log kesalahan.\n5. Membuat sendiri prompt perbaikan atau tindakan berikutnya.\n6. Mengubah kode lagi.\n7. Jika memenuhi kriteria kelulusan, merangkum hasil dan meminta peninjauan.\n\nDalam struktur ini, manusia tidak perlu secara langsung memberi instruksi untuk setiap tahap perantara. Sebaliknya, manusia berfokus pada penetapan tujuan, persetujuan, penanganan pengecualian, dan penilaian kualitas akhir.\n\n## 6 komponen wajib rekayasa loop\n\n### 1. Otomatisasi: mesin yang benar-benar menjalankan loop\n\nOtomatisasi adalah fondasi yang membuat loop berjalan tanpa input manual dari manusia. Ini mencakup antrean kerja, scheduler, pipeline CI/CD, runtime agen, pemicu peristiwa, kebijakan percobaan ulang, dan sebagainya.\n\nFungsi yang ditangani otomatisasi adalah sebagai berikut.\n\n- Mendeteksi kondisi mulai pekerjaan\n- Menjalankan agen\n- Memanggil alat dan mengumpulkan hasil\n- Menjalankan tahap pengujian atau verifikasi\n- Mencoba ulang saat gagal\n- Menyimpan log\n- Beralih ke tahap persetujuan manusia\n- Membatasi biaya, waktu, dan jumlah iterasi\n\nOtomatisasi bukan sekadar “eksekusi otomatis”, melainkan perangkat kontrol yang mengelola siklus hidup loop.\n\n### 2. Worktree: ruang kerja yang aman\n\nWorktree adalah ruang kerja terisolasi yang disediakan agar AI tidak langsung merusak kode utama atau data operasional nyata. Contoh representatifnya adalah cara seperti fitur `worktree` di Git, yaitu membuat direktori kerja terpisah dari repositori yang sama sehingga perubahan dan pengujian dapat dilakukan secara independen.\n\nAlasan worktree penting adalah sebagai berikut.\n\n- Melindungi branch utama atau lingkungan operasional.\n- Memungkinkan beberapa agen menjalankan pekerjaan berbeda secara paralel.\n- Memudahkan pembuangan percobaan yang gagal.\n- Memungkinkan peninjauan perubahan sebagai diff.\n- Hanya perubahan yang lolos pengujian yang dapat dijadikan kandidat penggabungan.\n\nDalam rekayasa loop, worktree adalah ruang eksperimen AI. Agar seluruh sistem tetap aman meskipun agen melakukan perubahan berani, isolasi ruang kerja diperlukan.\n\n### 3. Skill: panduan yang menjadi standar kerja\n\nSkill adalah kumpulan panduan, prosedur, checklist, aturan coding, prinsip desain, dan contoh yang harus diikuti AI saat menjalankan pekerjaan tertentu. Seperti manusia memberikan dokumen onboarding kepada anggota tim baru, agen juga membutuhkan standar pelaksanaan pekerjaan.\n\nDokumen skill dapat berisi informasi berikut.\n\n- Penjelasan struktur proyek dan modul inti\n- Gaya kode dan aturan penamaan\n- Cara menulis pengujian\n- Prinsip desain API\n- Hal yang dilarang terkait keamanan\n- Checklist sebelum deployment\n- Lokasi log yang harus diperiksa saat gagal\n- Format pelaporan hasil\n\nTanpa skill, agen akan bergantung pada penalaran umum setiap kali. Sebaliknya, skill yang ditulis dengan baik menyampaikan cara kerja organisasi kepada AI dalam bentuk yang dapat digunakan kembali.\n\n### 4. Plugin dan konektor: akses ke alat yang diperlukan\n\nPlugin dan konektor memungkinkan AI mengakses alat dan sistem yang diperlukan selama bekerja. Misalnya, repositori kode, issue tracker, sistem pencarian, database, penyimpanan dokumen, runner pengujian, browser, alat deployment, dan sistem notifikasi dapat menjadi target koneksi.\n\nAlasan perlunya koneksi alat sangat jelas. Jika agen menilai bahwa “pengujian harus dijalankan” tetapi tidak memiliki izin menjalankan pengujian, loop akan berhenti. Jika agen menilai bahwa “dokumen terkait harus diperiksa” tetapi tidak ada jalur akses dokumen, kemungkinan besar agen akan menjawab berdasarkan tebakan.\n\nPerancangan konektor yang baik membutuhkan prinsip berikut.\n\n- Menerapkan prinsip hak akses minimum.\n- Memisahkan izin baca dan izin tulis.\n- Menempatkan tahap persetujuan untuk pekerjaan berisiko.\n- Mencatat semua pemanggilan alat sebagai log.\n- Membatasi akses informasi sensitif dengan kebijakan terpisah.\n- Mencatat pemanggilan alat yang gagal ke dalam status loop.\n\n### 5. Subagen: pekerja AI dengan peran terbagi\n\nSubagen adalah struktur yang membuat agen berdasarkan peran bekerja sama, bukan satu agen utama menangani semuanya. Seperti tim pengembang manusia, peran desain, backend, frontend, QA, peninjauan keamanan, dan dokumentasi dapat dipisahkan.\n\n| Peran | Tanggung jawab utama | Contoh keluaran |\n|---|---|---|\n| Agen planner | Analisis persyaratan, pemecahan pekerjaan, penetapan prioritas | Rencana implementasi, daftar pekerjaan |\n| Agen backend | Implementasi API, model data, logika server | Perubahan kode, pengujian |\n| Agen frontend | Perbaikan UI, manajemen status, aksesibilitas | Modifikasi komponen, pengujian layar |\n| Agen QA | Menjalankan pengujian, mereproduksi bug, verifikasi regresi | Log kegagalan, prosedur reproduksi |\n| Agen review | Memeriksa kualitas kode, keamanan, gaya | Komentar review, daftar risiko |\n| Agen dokumentasi | Menjelaskan perubahan, menulis cara penggunaan | Catatan rilis, panduan pengguna |\n\nKeunggulan struktur subagen adalah kemampuan membagi spesialisasi. Namun konflik antaragen, pekerjaan ganda, dan ketidakjelasan tanggung jawab juga dapat terjadi, sehingga diperlukan peran koordinator dan kontrak kerja yang jelas.\n\n### 6. Memori: penyimpanan status yang memungkinkan penghentian dan pelanjutan\n\nMemori adalah fungsi yang menyimpan status loop saat ini, percobaan sebelumnya, penyebab kegagalan, alasan keputusan, perubahan file, hasil pengujian, dan rencana tindakan berikutnya. Semakin panjang loop, memori semakin mendekati kebutuhan wajib.\n\nMemori secara garis besar dapat dibagi menjadi dua jenis.\n\n- Memori jangka pendek: rencana sesi kerja saat ini, log, hasil pemanggilan alat, pesan kesalahan\n- Memori jangka panjang: aturan proyek, cara penyelesaian sebelumnya, pola bug berulang, preferensi pengguna, standar tim\n\nTanpa memori, agen dapat mengulang kesalahan yang sama atau memulai kembali dari awal pekerjaan yang terhenti di tengah. Sebaliknya, memori yang dirancang dengan baik menjaga loop tetap berlanjut secara stabil dan mengurangi biaya.\n\n## Arsitektur dasar rekayasa loop\n\nSistem rekayasa loop biasanya memiliki struktur berikut.\n\n1. Input tujuan: manusia memberikan masalah yang harus diselesaikan dan kriteria selesai.\n2. Pengumpulan konteks: membaca kode, dokumen, issue, log, dan kebijakan.\n3. Penyusunan rencana: agen membagi pekerjaan menjadi langkah-langkah kecil.\n4. Eksekusi: melakukan modifikasi kode, pembuatan file, pemrosesan data, dan pemanggilan alat.\n5. Verifikasi: menjalankan pengujian, lint, pemeriksaan tipe, pemeriksaan kebijakan, dan review.\n6. Evaluasi: menilai apakah kriteria tujuan terpenuhi.\n7. Iterasi: jika gagal, menganalisis penyebab dan kembali dengan rencana baru.\n8. Penghentian: berhenti karena salah satu dari sukses, batas terlampaui, risiko terdeteksi, atau perlu persetujuan manusia.\n9. Pelaporan: merangkum perubahan, hasil verifikasi, risiko tersisa, dan tindakan berikutnya yang direkomendasikan.\n\nAlur ini mengasumsikan bukan “AI yang hanya mengulang pikiran”, melainkan “AI yang bertindak di lingkungan nyata dan memverifikasi hasilnya”.\n\n## Perbedaan rekayasa harness dan rekayasa loop\n\n| Kategori | Rekayasa harness | Rekayasa loop |\n|---|---|---|\n| Tujuan | Membuat lingkungan agar AI bekerja dengan aman | Membuat AI berulang hingga tujuan tercapai |\n| Elemen utama | Aturan, izin, alat, prosedur, batasan | Eksekusi berulang, umpan balik, percobaan ulang, penyimpanan status |\n| Respons terhadap kegagalan | Mencegah tindakan berbahaya atau meminta persetujuan | Merefleksikan penyebab kegagalan untuk membuat percobaan berikutnya |\n| Intervensi manusia | Berfokus pada perancangan kebijakan dan lingkungan | Berfokus pada penetapan tujuan, penanganan pengecualian, persetujuan akhir |\n| Analogi | Tempat kerja dan perlengkapan keselamatan | Lini produksi yang terus menggerakkan tempat kerja |\n\nJika membuat loop tanpa harness, agen dapat melakukan tindakan berbahaya dengan izin berlebihan. Jika hanya membuat harness tanpa loop, ada lingkungan yang aman tetapi produktivitas terbatas. Dalam praktik, kedua pendekatan ini diperlukan bersama.