Claude Code, Menjalankan Tugas Terjadwal di Web

 (code.claude.com)
7 poin oleh GN⁺ 22 hari lalu | 1 komentar | Bagikan ke WhatsApp
  • Dengan fitur penjadwalan cloud, tugas berulang dapat diotomatisasi dan tetap berjalan di latar belakang meski komputer dimatikan
  • Ada tiga metode penjadwalan: Cloud, Desktop, dan /loop, dengan perbedaan pada lokasi eksekusi dan satuan pengaturan interval
  • Penjadwalan dapat dibuat dari web, aplikasi desktop, dan CLI dengan menentukan nama tugas, repositori, environment, interval, dan connector
  • Dengan konversi zona waktu otomatis, pengaturan interval kustom, dan integrasi connector MCP, dapat terhubung dengan Slack, Linear, dan Google Drive
  • Pengembang dapat memanfaatkannya untuk membangun workflow otomasi berkelanjutan seperti code review, analisis CI, dan sinkronisasi dokumentasi

Menjalankan tugas terjadwal di web

  • Tugas berulang dapat diotomatisasi dengan scheduled task berbasis cloud
    • Berjalan di infrastruktur yang dikelola Anthropic, sehingga tetap aktif meski komputer pengguna dimatikan
    • Contohnya mencakup peninjauan Pull Request setiap pagi, analisis kegagalan CI pada malam hari, sinkronisasi dokumentasi, dan audit dependensi mingguan
    • Tersedia untuk semua pengguna Claude Code on the web (Pro, Max, Team, Enterprise)

Perbandingan opsi penjadwalan

  • Claude Code mendukung tiga metode eksekusi terjadwal: Cloud, Desktop, dan /loop
    • Cloud berjalan di Anthropic cloud sehingga tetap aktif meski komputer dimatikan
    • Desktop dan `/loop`` berjalan di mesin lokal, dengan perbedaan pada keberlanjutan sesi dan izin akses file
  • Tugas Cloud dapat diatur dengan interval minimum 1 jam, sedangkan Desktop dan /loop mendukung interval per 1 menit
  • Cloud berjalan secara otomatis tanpa prompt izin, sementara Desktop memungkinkan pengaturan izin per tugas

Prosedur membuat tugas terjadwal

  • Tugas terjadwal dapat dibuat dari web, aplikasi desktop, dan CLI
    • Web: klik New scheduled task di claude.ai/code/scheduled
    • Desktop: pilih New remote task di halaman Schedule
    • CLI: gunakan perintah /schedule untuk konfigurasi interaktif atau tentukan langsung seperti /schedule daily PR review at 9am
  • Langkah pembuatan
    • Menulis nama tugas dan prompt: karena berjalan secara otonom, prompt harus jelas dan lengkap
    • Memilih repositori: tambahkan repositori GitHub, clone dari branch default lalu push perubahan ke branch berawalan claude/
    • Memilih environment: tentukan environment cloud yang mencakup akses jaringan, variabel environment, dan skrip instalasi
    • Memilih interval: default-nya setiap hari pukul 9 pagi waktu lokal, dan dapat disesuaikan lebih rinci lewat /schedule update di CLI
    • Meninjau connector: pilih apakah akan menyertakan connector MCP seperti Slack, Linear, dan Google Drive
    • Selesai membuat: setelah dibuat akan muncul di daftar, lalu berjalan otomatis pada jadwal berikutnya atau bisa langsung dijalankan lewat Run now

Opsi interval eksekusi

  • Interval penjadwalan mendukung konversi zona waktu otomatis dan dijalankan pada waktu lokal yang ditentukan
  • Eksekusi bisa tertunda beberapa menit, tetapi setiap tugas mempertahankan offset yang konsisten
  • Interval bawaan
    • Hourly: berjalan setiap jam
    • Daily: sekali sehari, default 9:00 AM
    • Weekdays: hanya pada hari kerja
    • Weekly: seminggu sekali pada hari dan waktu yang ditentukan
  • Interval kustom seperti setiap 2 jam atau tiap tanggal 1 setiap bulan dapat diatur lewat /schedule update di CLI

Izin repositori dan branch

  • Pada setiap eksekusi, repositori akan di-clone ulang dan dimulai dari branch default
  • Secara default, push hanya diizinkan ke branch dengan awalan claude/
  • Jika perlu mengubah protected branch, pembatasan dapat dilepas dengan opsi Allow unrestricted branch pushes

Connector

  • Tugas terjadwal dapat berinteraksi dengan layanan eksternal melalui connector MCP
    • Contoh: membaca permintaan dukungan dari channel Slack lalu membuat issue di Linear
  • Secara default, semua connector yang sudah terhubung akan disertakan, dan item yang tidak diperlukan bisa dihapus
  • Connector dapat dikelola dari formulir pembuatan tugas, Settings > Connectors, atau CLI /schedule update

Konfigurasi environment

  • Setiap tugas berjalan di environment cloud, dengan kontrol atas akses jaringan, variabel environment, dan skrip instalasi
  • Perlu konfigurasi awal untuk akses API, instalasi dependensi, pembatasan jaringan, dan sebagainya
  • Selain environment bawaan (Default), pengguna juga dapat membuat environment kustom

