Rangkumannya rapi, tapi pada akhirnya pekerjaannya tetap sama dan tidak ada yang benar-benar berubah; ujung-ujungnya bermuara pada ayo berbagi pengetahuan supaya aku juga bisa bekerja dengan AI.

Ternyata yang ingin kuimplementasikan di openclaw sudah muncul. Tinggal kupakai saja.

Semua orang tahu bahwa merapikan codebase adalah jalan untuk meningkatkan kecepatan dalam jangka panjang,
tetapi itu kurang lebih setara dengan mengatakan bahwa makan dengan baik, berolahraga, dan tidur cukup akan membuat kita lebih sehat.

claw-code - proyek penulisan ulang clean room Python berbasis source code Claude Code yang bocor

Ini memang ide yang layak dicoba, tetapi tampaknya pandangan yang dominan masih menganggap bahwa saat ini masih terlalu dini.

Begini pun masih naik ke GN... dunia macam apa ini, saat mencuri malah jadi viral...

Setelah hanya melakukan inisialisasi dasar Vault yang kosong, lalu memintanya membaca satu file itu dan mengatakan bahwa saya ingin mengonkretkan ide ini, saya pun menyusun kerangka keseluruhannya dengan skill brainstorming dari superpowers, hingga selesai menyiapkan CLAUDE.md dan pengaturan plugin Obsidian.

Ah begitu. Terima kasih sudah memberi tahu. Sepertinya saya perlu lebih memperhatikan berbagai hal.

Kalau beralih ke Claude Code, apakah bisa menggunakan agent teams?

Terima kasih sudah berbagi. Saya sudah mencobanya, dan hasilnya mengagumkan.
Saya memperkirakan komunitas akan terus menghadirkan metode-metode yang lebih baik.

Apple yang (secara patologis) mengabaikan dukungan legacy; tetapi jika tidak ada dukungan legacy, pada akhirnya itu berarti elemen yang perlu diperhatikan jadi lebih sedikit. Meski begitu, mengapa ketidakstabilan terus-menerus tetap muncul?

Bukan mengkritik demi mengkritik; memang terlalu banyak orang yang benar-benar merasakan ketidaknyamanan. (Kalau Apple diibaratkan sebagai agama, sampai-sampai rasa imannya memudar)

Saya paham maksud yang ingin disampaikan, tetapi objek perbandingannya keliru.
Saya juga setuju sampai batas tertentu soal masalah profitabilitas dan defisit kronis pada perusahaan berbasis LLM,
tetapi kalau bukan membandingkannya dengan cost of revenue perusahaan big tech, membandingkan kondisi keuangan perusahaan LLM multinasional dan Kimbap Cheonguk secara 1:1 bukanlah argumen yang tepat.

Ini agen yang sebenarnya sudah dirilis sekitar setahun lalu. Goose - 오픈소스 AI 코딩 에이전트
Belakangan ini tampaknya diperbarui sedikit demi sedikit mengikuti perkembangan terbaru, jadi sepertinya sekarang sudah cukup bagus.
Karena @jack, yang dulu pendiri Twitter dan sekarang CEO Block, membanggakannya, saya coba posting lagi sekali ini.
https://x.com/jack/status/2039897468775604711

Ini bisa dimanfaatkan seperti pada Farzapedia: Wikipedia pribadi yang dibuat dari 2.500 entri jurnal, catatan, dan pesan

• Menggunakan LLM untuk memasukkan 2.500 item dari jurnal, Apple Notes, dan percakapan iMessage, lalu otomatis menghasilkan 400 dokumen wiki yang rinci
• Mencakup teman, startup, bidang riset yang diminati, anime favorit dan pengaruhnya, serta saling terhubung dengan backlink
• Wiki ini dirancang bukan untuk dibaca pribadi, melainkan sebagai basis pengetahuan yang digunakan agen, sehingga struktur file dan backlink dibuat agar mudah dirayapi agen
• Menghubungkan Claude Code ke wiki dan menjadikan index.md sebagai titik masuk, sehingga saat kueri agen menelusuri langsung halaman yang dibutuhkan
• Contoh penggunaan: saat mengerjakan landing page baru dan meminta, "beri aku copy dan ide desain dengan merujuk pada gambar serta film yang belakangan menginspirasiku", agen akan menggabungkan dokumen "filosofi" berbasis dokumenter Studio Ghibli, dokumen "kompetitor" berisi tangkapan layar landing page perusahaan YC, hingga gambar merchandise Beatles era 1970-an yang telah disimpan, lalu memberikan jawaban
• Setahun lalu sempat membangun sistem serupa berbasis RAG, tetapi performanya kurang baik, dan pendekatan agen yang menelusuri langsung lewat sistem file terbukti jauh lebih efektif
• Saat menambahkan item baru (artikel, gambar inspirasi, catatan rapat, dll.), sistem otomatis memperbarui 2~3 dokumen yang sudah ada atau membuat dokumen baru