\n\n## Contoh penerapan: loop agen coding AI\n\nDalam pengembangan perangkat lunak, rekayasa loop relatif mudah dipahami. Misalnya, anggap tujuan “perbaiki kesalahan login” diberikan.\n\n### Input\n\n- Tujuan: memperbaiki bug yang menyebabkan kegagalan login pada kondisi tertentu\n- Kriteria selesai: pengujian terkait lolos, tidak ada regresi pada fungsi login yang ada, ringkasan perubahan diserahkan\n- Batasan: dilarang mengubah cara penyimpanan token autentikasi, dilarang mengubah database pengguna secara langsung\n\n### Eksekusi loop\n\n1. Agen membaca deskripsi issue dan file terkait.\n2. Membuat branch atau direktori kerja terpisah di worktree.\n3. Mereproduksi pengujian yang gagal.\n4. Menganalisis log kesalahan dan kode terkait.\n5. Menerapkan usulan perbaikan.\n6. Menjalankan pengujian.\n7. Jika gagal, merangkum penyebab dan mencoba usulan perbaikan lain.\n8. Jika berhasil, merapikan diff, hasil pengujian, dan faktor risiko.\n9. Meminta persetujuan penggabungan kepada reviewer manusia.\n\nDalam contoh ini, manusia tidak menyalin log kesalahan setiap kali untuk menulis prompt baru. Sebaliknya, loop menjalankan pekerjaan berulang, dan manusia turun tangan pada tahap yang membutuhkan penilaian akhir dan tanggung jawab.\n\n## Variabel kontrol yang wajib ditentukan saat merancang\n\nRekayasa loop kadang dijelaskan dengan asumsi iterasi tanpa batas, tetapi dalam sistem nyata, “tanpa batas” itu berbahaya. Loop yang aman membutuhkan batas yang jelas.\n\n| Variabel kontrol | Deskripsi | Contoh |\n|---|---|---|\n| Jumlah iterasi maksimum | Membatasi berapa kali pekerjaan yang sama boleh dicoba ulang | Maksimum 5 kali percobaan ulang |\n| Anggaran waktu | Membatasi waktu eksekusi loop | Berhenti jika melebihi 30 menit |\n| Anggaran biaya | Membatasi pemanggilan model, penggunaan alat, biaya infrastruktur | Tidak lebih dari 10 dolar per pekerjaan |\n| Cakupan izin | Memisahkan izin baca, tulis, eksekusi, deployment | Dilarang menulis ke DB operasional |\n| Titik persetujuan | Menentukan momen yang memerlukan peninjauan manusia | Persetujuan sebelum deployment, penghapusan, pembayaran, pengiriman eksternal |\n| Kriteria sukses | Kondisi objektif untuk menilai selesai | Pengujian lolos, memenuhi standar akurasi |\n| Kriteria gagal | Sinyal risiko yang mengharuskan penghentian | Kesalahan yang sama berulang 3 kali, muncul peringatan keamanan |\n\nLoop yang baik bukan loop yang berputar banyak, melainkan **loop yang tahu cara berhenti pada saat yang tepat**.\n\n## Kriteria evaluasi kualitas\n\nSaat mengevaluasi sistem rekayasa loop, jangan hanya melihat “apakah AI menghasilkan jawaban”, tetapi juga indikator berikut.\n\n- Tingkat pencapaian tujuan: proporsi pekerjaan yang berhasil diselesaikan\n- Jumlah iterasi hingga keberhasilan pertama: apakah ada percobaan ulang yang tidak perlu\n- Tingkat kelulusan pengujian: apakah memenuhi kriteria verifikasi otomatis\n- Tingkat regresi: proporsi fungsi yang ada yang rusak\n- Jumlah intervensi manusia: apakah otomatisasi benar-benar mengurangi bottleneck\n- Efektivitas terhadap biaya: kinerja dibanding biaya pemanggilan model dan biaya infrastruktur\n- Kemungkinan audit: apakah dapat dilacak alat apa yang dipanggil dan mengapa\n- Tingkat pelanggaran keselamatan: apakah mengakses file, API, atau data yang dilarang\n- Reproduktibilitas: apakah hasil serupa muncul dalam kondisi yang sama\n\nKhususnya dalam pengembangan perangkat lunak, kelulusan pengujian saja mungkin tidak cukup. Keamanan, performa, kemudahan pemeliharaan, dan pengalaman pengguna juga harus ditinjau bersama.\n\n## Pola kegagalan umum\n\n### 1. Kriteria sukses yang ambigu\n\nJika kriteria selesai tidak jelas seperti “buat jadi bagus”, loop sulit menemukan dasar untuk berhenti. Diperlukan kriteria yang dapat diverifikasi, seperti “tambahkan 3 unit test, semua pengujian yang ada lolos, waktu respons tetap di bawah 200ms”.\n\n### 2. Izin alat yang berlebihan\n\nJika agen diberi izin tanpa batas seperti menulis ke database operasional, deployment, atau mengirim email eksternal, kesalahan penilaian kecil dapat berujung pada insiden besar. Alat berisiko harus dipisahkan berdasarkan persetujuan.\n\n### 3. Memori tidak ada atau terkontaminasi\n\nTanpa penyimpanan status, kegagalan yang sama akan diulang. Sebaliknya, jika memori yang salah menumpuk, premis keliru dapat terus digunakan kembali. Sebaiknya memori menyimpan fakta terverifikasi, perkiraan, dan catatan kegagalan secara terpisah.\n\n### 4. Tanggung jawab antar subagen tumpang tindih\n\nJika beberapa agen mengubah file yang sama secara bersamaan, konflik dapat terjadi. Cakupan pekerjaan, kepemilikan file, urutan review, dan aturan penggabungan harus ditentukan.\n\n### 5. Tidak ada batas biaya\n\nKarena loop adalah struktur berulang, biaya pemanggilan model dan eksekusi alat dapat meningkat cepat. Jumlah iterasi, penggunaan token, jumlah pemanggilan API eksternal, dan waktu eksekusi harus dibatasi.\n\n## Checklist implementasi\n\nSaat menerapkan rekayasa loop pada proyek nyata, sebaiknya periksa dengan urutan berikut.\n\n### Tujuan dan kriteria evaluasi\n\n- Apakah masalah yang harus diselesaikan telah didefinisikan dalam satu kalimat?\n- Apakah kriteria selesai dapat diverifikasi otomatis?\n- Apakah kriteria yang memerlukan persetujuan manusia telah dipisahkan?\n- Apakah ada kondisi penghentian saat gagal?\n\n### Lingkungan kerja\n\n- Apakah ada worktree yang terpisah dari kode utama?\n- Apakah lingkungan eksekusi pengujian dapat direproduksi?\n- Apakah akses ke secret key dan informasi sensitif telah dibatasi?\n- Apakah perubahan dapat dilacak sebagai diff?\n\n### Panduan dan konteks\n\n- Apakah ada penjelasan struktur proyek?\n- Apakah aturan coding dan aturan pengujian terdokumentasi?\n- Apakah tindakan yang dilarang dan aturan keamanan jelas?\n- Apakah dokumen yang dirujuk agen mutakhir?\n\n### Alat dan izin\n\n- Apakah alat yang diperlukan sudah terhubung sebelumnya?\n- Apakah izin per alat telah diminimalkan?\n- Apakah ada tahap persetujuan untuk pemanggilan alat berbahaya?\n- Apakah semua log pemanggilan alat tersimpan?\n\n### Kontrol loop\n\n- Apakah ada jumlah iterasi maksimum dan batas waktu?\n- Apakah ada batas biaya?\n- Apakah pengulangan kesalahan yang sama terdeteksi?\n- Apakah status sementara dapat disimpan dan dilanjutkan?\n\n## Pekerjaan yang cocok dan tidak cocok untuk rekayasa loop\n\n| Jenis pekerjaan | Kecocokan | Alasan |\n|---|---:|---|\n| Perubahan kode yang memiliki pengujian | Tinggi | Mudah menilai keberhasilan berdasarkan hasil eksekusi |\n| Lint, formatting, migrasi | Tinggi | Berulang dan kriteria verifikasinya jelas |\n| Pembuatan draf dokumen dan pemeriksaan | Sedang | Dapat diotomatisasi, tetapi memerlukan verifikasi fakta |\n| Pembersihan data | Sedang~tinggi | Efektif jika ada aturan dan verifikasi sampel |\n| Patch keamanan | Sedang | Dapat diotomatisasi, tetapi memerlukan review ahli |\n| Penilaian hukum, diagnosis medis, saran investasi | Rendah | Tanggung jawab, keahlian, dan risiko regulasi besar |\n| Perubahan langsung pada sistem operasional | Rendah | Loop otomatis tanpa persetujuan berisiko menimbulkan insiden |\n\nRekayasa loop paling kuat pada “pekerjaan yang dapat diverifikasi”. Pengambilan keputusan dengan kriteria verifikasi yang tidak jelas atau tanggung jawab besar wajib berada di bawah kendali ahli manusia.\n\n## Roadmap penerapan praktis\n\n### Tahap 1: Membuat loop pekerjaan tunggal\n\nMulailah terlebih dahulu dari satu pekerjaan kecil. Misalnya, persempit cakupan seperti loop untuk memperbaiki pengujian yang gagal, loop untuk memperbaiki kesalahan tautan dokumen, atau loop untuk menyelesaikan kesalahan tipe.\n\n### Tahap 2: Mengunci harness\n\nDokumentasikan pemeriksaan sebelum kerja, file yang boleh diubah, perintah yang boleh dijalankan, tindakan yang dilarang, dan kondisi persetujuan. Jika tahap ini lemah, semakin besar loop, semakin besar pula risikonya.\n\n### Tahap 3: Membuat sistem worktree dan log\n\nSemua perubahan dilakukan di ruang yang terisolasi, dan pemanggilan alat serta hasil pengujian dicatat. Percobaan yang gagal juga merupakan data penting.