Menarik, tapi saya juga jadi merasa jangan-jangan ini cuma berevolusi ke arah yang memakai token mereka lebih banyak dan menagih biaya lebih mahal; dan sebenarnya sampai taraf tertentu, library mungkin memang dibuat begitu saja karena AI sudah dilatih terhadapnya.
Agak aneh juga membayangkan hanya library tertentu yang akan berkembang karena preferensi agen.
Pada akhirnya, Departemen Pertahanan AS meninggalkan Anthropic dan memilih OpenAI, tetapi memang ada perbedaan dalam cara pengungkapannya.
OpenAI juga menawarkan mekanisme implementasi yang konkret seperti pembangunan pengaman teknis, penempatan FDE (engineer lapangan), dan deployment khusus cloud
Anthropic meminta klausul pengecualian setingkat syarat layanan
Dari sudut pandang Departemen Pertahanan AS, ini tampaknya dipandang sebagai "perusahaan swasta menjalankan hak veto atas use case individual", lalu diumumkan dengan nada seolah memberi hukuman.
Kesepakatan ini diumumkan tidak lama setelah Anthropic ditetapkan sebagai risiko rantai pasok,
dan jika melihat artikel Axios, Departemen Pertahanan memanfaatkan konfrontasinya dengan Anthropic untuk mengatur tone dalam negosiasi dengan perusahaan AI lain,
sementara OpenAI pada akhirnya berhasil mendorong kesepakatan dalam bentuk yang bisa diterima Departemen Pertahanan di bawah tekanan tersebut
Perbedaan dalam ungkapan sikap resminya juga besar.
Sam Altman mengatakan "Departemen Pertahanan menunjukkan penghormatan yang mendalam terhadap keselamatan",
sementara pihak Anthropic sampai akhir mempertahankan nada "kami secara nurani tidak bisa menyetujui tuntutan Departemen Pertahanan"
Bahkan dengan prinsip yang sama, tampaknya perbedaan besarnya adalah apakah mereka menjaga muka Departemen Pertahanan atau tidak,
dan pada akhirnya karena OpenAI menerima syarat itu sehingga situasinya jadi canggung,
Sam Altman tampaknya menambahkan di bagian akhir, "tolong tawarkan syarat ini secara sama kepada semua perusahaan AI",
sebagai pesan tidak langsung agar langkah terhadap Anthropic dilonggarkan.
Sebagai pengembang solo, saya mengelola 7 proyek, dan tulisan ini benar-benar terasa menohok.
Berkat alat AI coding, kecepatan pengembangan awal memang jadi luar biasa cepat, tetapi kode yang ditumpuk cepat tanpa pengujian pada akhirnya berubah menjadi neraka refactoring. Terutama saat harus menjalankan beberapa layanan sekaligus, proyek tanpa pengujian terasa menakutkan untuk disentuh karena setiap kali mengubah satu fitur, selalu ada rasa khawatir hal lain akan ikut rusak.
Analogi "pengujian = moat" memang tepat. Pesaing mungkin bisa menyalin kode, tetapi sulit untuk menyalin seluruh test suite yang mencakup ribuan edge case. Terlebih lagi, meski AI sudah sangat baik dalam menghasilkan kode, membuat skenario pengujian yang benar-benar bermakna masih merupakan wilayah yang membutuhkan pengetahuan domain dari manusia.
Saya penasaran ingin bertanya kepada para developer: mengapa belakangan ini kebanyakan proyek lebih sering dikembangkan dengan Rust daripada Golang? Apakah alasan terbesarnya karena ada atau tidak adanya GC?
Riset yang menarik. Terutama pada bagian "Build vs Buy", fakta bahwa 12 dari 20 kategori adalah DIY sangat mengesankan.
Kami juga melihat pengamatan serupa saat membuat standar persona agen AI (Soul Spec): jika alat tidak dinyatakan lewat CLAUDE.md atau AGENTS.md untuk Claude Code, ada kecenderungan kuat untuk mengimplementasikannya dengan caranya sendiri.
Yang disiratkan oleh "Recency Gradient" dalam riset ini tampaknya adalah bahwa agar alat baru masuk ke stack default Claude, alat tersebut harus cukup terekspos dalam data pelatihan atau ditetapkan secara eksplisit di file konteks proyek. Pada akhirnya, Context Engineering bahkan menentukan pemilihan alat.
Sekarang, untuk alat bagi developer, menjadi produk yang disukai para agent jadi makin penting.
Kalau agent bahkan tidak membicarakannya, lama-lama akan makin dijauhkan
Ralph loop juga belum lama ini ditambahkan, dan melihat Financial skill juga ikut ditambahkan, rasanya kalau kita tinggal menunggu saja, hal-hal yang ada di tool pihak ketiga akan cepat-cepat masuk juga ya.
Menurut saya pribadi, mungkin bidang-bidang seperti yang sering memakai Notebook, atau ranah AI yang hasilnya bersifat probabilistik, maupun bidang game client.
> Pertama, pahami konteks politis untuk memahami tingkat kepentingan proyek dan jadwal yang diharapkan
> Setelah itu, telusuri pendekatan yang memungkinkan berdasarkan jangka waktu yang sudah ditetapkan
Saya sempat mau mencobanya, tapi ternyata hanya mendukung sampai Gemini 2.5... apakah daftar model yang didukung juga dibuat dengan vibe coding?
Menarik, tapi saya juga jadi merasa jangan-jangan ini cuma berevolusi ke arah yang memakai token mereka lebih banyak dan menagih biaya lebih mahal; dan sebenarnya sampai taraf tertentu, library mungkin memang dibuat begitu saja karena AI sudah dilatih terhadapnya.