4 kelebihan personalisasi berbasis LLM Wiki menurut Karpathy

• Menyebut Farzapedia di atas sebagai contoh nyata yang baik dari tweet LLM Wiki, lalu merangkum 4 kelebihan pendekatan ini dibanding cara personalisasi AI lama yang "semakin dipakai akan membaik sendiri"
• Eksplisit (Explicit): hasil memori hadir jelas dalam bentuk wiki, sehingga bisa langsung memeriksa dan mengelola apa yang diketahui dan tidak diketahui AI — pengetahuan tidak terkubur di dalam sistem yang buram, melainkan ada dalam bentuk yang terlihat
• Kepemilikan data (Yours): data disimpan di komputer lokal, bukan di sistem penyedia AI tertentu, dan tidak terkunci dalam bentuk yang tak bisa diekstrak, sehingga kendali penuh atas informasi tetap terjaga
• File lebih utama daripada aplikasi (File over app): memori tersusun sebagai kumpulan file dalam format umum seperti Markdown dan gambar, sehingga kompatibel dengan berbagai alat dan CLI — agen bisa memanfaatkan seluruh toolkit Unix, dan pengguna dapat membukanya lewat antarmuka pilihan seperti Obsidian
• Bebas memilih AI (BYOAI): bisa menghubungkan AI pilihan sendiri seperti Claude, Codex, OpenCode, dll. — secara prinsip, AI open source juga bisa di-fine-tune dengan wiki ini agar bukan sekadar merujuk data, tetapi menginternalisasi pengetahuan pribadi ke dalam bobot model
• Pendekatan ini memang bukan cara paling sederhana dan tetap memerlukan pengelolaan direktori file, tetapi agen dapat banyak membantu proses tersebut
• Menekankan bahwa "kemampuan memanfaatkan agen (agent proficiency) adalah skill inti abad ke-21", dan menganjurkan untuk langsung mencoba sendiri alat yang dapat menjalankan pekerjaan komputer hanya lewat instruksi dalam bahasa Inggris

Awalnya saya agak ragu, sebelum mencobanya langsung, soal keunggulannya dibandingkan alat lain yang bisa menjalankan LLM lokal seperti ollama. Tetapi setelah benar-benar saya pakai sendiri, halusinasinya juga parah dan terasa agak bodoh.
Namun, alat LLM lokal lain biasanya kuat karena memanfaatkan GPU, tetapi juga memakan banyak sumber daya. Sementara model ini tampaknya punya keunggulan karena relatif lebih hemat sumber daya dan juga menggunakan Neural Engine dengan baik sehingga konsumsi dayanya lebih rendah.
Setahu saya, konsep Apple Intelligence sendiri adalah menjalankan AI ringan di berbagai perangkat termasuk perangkat mobile, jadi menurut saya ini cukup sesuai dengan konsep tersebut.
Meski begitu, walaupun ini model ringan, rasanya performanya tetap harus lebih baik dari ini agar bisa dipakai sedikit lebih berguna. Saat ini terlalu bodoh.

Awalnya ini memang pantas dikritik, tapi saya juga merasa Claude tidak benar-benar punya hak untuk memaki soal mencuri milik orang lain.
Kalau ingat mereka melatih model dengan memindai buku secara ilegal, lalu digugat dan akhirnya membayar ganti rugi juga sih, haha

Yang harus tersisa adalah niat masalah apa yang ingin diselesaikan saat menulis kode itu.

Setelah waktu berlalu, yang tersisa hanya pertanyaan, kenapa ini ditulis seperti ini?..

Ini tentangku ..?

Jadi pakai biner codex yang sudah ada....