\n\n### Tahap 4: Mendokumentasikan skill\n\nUbah pengetahuan yang dibutuhkan secara berulang menjadi skill. Dokumen seperti “cara menambahkan pengujian di proyek ini”, “checklist saat mengubah API”, dan “standar aksesibilitas frontend” berguna.\n\n### Tahap 5: Memisahkan subagen\n\nJika pekerjaan menjadi kompleks, pisahkan planner, implementer, QA, dan reviewer. Daripada membuat terlalu banyak agen sejak awal, lebih baik membagi peran mulai dari bottleneck yang sudah teridentifikasi.\n\n### Tahap 6: Meningkatkan memori dan metrik evaluasi\n\nCatat penyebab kegagalan berulang, pola keberhasilan, biaya, dan jumlah intervensi manusia. Berdasarkan data ini, tingkatkan efisiensi dan keselamatan loop.\n\n## Kesimpulan\n\nRekayasa loop adalah pendekatan perancangan yang mengubah agen AI dari sekadar generator respons menjadi **sistem pelaksana kerja yang berorientasi tujuan**. Intinya bukan memberi AI otonomi secara sembarangan, melainkan membuat lingkungan yang terkendali melalui rekayasa harness, lalu di dalamnya menggabungkan otomatisasi, worktree, skill, plugin dan konektor, subagen, serta memori untuk membangun struktur berulang yang aman.\n\nLoop yang dirancang dengan baik mengurangi beban instruksi berulang dari manusia dan meningkatkan kecepatan kerja. Namun loop tanpa pengaman dapat menimbulkan peningkatan biaya, penurunan kualitas, penyalahgunaan izin, dan masalah pengulangan tanpa akhir. Karena itu, prinsip inti rekayasa loop adalah “otomatisasikan, tetapi buat dapat diverifikasi, dan pastikan berhenti pada saat yang diperlukan”.","content_html":"\u003ch2\u003e\n\u003ca href=\"#ikhtisar\" class=\"anchor\" id=\"ikhtisar\"\u003e\u003c/a\u003eIkhtisar\u003c/h2\u003e\n\u003cp\u003eRekayasa loop adalah metode untuk merancang \u003cstrong\u003estruktur berulang tempat agen AI merencanakan, menjalankan, memeriksa hasil, merefleksikan penyebab kegagalan, lalu mencoba lagi\u003c/strong\u003e menuju satu tujuan. Ini menjadi semakin penting terutama dalam pekerjaan yang hasilnya dapat diverifikasi, seperti pengembangan perangkat lunak, pemrosesan data, pembuatan dokumen, dan otomatisasi pengujian.\u003c/p\u003e\n\u003cp\u003eIstilah ini belum digunakan sebagai istilah akademis baku di semua dokumen standar. Namun secara praktis, ini dapat dijelaskan sebagai konsep tahap berikutnya setelah rekayasa prompt, rekayasa konteks, dan rekayasa harness. Intinya bukan “memberi AI instruksi yang baik satu kali”, melainkan “membuat sistem yang memungkinkan AI berulang sampai tujuan tercapai dalam lingkungan yang aman”.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#evolusi-rekayasa-ai-dari-prompt-hingga-loop\" class=\"anchor\" id=\"evolusi-rekayasa-ai-dari-prompt-hingga-loop\"\u003e\u003c/a\u003eEvolusi rekayasa AI: dari prompt hingga loop\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTahap\u003c/th\u003e\n\u003cth\u003ePertanyaan inti\u003c/th\u003e\n\u003cth\u003ePeran manusia\u003c/th\u003e\n\u003cth\u003ePeran AI\u003c/th\u003e\n\u003cth\u003eHasil utama\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eRekayasa prompt\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan inti\"\u003eBagaimana cara bertanya\u003c/td\u003e\n\u003ctd data-label=\"Peran manusia\"\u003eMenulis instruksi dan memeriksa hasil\u003c/td\u003e\n\u003ctd data-label=\"Peran AI\"\u003eMenghasilkan satu respons\u003c/td\u003e\n\u003ctd data-label=\"Hasil utama\"\u003eJawaban, draf, potongan kode\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eRekayasa konteks\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan inti\"\u003eInformasi latar apa yang akan diberikan\u003c/td\u003e\n\u003ctd data-label=\"Peran manusia\"\u003eMenyediakan dokumen, contoh, kebijakan, data\u003c/td\u003e\n\u003ctd data-label=\"Peran AI\"\u003eBernalar dalam konteks yang diberikan\u003c/td\u003e\n\u003ctd data-label=\"Hasil utama\"\u003eJawaban lebih konsisten, hasil yang disesuaikan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eRekayasa harness\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan inti\"\u003eDalam lingkungan dan aturan seperti apa AI akan bekerja\u003c/td\u003e\n\u003ctd data-label=\"Peran manusia\"\u003eMerancang izin, alat, prosedur, aturan keselamatan\u003c/td\u003e\n\u003ctd data-label=\"Peran AI\"\u003eMenggunakan alat dalam lingkungan yang ditentukan\u003c/td\u003e\n\u003ctd data-label=\"Hasil utama\"\u003eAlur kerja agen yang terkendali\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eRekayasa loop\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan inti\"\u003eBagaimana membuat AI berulang hingga tujuan tercapai\u003c/td\u003e\n\u003ctd data-label=\"Peran manusia\"\u003eMenetapkan tujuan, batasan, kriteria evaluasi, kondisi penghentian\u003c/td\u003e\n\u003ctd data-label=\"Peran AI\"\u003eMengulang eksekusi, verifikasi, perbaikan, percobaan ulang\u003c/td\u003e\n\u003ctd data-label=\"Hasil utama\"\u003eLoop kerja yang membaik secara otomatis\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-prompt\" class=\"anchor\" id=\"rekayasa-prompt\"\u003e\u003c/a\u003eRekayasa prompt\u003c/h3\u003e\n\u003cp\u003eRekayasa prompt adalah cara menyusun pertanyaan, perintah, contoh, dan format keluaran secara cermat untuk memperoleh hasil yang diinginkan dari AI. Ini adalah bentuk interaksi paling dasar, dan lebih dekat dengan struktur di mana manusia mengubah instruksi setiap kali serta memeriksa hasilnya.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-konteks\" class=\"anchor\" id=\"rekayasa-konteks\"\u003e\u003c/a\u003eRekayasa konteks\u003c/h3\u003e\n\u003cp\u003eRekayasa konteks adalah cara memperoleh hasil yang lebih akurat dengan turut menyediakan dokumen, kebijakan, informasi codebase, preferensi pengguna, gaya keluaran, percakapan sebelumnya, dan sebagainya yang dapat dijadikan referensi oleh model. Jendela konteks panjang, retrieval-augmented generation, lampiran file, dan pengindeksan codebase terkait dengan tahap ini.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-harness\" class=\"anchor\" id=\"rekayasa-harness\"\u003e\u003c/a\u003eRekayasa harness\u003c/h3\u003e\n\u003cp\u003eRekayasa harness merancang \u003cstrong\u003eprosedur dan batasan seperti apa yang harus diikuti AI saat menggunakan alat dan menjalankan beberapa langkah\u003c/strong\u003e. Misalnya, aturan seperti “baca file terkait sebelum mengubah kode”, “jangan gabungkan jika pengujian tidak lolos”, atau “jangan membuka file yang berisi informasi sensitif” ditanamkan ke dalam lingkungan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-loop\" class=\"anchor\" id=\"rekayasa-loop\"\u003e\u003c/a\u003eRekayasa loop\u003c/h3\u003e\n\u003cp\u003eRekayasa loop adalah cara menambahkan \u003cstrong\u003emesin eksekusi berulang\u003c/strong\u003e di atas lingkungan kerja terkendali yang dibuat oleh harness. Agen AI memilih tindakan berikutnya sendiri menuju tujuan, menggunakan alat, mengevaluasi hasil, dan jika gagal, memperbaiki strategi lalu menjalankannya kembali.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#definisi-inti-rekayasa-loop\" class=\"anchor\" id=\"definisi-inti-rekayasa-loop\"\u003e\u003c/a\u003eDefinisi inti rekayasa loop\u003c/h2\u003e\n\u003cp\u003eRekayasa loop dapat didefinisikan sebagai perancangan sistem kerja AI yang memenuhi kondisi berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eManusia menentukan tujuan akhir, cakupan yang diizinkan, kriteria evaluasi, dan kondisi penghentian.\u003c/li\u003e\n\u003cli\u003eAgen AI menyusun rencana kerja untuk mencapai tujuan.\u003c/li\u003e\n\u003cli\u003eAgen menggunakan alat yang diperlukan seperti eksekusi kode, pengujian, pencarian, modifikasi file, dan pemanggilan API.\u003c/li\u003e\n\u003cli\u003eJika hasil eksekusi gagal atau tidak memadai, agen menganalisis penyebab kegagalan dan membuat percobaan berikutnya.\u003c/li\u003e\n\u003cli\u003eLoop berhenti jika kondisi penghentian terpenuhi, seperti tujuan tercapai, anggaran terlampaui, jumlah iterasi terlampaui, sinyal risiko muncul, atau persetujuan manusia diperlukan.