Agak aneh juga membayangkan hanya library tertentu yang akan berkembang karena preferensi agen.
Pada akhirnya, Departemen Pertahanan AS meninggalkan Anthropic dan memilih OpenAI, tetapi memang ada perbedaan dalam cara pengungkapannya.
OpenAI juga menawarkan mekanisme implementasi yang konkret seperti pembangunan pengaman teknis, penempatan FDE (engineer lapangan), dan deployment khusus cloud
Anthropic meminta klausul pengecualian setingkat syarat layanan
Dari sudut pandang Departemen Pertahanan AS, ini tampaknya dipandang sebagai "perusahaan swasta menjalankan hak veto atas use case individual", lalu diumumkan dengan nada seolah memberi hukuman.
Kesepakatan ini diumumkan tidak lama setelah Anthropic ditetapkan sebagai risiko rantai pasok,
dan jika melihat artikel Axios, Departemen Pertahanan memanfaatkan konfrontasinya dengan Anthropic untuk mengatur tone dalam negosiasi dengan perusahaan AI lain,
sementara OpenAI pada akhirnya berhasil mendorong kesepakatan dalam bentuk yang bisa diterima Departemen Pertahanan di bawah tekanan tersebut
Perbedaan dalam ungkapan sikap resminya juga besar.
Sam Altman mengatakan "Departemen Pertahanan menunjukkan penghormatan yang mendalam terhadap keselamatan",
sementara pihak Anthropic sampai akhir mempertahankan nada "kami secara nurani tidak bisa menyetujui tuntutan Departemen Pertahanan"
Bahkan dengan prinsip yang sama, tampaknya perbedaan besarnya adalah apakah mereka menjaga muka Departemen Pertahanan atau tidak,
dan pada akhirnya karena OpenAI menerima syarat itu sehingga situasinya jadi canggung,
Sam Altman tampaknya menambahkan di bagian akhir, "tolong tawarkan syarat ini secara sama kepada semua perusahaan AI",
sebagai pesan tidak langsung agar langkah terhadap Anthropic dilonggarkan.
Tidak bisa dibiarkan tetap minimalis saja...?
Atau sekalian saja, setelah WordPad dihapus, rilis yang baru dan lebih ringan...
Sebagai pengembang solo, saya mengelola 7 proyek, dan tulisan ini benar-benar terasa menohok.
Berkat alat AI coding, kecepatan pengembangan awal memang jadi luar biasa cepat, tetapi kode yang ditumpuk cepat tanpa pengujian pada akhirnya berubah menjadi neraka refactoring. Terutama saat harus menjalankan beberapa layanan sekaligus, proyek tanpa pengujian terasa menakutkan untuk disentuh karena setiap kali mengubah satu fitur, selalu ada rasa khawatir hal lain akan ikut rusak.
Analogi "pengujian = moat" memang tepat. Pesaing mungkin bisa menyalin kode, tetapi sulit untuk menyalin seluruh test suite yang mencakup ribuan edge case. Terlebih lagi, meski AI sudah sangat baik dalam menghasilkan kode, membuat skenario pengujian yang benar-benar bermakna masih merupakan wilayah yang membutuhkan pengetahuan domain dari manusia.
Saya penasaran ingin bertanya kepada para developer: mengapa belakangan ini kebanyakan proyek lebih sering dikembangkan dengan Rust daripada Golang? Apakah alasan terbesarnya karena ada atau tidak adanya GC?
Ini cukup bagus.
Riset yang menarik. Terutama pada bagian "Build vs Buy", fakta bahwa 12 dari 20 kategori adalah DIY sangat mengesankan.
Kami juga melihat pengamatan serupa saat membuat standar persona agen AI (Soul Spec): jika alat tidak dinyatakan lewat
CLAUDE.mdatauAGENTS.mduntuk Claude Code, ada kecenderungan kuat untuk mengimplementasikannya dengan caranya sendiri.Yang disiratkan oleh "Recency Gradient" dalam riset ini tampaknya adalah bahwa agar alat baru masuk ke stack default Claude, alat tersebut harus cukup terekspos dalam data pelatihan atau ditetapkan secara eksplisit di file konteks proyek. Pada akhirnya, Context Engineering bahkan menentukan pemilihan alat.
Bagus juga karena dataset aslinya dibuka: https://github.com/amplifying-ai/claude-code-picks
AS “Tiongkok”
Katanya ini disebut Assistive agent optimization (AAO).
Sekarang, untuk alat bagi developer, menjadi produk yang disukai para agent jadi makin penting.
Kalau agent bahkan tidak membicarakannya, lama-lama akan makin dijauhkan
Ralph loop juga belum lama ini ditambahkan, dan melihat Financial skill juga ikut ditambahkan, rasanya kalau kita tinggal menunggu saja, hal-hal yang ada di tool pihak ketiga akan cepat-cepat masuk juga ya.
Astro*
Tidak punya kemampuan. Tidak punya selera.
Mungkin juga bisa diterjemahkan dengan kepribadian.
👍👍👍
Harus dicoba langsung untuk tahu, tapi situs resminya memang luar biasa.
wkwkwk
Di mana saya bisa melihatnya?
Menurut saya pribadi, mungkin bidang-bidang seperti yang sering memakai Notebook, atau ranah AI yang hasilnya bersifat probabilistik, maupun bidang game client.
Siapa yang akan berkontribusi, ya
> Pertama, pahami konteks politis untuk memahami tingkat kepentingan proyek dan jadwal yang diharapkan
> Setelah itu, telusuri pendekatan yang memungkinkan berdasarkan jangka waktu yang sudah ditetapkan
Oho