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eDengan kata lain, esensi rekayasa loop adalah \u003cstrong\u003esiklus umpan balik otomatis\u003c/strong\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#mengapa-rekayasa-loop-diperlukan\" class=\"anchor\" id=\"mengapa-rekayasa-loop-diperlukan\"\u003e\u003c/a\u003eMengapa rekayasa loop diperlukan\u003c/h2\u003e\n\u003cp\u003eDalam cara penggunaan AI yang lama, manusia mudah menjadi bottleneck. Alasannya, manusia harus menulis prompt, memeriksa hasil, meminta perbaikan lagi, menjalankan pengujian, menyalin pesan kesalahan, lalu memasukkannya kembali.\u003c/p\u003e\n\u003cp\u003eRekayasa loop mensistematisasi proses berulang ini. Misalnya dalam pekerjaan pengembangan, AI dapat secara otomatis mengulang alur berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eMembaca persyaratan dan menyusun rencana kerja.\u003c/li\u003e\n\u003cli\u003eMengubah kode di ruang kerja terpisah.\u003c/li\u003e\n\u003cli\u003eMenjalankan pengujian dan linter.\u003c/li\u003e\n\u003cli\u003eMenganalisis log kesalahan.\u003c/li\u003e\n\u003cli\u003eMembuat sendiri prompt perbaikan atau tindakan berikutnya.\u003c/li\u003e\n\u003cli\u003eMengubah kode lagi.\u003c/li\u003e\n\u003cli\u003eJika memenuhi kriteria kelulusan, merangkum hasil dan meminta peninjauan.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDalam struktur ini, manusia tidak perlu secara langsung memberi instruksi untuk setiap tahap perantara. Sebaliknya, manusia berfokus pada penetapan tujuan, persetujuan, penanganan pengecualian, dan penilaian kualitas akhir.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#6-komponen-wajib-rekayasa-loop\" class=\"anchor\" id=\"6-komponen-wajib-rekayasa-loop\"\u003e\u003c/a\u003e6 komponen wajib rekayasa loop\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-otomatisasi-mesin-yang-benar-benar-menjalankan-loop\" class=\"anchor\" id=\"1-otomatisasi-mesin-yang-benar-benar-menjalankan-loop\"\u003e\u003c/a\u003e1. Otomatisasi: mesin yang benar-benar menjalankan loop\u003c/h3\u003e\n\u003cp\u003eOtomatisasi adalah fondasi yang membuat loop berjalan tanpa input manual dari manusia. Ini mencakup antrean kerja, scheduler, pipeline CI/CD, runtime agen, pemicu peristiwa, kebijakan percobaan ulang, dan sebagainya.\u003c/p\u003e\n\u003cp\u003eFungsi yang ditangani otomatisasi adalah sebagai berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMendeteksi kondisi mulai pekerjaan\u003c/li\u003e\n\u003cli\u003eMenjalankan agen\u003c/li\u003e\n\u003cli\u003eMemanggil alat dan mengumpulkan hasil\u003c/li\u003e\n\u003cli\u003eMenjalankan tahap pengujian atau verifikasi\u003c/li\u003e\n\u003cli\u003eMencoba ulang saat gagal\u003c/li\u003e\n\u003cli\u003eMenyimpan log\u003c/li\u003e\n\u003cli\u003eBeralih ke tahap persetujuan manusia\u003c/li\u003e\n\u003cli\u003eMembatasi biaya, waktu, dan jumlah iterasi\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eOtomatisasi bukan sekadar “eksekusi otomatis”, melainkan perangkat kontrol yang mengelola siklus hidup loop.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-worktree-ruang-kerja-yang-aman\" class=\"anchor\" id=\"2-worktree-ruang-kerja-yang-aman\"\u003e\u003c/a\u003e2. Worktree: ruang kerja yang aman\u003c/h3\u003e\n\u003cp\u003eWorktree adalah ruang kerja terisolasi yang disediakan agar AI tidak langsung merusak kode utama atau data operasional nyata. Contoh representatifnya adalah cara seperti fitur \u003ccode\u003eworktree\u003c/code\u003e di Git, yaitu membuat direktori kerja terpisah dari repositori yang sama sehingga perubahan dan pengujian dapat dilakukan secara independen.\u003c/p\u003e\n\u003cp\u003eAlasan worktree penting adalah sebagai berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMelindungi branch utama atau lingkungan operasional.\u003c/li\u003e\n\u003cli\u003eMemungkinkan beberapa agen menjalankan pekerjaan berbeda secara paralel.\u003c/li\u003e\n\u003cli\u003eMemudahkan pembuangan percobaan yang gagal.\u003c/li\u003e\n\u003cli\u003eMemungkinkan peninjauan perubahan sebagai diff.\u003c/li\u003e\n\u003cli\u003eHanya perubahan yang lolos pengujian yang dapat dijadikan kandidat penggabungan.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eDalam rekayasa loop, worktree adalah ruang eksperimen AI. Agar seluruh sistem tetap aman meskipun agen melakukan perubahan berani, isolasi ruang kerja diperlukan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-skill-panduan-yang-menjadi-standar-kerja\" class=\"anchor\" id=\"3-skill-panduan-yang-menjadi-standar-kerja\"\u003e\u003c/a\u003e3. Skill: panduan yang menjadi standar kerja\u003c/h3\u003e\n\u003cp\u003eSkill adalah kumpulan panduan, prosedur, checklist, aturan coding, prinsip desain, dan contoh yang harus diikuti AI saat menjalankan pekerjaan tertentu. Seperti manusia memberikan dokumen onboarding kepada anggota tim baru, agen juga membutuhkan standar pelaksanaan pekerjaan.\u003c/p\u003e\n\u003cp\u003eDokumen skill dapat berisi informasi berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePenjelasan struktur proyek dan modul inti\u003c/li\u003e\n\u003cli\u003eGaya kode dan aturan penamaan\u003c/li\u003e\n\u003cli\u003eCara menulis pengujian\u003c/li\u003e\n\u003cli\u003ePrinsip desain API\u003c/li\u003e\n\u003cli\u003eHal yang dilarang terkait keamanan\u003c/li\u003e\n\u003cli\u003eChecklist sebelum deployment\u003c/li\u003e\n\u003cli\u003eLokasi log yang harus diperiksa saat gagal\u003c/li\u003e\n\u003cli\u003eFormat pelaporan hasil\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eTanpa skill, agen akan bergantung pada penalaran umum setiap kali. Sebaliknya, skill yang ditulis dengan baik menyampaikan cara kerja organisasi kepada AI dalam bentuk yang dapat digunakan kembali.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-plugin-dan-konektor-akses-ke-alat-yang-diperlukan\" class=\"anchor\" id=\"4-plugin-dan-konektor-akses-ke-alat-yang-diperlukan\"\u003e\u003c/a\u003e4. Plugin dan konektor: akses ke alat yang diperlukan\u003c/h3\u003e\n\u003cp\u003ePlugin dan konektor memungkinkan AI mengakses alat dan sistem yang diperlukan selama bekerja. Misalnya, repositori kode, issue tracker, sistem pencarian, database, penyimpanan dokumen, runner pengujian, browser, alat deployment, dan sistem notifikasi dapat menjadi target koneksi.\u003c/p\u003e\n\u003cp\u003eAlasan perlunya koneksi alat sangat jelas. Jika agen menilai bahwa “pengujian harus dijalankan” tetapi tidak memiliki izin menjalankan pengujian, loop akan berhenti. Jika agen menilai bahwa “dokumen terkait harus diperiksa” tetapi tidak ada jalur akses dokumen, kemungkinan besar agen akan menjawab berdasarkan tebakan.\u003c/p\u003e\n\u003cp\u003ePerancangan konektor yang baik membutuhkan prinsip berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMenerapkan prinsip hak akses minimum.\u003c/li\u003e\n\u003cli\u003eMemisahkan izin baca dan izin tulis.\u003c/li\u003e\n\u003cli\u003eMenempatkan tahap persetujuan untuk pekerjaan berisiko.\u003c/li\u003e\n\u003cli\u003eMencatat semua pemanggilan alat sebagai log.\u003c/li\u003e\n\u003cli\u003eMembatasi akses informasi sensitif dengan kebijakan terpisah.\u003c/li\u003e\n\u003cli\u003eMencatat pemanggilan alat yang gagal ke dalam status loop.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-subagen-pekerja-ai-dengan-peran-terbagi\" class=\"anchor\" id=\"5-subagen-pekerja-ai-dengan-peran-terbagi\"\u003e\u003c/a\u003e5. Subagen: pekerja AI dengan peran terbagi\u003c/h3\u003e\n\u003cp\u003eSubagen adalah struktur yang membuat agen berdasarkan peran bekerja sama, bukan satu agen utama menangani semuanya. Seperti tim pengembang manusia, peran desain, backend, frontend, QA, peninjauan keamanan, dan dokumentasi dapat dipisahkan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePeran\u003c/th\u003e\n\u003cth\u003eTanggung jawab utama\u003c/th\u003e\n\u003cth\u003eContoh keluaran\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen planner\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003eAnalisis persyaratan, pemecahan pekerjaan, penetapan prioritas\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003eRencana implementasi, daftar pekerjaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen backend\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003eImplementasi API, model data, logika server\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003ePerubahan kode, pengujian\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen frontend\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003ePerbaikan UI, manajemen status, aksesibilitas\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003eModifikasi komponen, pengujian layar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen QA\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003eMenjalankan pengujian, mereproduksi bug, verifikasi regresi\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003eLog kegagalan, prosedur reproduksi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen review\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003eMemeriksa kualitas kode, keamanan, gaya\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003eKomentar review, daftar risiko\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Peran\"\u003eAgen dokumentasi\u003c/td\u003e\n\u003ctd data-label=\"Tanggung jawab utama\"\u003eMenjelaskan perubahan, menulis cara penggunaan\u003c/td\u003e\n\u003ctd data-label=\"Contoh keluaran\"\u003eCatatan rilis, panduan pengguna\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eKeunggulan struktur subagen adalah kemampuan membagi spesialisasi. Namun konflik antaragen, pekerjaan ganda, dan ketidakjelasan tanggung jawab juga dapat terjadi, sehingga diperlukan peran koordinator dan kontrak kerja yang jelas.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-memori-penyimpanan-status-yang-memungkinkan-penghentian-dan-pelanjutan\" class=\"anchor\" id=\"6-memori-penyimpanan-status-yang-memungkinkan-penghentian-dan-pelanjutan\"\u003e\u003c/a\u003e6. Memori: penyimpanan status yang memungkinkan penghentian dan pelanjutan\u003c/h3\u003e\n\u003cp\u003eMemori adalah fungsi yang menyimpan status loop saat ini, percobaan sebelumnya, penyebab kegagalan, alasan keputusan, perubahan file, hasil pengujian, dan rencana tindakan berikutnya. Semakin panjang loop, memori semakin mendekati kebutuhan wajib.\u003c/p\u003e\n\u003cp\u003eMemori secara garis besar dapat dibagi menjadi dua jenis.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMemori jangka pendek: rencana sesi kerja saat ini, log, hasil pemanggilan alat, pesan kesalahan\u003c/li\u003e\n\u003cli\u003eMemori jangka panjang: aturan proyek, cara penyelesaian sebelumnya, pola bug berulang, preferensi pengguna, standar tim\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eTanpa memori, agen dapat mengulang kesalahan yang sama atau memulai kembali dari awal pekerjaan yang terhenti di tengah. Sebaliknya, memori yang dirancang dengan baik menjaga loop tetap berlanjut secara stabil dan mengurangi biaya.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#arsitektur-dasar-rekayasa-loop\" class=\"anchor\" id=\"arsitektur-dasar-rekayasa-loop\"\u003e\u003c/a\u003eArsitektur dasar rekayasa loop\u003c/h2\u003e\n\u003cp\u003eSistem rekayasa loop biasanya memiliki struktur berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eInput tujuan: manusia memberikan masalah yang harus diselesaikan dan kriteria selesai.\u003c/li\u003e\n\u003cli\u003ePengumpulan konteks: membaca kode, dokumen, issue, log, dan kebijakan.\u003c/li\u003e\n\u003cli\u003ePenyusunan rencana: agen membagi pekerjaan menjadi langkah-langkah kecil.\u003c/li\u003e\n\u003cli\u003eEksekusi: melakukan modifikasi kode, pembuatan file, pemrosesan data, dan pemanggilan alat.\u003c/li\u003e\n\u003cli\u003eVerifikasi: menjalankan pengujian, lint, pemeriksaan tipe, pemeriksaan kebijakan, dan review.\u003c/li\u003e\n\u003cli\u003eEvaluasi: menilai apakah kriteria tujuan terpenuhi.\u003c/li\u003e\n\u003cli\u003eIterasi: jika gagal, menganalisis penyebab dan kembali dengan rencana baru.\u003c/li\u003e\n\u003cli\u003ePenghentian: berhenti karena salah satu dari sukses, batas terlampaui, risiko terdeteksi, atau perlu persetujuan manusia.\u003c/li\u003e\n\u003cli\u003ePelaporan: merangkum perubahan, hasil verifikasi, risiko tersisa, dan tindakan berikutnya yang direkomendasikan.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eAlur ini mengasumsikan bukan “AI yang hanya mengulang pikiran”, melainkan “AI yang bertindak di lingkungan nyata dan memverifikasi hasilnya”.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#perbedaan-rekayasa-harness-dan-rekayasa-loop\" class=\"anchor\" id=\"perbedaan-rekayasa-harness-dan-rekayasa-loop\"\u003e\u003c/a\u003ePerbedaan rekayasa harness dan rekayasa loop\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKategori\u003c/th\u003e\n\u003cth\u003eRekayasa harness\u003c/th\u003e\n\u003cth\u003eRekayasa loop\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eTujuan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa harness\"\u003eMembuat lingkungan agar AI bekerja dengan aman\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa loop\"\u003eMembuat AI berulang hingga tujuan tercapai\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eElemen utama\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa harness\"\u003eAturan, izin, alat, prosedur, batasan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa loop\"\u003eEksekusi berulang, umpan balik, percobaan ulang, penyimpanan status\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eRespons terhadap kegagalan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa harness\"\u003eMencegah tindakan berbahaya atau meminta persetujuan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa loop\"\u003eMerefleksikan penyebab kegagalan untuk membuat percobaan berikutnya\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eIntervensi manusia\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa harness\"\u003eBerfokus pada perancangan kebijakan dan lingkungan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa loop\"\u003eBerfokus pada penetapan tujuan, penanganan pengecualian, persetujuan akhir\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eAnalogi\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa harness\"\u003eTempat kerja dan perlengkapan keselamatan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa loop\"\u003eLini produksi yang terus menggerakkan tempat kerja\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika membuat loop tanpa harness, agen dapat melakukan tindakan berbahaya dengan izin berlebihan. Jika hanya membuat harness tanpa loop, ada lingkungan yang aman tetapi produktivitas terbatas. Dalam praktik, kedua pendekatan ini diperlukan bersama.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#contoh-penerapan-loop-agen-coding-ai\" class=\"anchor\" id=\"contoh-penerapan-loop-agen-coding-ai\"\u003e\u003c/a\u003eContoh penerapan: loop agen coding AI\u003c/h2\u003e\n\u003cp\u003eDalam pengembangan perangkat lunak, rekayasa loop relatif mudah dipahami. Misalnya, anggap tujuan “perbaiki kesalahan login” diberikan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#input\" class=\"anchor\" id=\"input\"\u003e\u003c/a\u003eInput\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eTujuan: memperbaiki bug yang menyebabkan kegagalan login pada kondisi tertentu\u003c/li\u003e\n\u003cli\u003eKriteria selesai: pengujian terkait lolos, tidak ada regresi pada fungsi login yang ada, ringkasan perubahan diserahkan\u003c/li\u003e\n\u003cli\u003eBatasan: dilarang mengubah cara penyimpanan token autentikasi, dilarang mengubah database pengguna secara langsung\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#eksekusi-loop\" class=\"anchor\" id=\"eksekusi-loop\"\u003e\u003c/a\u003eEksekusi loop\u003c/h3\u003e\n\u003col\u003e\n\u003cli\u003eAgen membaca deskripsi issue dan file terkait.\u003c/li\u003e\n\u003cli\u003eMembuat branch atau direktori kerja terpisah di worktree.\u003c/li\u003e\n\u003cli\u003eMereproduksi pengujian yang gagal.\u003c/li\u003e\n\u003cli\u003eMenganalisis log kesalahan dan kode terkait.\u003c/li\u003e\n\u003cli\u003eMenerapkan usulan perbaikan.\u003c/li\u003e\n\u003cli\u003eMenjalankan pengujian.\u003c/li\u003e\n\u003cli\u003eJika gagal, merangkum penyebab dan mencoba usulan perbaikan lain.\u003c/li\u003e\n\u003cli\u003eJika berhasil, merapikan diff, hasil pengujian, dan faktor risiko.\u003c/li\u003e\n\u003cli\u003eMeminta persetujuan penggabungan kepada reviewer manusia.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDalam contoh ini, manusia tidak menyalin log kesalahan setiap kali untuk menulis prompt baru. Sebaliknya, loop menjalankan pekerjaan berulang, dan manusia turun tangan pada tahap yang membutuhkan penilaian akhir dan tanggung jawab.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#variabel-kontrol-yang-wajib-ditentukan-saat-merancang\" class=\"anchor\" id=\"variabel-kontrol-yang-wajib-ditentukan-saat-merancang\"\u003e\u003c/a\u003eVariabel kontrol yang wajib ditentukan saat merancang\u003c/h2\u003e\n\u003cp\u003eRekayasa loop kadang dijelaskan dengan asumsi iterasi tanpa batas, tetapi dalam sistem nyata, “tanpa batas” itu berbahaya. Loop yang aman membutuhkan batas yang jelas.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eVariabel kontrol\u003c/th\u003e\n\u003cth\u003eDeskripsi\u003c/th\u003e\n\u003cth\u003eContoh\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eJumlah iterasi maksimum\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eMembatasi berapa kali pekerjaan yang sama boleh dicoba ulang\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003eMaksimum 5 kali percobaan ulang\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eAnggaran waktu\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eMembatasi waktu eksekusi loop\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003eBerhenti jika melebihi 30 menit\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eAnggaran biaya\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eMembatasi pemanggilan model, penggunaan alat, biaya infrastruktur\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003eTidak lebih dari 10 dolar per pekerjaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eCakupan izin\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eMemisahkan izin baca, tulis, eksekusi, deployment\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003eDilarang menulis ke DB operasional\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eTitik persetujuan\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eMenentukan momen yang memerlukan peninjauan manusia\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003ePersetujuan sebelum deployment, penghapusan, pembayaran, pengiriman eksternal\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eKriteria sukses\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eKondisi objektif untuk menilai selesai\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003ePengujian lolos, memenuhi standar akurasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Variabel kontrol\"\u003eKriteria gagal\u003c/td\u003e\n\u003ctd data-label=\"Deskripsi\"\u003eSinyal risiko yang mengharuskan penghentian\u003c/td\u003e\n\u003ctd data-label=\"Contoh\"\u003eKesalahan yang sama berulang 3 kali, muncul peringatan keamanan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eLoop yang baik bukan loop yang berputar banyak, melainkan \u003cstrong\u003eloop yang tahu cara berhenti pada saat yang tepat\u003c/strong\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kriteria-evaluasi-kualitas\" class=\"anchor\" id=\"kriteria-evaluasi-kualitas\"\u003e\u003c/a\u003eKriteria evaluasi kualitas\u003c/h2\u003e\n\u003cp\u003eSaat mengevaluasi sistem rekayasa loop, jangan hanya melihat “apakah AI menghasilkan jawaban”, tetapi juga indikator berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTingkat pencapaian tujuan: proporsi pekerjaan yang berhasil diselesaikan\u003c/li\u003e\n\u003cli\u003eJumlah iterasi hingga keberhasilan pertama: apakah ada percobaan ulang yang tidak perlu\u003c/li\u003e\n\u003cli\u003eTingkat kelulusan pengujian: apakah memenuhi kriteria verifikasi otomatis\u003c/li\u003e\n\u003cli\u003eTingkat regresi: proporsi fungsi yang ada yang rusak\u003c/li\u003e\n\u003cli\u003eJumlah intervensi manusia: apakah otomatisasi benar-benar mengurangi bottleneck\u003c/li\u003e\n\u003cli\u003eEfektivitas terhadap biaya: kinerja dibanding biaya pemanggilan model dan biaya infrastruktur\u003c/li\u003e\n\u003cli\u003eKemungkinan audit: apakah dapat dilacak alat apa yang dipanggil dan mengapa\u003c/li\u003e\n\u003cli\u003eTingkat pelanggaran keselamatan: apakah mengakses file, API, atau data yang dilarang\u003c/li\u003e\n\u003cli\u003eReproduktibilitas: apakah hasil serupa muncul dalam kondisi yang sama\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKhususnya dalam pengembangan perangkat lunak, kelulusan pengujian saja mungkin tidak cukup. Keamanan, performa, kemudahan pemeliharaan, dan pengalaman pengguna juga harus ditinjau bersama.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#pola-kegagalan-umum\" class=\"anchor\" id=\"pola-kegagalan-umum\"\u003e\u003c/a\u003ePola kegagalan umum\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-kriteria-sukses-yang-ambigu\" class=\"anchor\" id=\"1-kriteria-sukses-yang-ambigu\"\u003e\u003c/a\u003e1. Kriteria sukses yang ambigu\u003c/h3\u003e\n\u003cp\u003eJika kriteria selesai tidak jelas seperti “buat jadi bagus”, loop sulit menemukan dasar untuk berhenti. Diperlukan kriteria yang dapat diverifikasi, seperti “tambahkan 3 unit test, semua pengujian yang ada lolos, waktu respons tetap di bawah 200ms”.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-izin-alat-yang-berlebihan\" class=\"anchor\" id=\"2-izin-alat-yang-berlebihan\"\u003e\u003c/a\u003e2. Izin alat yang berlebihan\u003c/h3\u003e\n\u003cp\u003eJika agen diberi izin tanpa batas seperti menulis ke database operasional, deployment, atau mengirim email eksternal, kesalahan penilaian kecil dapat berujung pada insiden besar. Alat berisiko harus dipisahkan berdasarkan persetujuan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-memori-tidak-ada-atau-terkontaminasi\" class=\"anchor\" id=\"3-memori-tidak-ada-atau-terkontaminasi\"\u003e\u003c/a\u003e3. Memori tidak ada atau terkontaminasi\u003c/h3\u003e\n\u003cp\u003eTanpa penyimpanan status, kegagalan yang sama akan diulang. Sebaliknya, jika memori yang salah menumpuk, premis keliru dapat terus digunakan kembali. Sebaiknya memori menyimpan fakta terverifikasi, perkiraan, dan catatan kegagalan secara terpisah.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-tanggung-jawab-antar-subagen-tumpang-tindih\" class=\"anchor\" id=\"4-tanggung-jawab-antar-subagen-tumpang-tindih\"\u003e\u003c/a\u003e4. Tanggung jawab antar subagen tumpang tindih\u003c/h3\u003e\n\u003cp\u003eJika beberapa agen mengubah file yang sama secara bersamaan, konflik dapat terjadi. Cakupan pekerjaan, kepemilikan file, urutan review, dan aturan penggabungan harus ditentukan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-tidak-ada-batas-biaya\" class=\"anchor\" id=\"5-tidak-ada-batas-biaya\"\u003e\u003c/a\u003e5. Tidak ada batas biaya\u003c/h3\u003e\n\u003cp\u003eKarena loop adalah struktur berulang, biaya pemanggilan model dan eksekusi alat dapat meningkat cepat. Jumlah iterasi, penggunaan token, jumlah pemanggilan API eksternal, dan waktu eksekusi harus dibatasi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#checklist-implementasi\" class=\"anchor\" id=\"checklist-implementasi\"\u003e\u003c/a\u003eChecklist implementasi\u003c/h2\u003e\n\u003cp\u003eSaat menerapkan rekayasa loop pada proyek nyata, sebaiknya periksa dengan urutan berikut.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tujuan-dan-kriteria-evaluasi\" class=\"anchor\" id=\"tujuan-dan-kriteria-evaluasi\"\u003e\u003c/a\u003eTujuan dan kriteria evaluasi\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eApakah masalah yang harus diselesaikan telah didefinisikan dalam satu kalimat?\u003c/li\u003e\n\u003cli\u003eApakah kriteria selesai dapat diverifikasi otomatis?\u003c/li\u003e\n\u003cli\u003eApakah kriteria yang memerlukan persetujuan manusia telah dipisahkan?\u003c/li\u003e\n\u003cli\u003eApakah ada kondisi penghentian saat gagal?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#lingkungan-kerja\" class=\"anchor\" id=\"lingkungan-kerja\"\u003e\u003c/a\u003eLingkungan kerja\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eApakah ada worktree yang terpisah dari kode utama?\u003c/li\u003e\n\u003cli\u003eApakah lingkungan eksekusi pengujian dapat direproduksi?\u003c/li\u003e\n\u003cli\u003eApakah akses ke secret key dan informasi sensitif telah dibatasi?\u003c/li\u003e\n\u003cli\u003eApakah perubahan dapat dilacak sebagai diff?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#panduan-dan-konteks\" class=\"anchor\" id=\"panduan-dan-konteks\"\u003e\u003c/a\u003ePanduan dan konteks\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eApakah ada penjelasan struktur proyek?\u003c/li\u003e\n\u003cli\u003eApakah aturan coding dan aturan pengujian terdokumentasi?\u003c/li\u003e\n\u003cli\u003eApakah tindakan yang dilarang dan aturan keamanan jelas?\u003c/li\u003e\n\u003cli\u003eApakah dokumen yang dirujuk agen mutakhir?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#alat-dan-izin\" class=\"anchor\" id=\"alat-dan-izin\"\u003e\u003c/a\u003eAlat dan izin\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eApakah alat yang diperlukan sudah terhubung sebelumnya?\u003c/li\u003e\n\u003cli\u003eApakah izin per alat telah diminimalkan?\u003c/li\u003e\n\u003cli\u003eApakah ada tahap persetujuan untuk pemanggilan alat berbahaya?\u003c/li\u003e\n\u003cli\u003eApakah semua log pemanggilan alat tersimpan?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#kontrol-loop\" class=\"anchor\" id=\"kontrol-loop\"\u003e\u003c/a\u003eKontrol loop\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eApakah ada jumlah iterasi maksimum dan batas waktu?\u003c/li\u003e\n\u003cli\u003eApakah ada batas biaya?\u003c/li\u003e\n\u003cli\u003eApakah pengulangan kesalahan yang sama terdeteksi?\u003c/li\u003e\n\u003cli\u003eApakah status sementara dapat disimpan dan dilanjutkan?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#pekerjaan-yang-cocok-dan-tidak-cocok-untuk-rekayasa-loop\" class=\"anchor\" id=\"pekerjaan-yang-cocok-dan-tidak-cocok-untuk-rekayasa-loop\"\u003e\u003c/a\u003ePekerjaan yang cocok dan tidak cocok untuk rekayasa loop\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eJenis pekerjaan\u003c/th\u003e\n\u003cth\u003eKecocokan\u003c/th\u003e\n\u003cth\u003eAlasan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePerubahan kode yang memiliki pengujian\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eTinggi\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eMudah menilai keberhasilan berdasarkan hasil eksekusi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003eLint, formatting, migrasi\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eTinggi\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eBerulang dan kriteria verifikasinya jelas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePembuatan draf dokumen dan pemeriksaan\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eSedang\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eDapat diotomatisasi, tetapi memerlukan verifikasi fakta\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePembersihan data\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eSedang~tinggi\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eEfektif jika ada aturan dan verifikasi sampel\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePatch keamanan\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eSedang\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eDapat diotomatisasi, tetapi memerlukan review ahli\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePenilaian hukum, diagnosis medis, saran investasi\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eRendah\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eTanggung jawab, keahlian, dan risiko regulasi besar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis pekerjaan\"\u003ePerubahan langsung pada sistem operasional\u003c/td\u003e\n\u003ctd data-label=\"Kecocokan\"\u003eRendah\u003c/td\u003e\n\u003ctd data-label=\"Alasan\"\u003eLoop otomatis tanpa persetujuan berisiko menimbulkan insiden\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eRekayasa loop paling kuat pada “pekerjaan yang dapat diverifikasi”. Pengambilan keputusan dengan kriteria verifikasi yang tidak jelas atau tanggung jawab besar wajib berada di bawah kendali ahli manusia.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#roadmap-penerapan-praktis\" class=\"anchor\" id=\"roadmap-penerapan-praktis\"\u003e\u003c/a\u003eRoadmap penerapan praktis\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-1-membuat-loop-pekerjaan-tunggal\" class=\"anchor\" id=\"tahap-1-membuat-loop-pekerjaan-tunggal\"\u003e\u003c/a\u003eTahap 1: Membuat loop pekerjaan tunggal\u003c/h3\u003e\n\u003cp\u003eMulailah terlebih dahulu dari satu pekerjaan kecil. Misalnya, persempit cakupan seperti loop untuk memperbaiki pengujian yang gagal, loop untuk memperbaiki kesalahan tautan dokumen, atau loop untuk menyelesaikan kesalahan tipe.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-2-mengunci-harness\" class=\"anchor\" id=\"tahap-2-mengunci-harness\"\u003e\u003c/a\u003eTahap 2: Mengunci harness\u003c/h3\u003e\n\u003cp\u003eDokumentasikan pemeriksaan sebelum kerja, file yang boleh diubah, perintah yang boleh dijalankan, tindakan yang dilarang, dan kondisi persetujuan. Jika tahap ini lemah, semakin besar loop, semakin besar pula risikonya.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-3-membuat-sistem-worktree-dan-log\" class=\"anchor\" id=\"tahap-3-membuat-sistem-worktree-dan-log\"\u003e\u003c/a\u003eTahap 3: Membuat sistem worktree dan log\u003c/h3\u003e\n\u003cp\u003eSemua perubahan dilakukan di ruang yang terisolasi, dan pemanggilan alat serta hasil pengujian dicatat. Percobaan yang gagal juga merupakan data penting.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-4-mendokumentasikan-skill\" class=\"anchor\" id=\"tahap-4-mendokumentasikan-skill\"\u003e\u003c/a\u003eTahap 4: Mendokumentasikan skill\u003c/h3\u003e\n\u003cp\u003eUbah pengetahuan yang dibutuhkan secara berulang menjadi skill. Dokumen seperti “cara menambahkan pengujian di proyek ini”, “checklist saat mengubah API”, dan “standar aksesibilitas frontend” berguna.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-5-memisahkan-subagen\" class=\"anchor\" id=\"tahap-5-memisahkan-subagen\"\u003e\u003c/a\u003eTahap 5: Memisahkan subagen\u003c/h3\u003e\n\u003cp\u003eJika pekerjaan menjadi kompleks, pisahkan planner, implementer, QA, dan reviewer. Daripada membuat terlalu banyak agen sejak awal, lebih baik membagi peran mulai dari bottleneck yang sudah teridentifikasi.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#tahap-6-meningkatkan-memori-dan-metrik-evaluasi\" class=\"anchor\" id=\"tahap-6-meningkatkan-memori-dan-metrik-evaluasi\"\u003e\u003c/a\u003eTahap 6: Meningkatkan memori dan metrik evaluasi\u003c/h3\u003e\n\u003cp\u003eCatat penyebab kegagalan berulang, pola keberhasilan, biaya, dan jumlah intervensi manusia. Berdasarkan data ini, tingkatkan efisiensi dan keselamatan loop.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kesimpulan\" class=\"anchor\" id=\"kesimpulan\"\u003e\u003c/a\u003eKesimpulan\u003c/h2\u003e\n\u003cp\u003eRekayasa loop adalah pendekatan perancangan yang mengubah agen AI dari sekadar generator respons menjadi \u003cstrong\u003esistem pelaksana kerja yang berorientasi tujuan\u003c/strong\u003e. Intinya bukan memberi AI otonomi secara sembarangan, melainkan membuat lingkungan yang terkendali melalui rekayasa harness, lalu di dalamnya menggabungkan otomatisasi, worktree, skill, plugin dan konektor, subagen, serta memori untuk membangun struktur berulang yang aman.\u003c/p\u003e\n\u003cp\u003eLoop yang dirancang dengan baik mengurangi beban instruksi berulang dari manusia dan meningkatkan kecepatan kerja. Namun loop tanpa pengaman dapat menimbulkan peningkatan biaya, penurunan kualitas, penyalahgunaan izin, dan masalah pengulangan tanpa akhir. Karena itu, prinsip inti rekayasa loop adalah “otomatisasikan, tetapi buat dapat diverifikasi, dan pastikan berhenti pada saat yang diperlukan”.\u003c/p\u003e\n","tags":["Agen AI","Rekayasa loop","Otomatisasi","Alur kerja pengembangan","LLMOps"],"faqs":[{"question":"Apa itu rekayasa loop?","answer":"Rekayasa loop adalah metode merancang sistem kerja agar agen AI mengulang perencanaan, eksekusi, verifikasi, perbaikan, dan percobaan ulang hingga tujuan tercapai. Ini bukan sekadar menulis prompt yang baik, tetapi juga mencakup pengulangan otomatis, penggunaan alat, penyimpanan status, dan kondisi penghentian."},{"question":"Apa perbedaan antara rekayasa loop dan rekayasa prompt?","answer":"Rekayasa prompt berfokus pada penyampaian satu instruksi dengan baik kepada AI. Rekayasa loop merupakan pendekatan yang lebih sistemis karena merancang struktur umpan balik tertutup, di mana AI memeriksa hasil, mencerminkan penyebab kegagalan, lalu menjalankannya kembali."},{"question":"Bagaimana perbedaan antara rekayasa harness dan rekayasa loop?","answer":"Rekayasa harness adalah pekerjaan membuat aturan, izin, alat, dan lingkungan agar AI dapat bekerja dengan aman. Rekayasa loop adalah pekerjaan membuat AI menjalankan tugas secara berulang hingga tujuan tercapai di dalam lingkungan yang terkendali tersebut."},{"question":"Mengapa worktree diperlukan dalam rekayasa loop?","answer":"Worktree menyediakan ruang kerja terisolasi tempat AI dapat bereksperimen tanpa merusak kode utama atau lingkungan operasional. Perubahan yang gagal dapat dibuang dan hanya perubahan yang berhasil yang dapat ditinjau, sehingga meningkatkan keamanan loop pengodean AI."},{"question":"Apa yang dimaksud dengan skill dalam rekayasa loop?","answer":"Skill adalah standar kerja terdokumentasi seperti panduan, daftar periksa, aturan pengodean, aturan pengujian, dan kebijakan keamanan yang dirujuk AI saat bekerja. Semakin jelas skill, semakin besar kemungkinan agen bekerja sesuai dengan cara organisasi."},{"question":"Mengapa plugin dan konektor penting?","answer":"Plugin dan konektor memungkinkan AI mengakses alat seperti repositori, dokumen, runner pengujian, pelacak isu, dan basis data. Jika alat yang diperlukan tidak terhubung, loop dapat berhenti di tengah jalan atau bergantung pada tebakan."},{"question":"Kapan sub-agen diperlukan?","answer":"Sub-agen berguna ketika pekerjaan dibagi menjadi beberapa peran spesialis seperti desain, backend, frontend, QA, dan review. Namun, jika peran dan cakupan tanggung jawab tidak jelas, konflik dapat terjadi, sehingga diperlukan aturan koordinasi."},{"question":"Apa peran memori dalam rekayasa loop?","answer":"Memori menyimpan status pekerjaan saat ini, percobaan sebelumnya, penyebab kegagalan, hasil pengujian, dan rencana berikutnya. Dengan demikian, meskipun loop terhenti, pekerjaan dapat dilanjutkan kembali dan kemungkinan mengulangi kesalahan yang sama dapat dikurangi."},{"question":"Apakah rekayasa loop berarti pengulangan tanpa batas?","answer":"Secara konseptual, ini berarti mengulang hingga tujuan tercapai, tetapi dalam sistem nyata, pengulangan tanpa batas berbahaya. Jumlah pengulangan maksimum, batas waktu, batas biaya, deteksi kegagalan, dan kondisi persetujuan manusia harus selalu ditetapkan."},{"question":"Pekerjaan apa yang paling cocok untuk rekayasa loop?","answer":"Ini cocok untuk pekerjaan berulang dengan kriteria verifikasi yang jelas, seperti perbaikan kode yang memiliki pengujian, linting dan pemformatan, pembersihan data, serta pemeriksaan dokumen. Bidang dengan tanggung jawab besar seperti penilaian hukum, diagnosis medis, dan keputusan investasi tidak boleh ditangani hanya dengan loop otomatis."},{"question":"Apa risiko terbesar dari rekayasa loop?","answer":"Risiko utamanya adalah izin yang berlebihan, percobaan ulang tanpa batas, lonjakan biaya, akumulasi memori yang keliru, deployment otomatis tanpa verifikasi, dan akses ke informasi sensitif. Oleh karena itu, pembatasan izin seminimal mungkin, pencatatan log, tahap persetujuan, dan kondisi penghentian sangat penting."},{"question":"Apa cara terbaik saat pertama kali menerapkan rekayasa loop?","answer":"Pada awalnya, sebaiknya mulai dari satu pekerjaan kecil dan dapat diverifikasi, seperti memperbaiki pengujian yang gagal, memeriksa tautan dokumen, atau memperbaiki kesalahan tipe. Setelah itu, lebih aman untuk menambahkan worktree, dokumen skill, koneksi alat, memori, dan sub-agen secara bertahap."}],"sources":[{"url":"https://git-scm.com/docs/git-worktree","title":"Dokumentasi Git: git-worktree","type":"source"},{"url":"https://docs.github.com/en/actions","title":"GitHub Docs: Dokumentasi GitHub Actions","type":"source"},{"url":"https://platform.openai.com/docs/guides/function-calling","title":"OpenAI Platform Docs: Pemanggilan fungsi","type":"source"},{"url":"https://modelcontextprotocol.io/introduction","title":"Model Context Protocol: Pengantar","type":"source"},{"url":"https://langchain-ai.github.io/langgraph/concepts/persistence/","title":"Dokumentasi LangGraph: Persistensi","type":"source"},{"url":"https://arxiv.org/abs/2210.03629","title":"ReAct: Menyinergikan Penalaran dan Tindakan dalam Model Bahasa","type":"source"},{"url":"https://arxiv.org/abs/2303.11366","title":"Reflexion: Agen Bahasa dengan Pembelajaran Penguatan Verbal","type":"source"}],"images":[{"id":234,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjMwMSwicHVyIjoiYmxvYl9pZCJ9fQ==--e2cc0e235018c6d93b44f9fe5cf3889bea5aa10a/ai-cccc7ad2.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"중앙 AI 로봇과 순환 화살표, 자동화·문서·검증·데이터 아이콘이 둘러싼 다이어그램","caption":"AI 시스템을 반복적으로 설계, 실행, 검증하는 루프 엔지니어링 흐름을 보여준다.","description":null},"en":{"alt":"Central AI bot surrounded by circular workflow arrows and icons for automation, documents, validation, and data","caption":"The diagram illustrates a loop engineering workflow around an AI system.","description":null},"ja":{"alt":"中央のAIロボットを囲む循環矢印と自動化、文書、検証、データのアイコン","caption":"AIシステムを中心に設計、実行、検証を繰り返す流れを示している。","description":null},"es":{"alt":"Bot de IA central rodeado de flechas circulares e iconos de automatización, documentos, validación y datos","caption":"El diagrama muestra un flujo de ingeniería en bucle alrededor de un sistema de IA.","description":null},"id":{"alt":"Bot AI di tengah dikelilingi panah alur melingkar dan ikon otomasi, dokumen, validasi, serta data","caption":"Diagram ini menunjukkan alur rekayasa loop yang berulang di sekitar sistem AI.","description":null},"pt":{"alt":"Bot de IA central cercado por setas de fluxo circular e ícones de automação, documentos, validação e dados","caption":"O diagrama mostra um fluxo de engenharia em loop em torno de um sistema de IA.","description":null},"zh-hant":{"alt":"中央 AI 機器人周圍有循環箭頭，以及自動化、文件、驗證與資料圖示","caption":"此圖呈現圍繞 AI 系統反覆設計、執行與驗證的迴圈工程流程。","description":null}}},{"id":235,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjMwNywicHVyIjoiYmxvYl9pZCJ9fQ==--6e96b4db0ce479ff3ba8d0cefc6dafb74a3e9ce0/ai-20876eb8.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"로봇과 연결된 작업대가 순환 파이프라인으로 이어진 자동화 검증 시스템","caption":"보안, 테스트, 피드백이 연결된 루프 엔지니어링 흐름을 시각화합니다.","description":null},"en":{"alt":"Automated validation system with robots, connected stations, and a looping pipeline","caption":"The illustration shows a loop engineering workflow linking security, testing, and feedback.","description":null},"ja":{"alt":"ロボットと接続された端末が循環パイプラインでつながる自動検証システム","caption":"セキュリティ、テスト、フィードバックを結ぶループエンジニアリングの流れを示しています。","description":null},"es":{"alt":"Sistema de validación automatizada con robots, estaciones conectadas y canalización en bucle","caption":"La ilustración muestra un flujo de ingeniería en bucle que conecta seguridad, pruebas y retroalimentación.","description":null},"id":{"alt":"Sistem validasi otomatis dengan robot, stasiun terhubung, dan alur pipa berulang","caption":"Ilustrasi ini menampilkan alur rekayasa loop yang menghubungkan keamanan, pengujian, dan umpan balik.","description":null},"pt":{"alt":"Sistema de validação automatizada com robôs, estações conectadas e pipeline em ciclo","caption":"A ilustração mostra um fluxo de engenharia em loop que conecta segurança, testes e feedback.","description":null},"zh-hant":{"alt":"機器人與連接工作站透過循環管線組成的自動化驗證系統","caption":"這張插圖呈現連結安全、測試與回饋的迴圈工程流程。","description":null}}}],"published_at":"2026-07-20T15:26:45+09:00","updated_at":"2026-07-20T15:26:45+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant"],"url":"https://injoys.com/en/articles/loop-engineering-concept-components"}