Mengelola tugas terjadwal

  • Klik tugas pada daftar Scheduled untuk membuka halaman detail
    • Anda dapat melihat repositori, connector, prompt, interval, dan riwayat eksekusi sebelumnya

  • Melihat riwayat eksekusi dan berinteraksi

    • Klik setiap run untuk membukanya sebagai sesi penuh
    • Anda dapat meninjau apa yang dilakukan Claude, perubahan yang dibuat, membuat Pull Request, dan melanjutkan percakapan
    • Gunakan dropdown di samping judul sesi untuk mengganti nama, mengarsipkan, atau menghapus

  • Mengedit dan mengontrol tugas

    • Jalankan segera dengan Run now
    • Jeda atau lanjutkan dengan toggle Repeats
    • Gunakan ikon edit untuk mengubah nama, prompt, interval, repositori, environment, dan connector
    • Gunakan ikon hapus untuk menghapus tugas (sesi yang sudah ada tetap dipertahankan)
    • Di CLI, pengelolaan juga bisa dilakukan dengan perintah /schedule list, /schedule update, dan /schedule run

Sumber terkait

Bacaan terkait

1 komentar

 
GN⁺ 22 hari lalu
Komentar Hacker News

  • Menarik bahwa situs resminya mengumumkan peluncuran fitur, sementara pembatasan pemakaian justru diumumkan lewat akun Twitter salah satu anggota tim
    Dulu saat mereka mengumumkan kuota 2x, ada juga yang memprediksi akan datang “rug pull” seperti ini (tweet terkait)

    • Menurutku pendekatan seperti ini masuk akal. Daripada menaikkan harga untuk semua orang, mereka mendorong perilaku tertentu. Mirip konsep tarif jalan berbeda berdasarkan jam sibuk
    • Karena kebijakan harga Anthropic, belakangan ini aku lebih sering memakai GLM-5. Memang belum setingkat Opus, tapi cukup layak dipakai. Aku sempat beruntung dapat paket murah Alibaba Coding Model, tapi sekarang paket itu sudah hilang
    • Kalau memakai penyedia cloud, batasan seperti ini memang harus diterima. Kalau ingin stabilitas, lebih baik beli perangkat lokal seperti Mac Studio atau Strix Halo lalu siapkan lingkungan inferensi sendiri
    • Kalau lihat balasan di tweet kedua, ada engineer Claude Code dari Anthropic yang bilang isi itu tidak benar. Ini contoh informasi keliru yang keburu menyebar

  • Kita makin mendekati dunia di mana pengembangan perangkat lunak iteratif berbasis AI menjadi hal yang normal
    Pengguna tepercaya memberi masukan, AI merapikannya menjadi tiket, AI lain membuat PR, lalu setelah ditinjau hasilnya dideploy
    Rasanya ini sudah hampir jadi kenyataan

    • Dulu aku juga percaya ke arah itu, tapi sekarang jadi skeptis. Di tiap tahap, tingkat error-nya terlalu tinggi, dan sistem yang dibuat untuk menurunkannya malah menciptakan error baru
      AI tidak bisa menulis kode yang mudah dipelihara, malah memperlambat kerja. Pada akhirnya AI-assisted coding jauh lebih efisien
      Alasan FAANG menghabiskan 300 dolar per baris bukan soal kecepatan, tapi akurasi dan struktur
    • Aku suka arah ini, tapi biaya inferensi masih terlalu tinggi. Biaya training masih oke, tapi kalau biaya inferensi turun, insentif untuk membuka model justru hilang
      Kalau Taalas benar-benar bisa membakar model langsung ke hardware, itu kemajuan besar, tapi pada akhirnya masalahnya hanya dipindah ke bottleneck hardware
      Mungkin suatu hari nanti kita akan hidup di era model yang dicolok seperti cartridge Game Boy
    • Dari sudut pandang pengguna, mereka sudah terlalu jauh dari perangkat lunak buatan manusia sehingga tidak terlalu peduli siapa yang membuatnya
      Bahkan membaca postingan Hacker News pun sudah merupakan hasil dari beberapa lapisan sistem otomatis
    • Bahkan setelah puluhan tahun, pengguna tetap kesulitan menulis tiket yang layak
    • Loop umpan balik seperti itu pada akhirnya hanya memperbesar garbage-in → garbage-out secara eksponensial. Mirip fantasi “robot memperbaiki dirinya sendiri”

  • Dulu aku pernah mengatur sesuatu mirip ChatGPT dengan instruksi “beri tahu aku hanya saat jam 8 pagi kalau lalu lintas ke kantor macet”, tapi notifikasi tetap datang setiap hari meski tidak macet

    • Kebanyakan sistem agent cuma mencoba menyelesaikannya dengan cron, sambil mengabaikan konsep prospective memory
      Lihat tulisan terkait: The Missing Memory Type
    • Pada akhirnya memang harus menulis prompt dengan lebih jelas. Seperti lelucon programmer, kalau kondisinya salah, hasilnya juga ngawur
    • Agent menjalankan tool di dalam loop. Kalau ingin hasil yang konsisten, definisi “macet” harus dijelaskan dengan jelas lewat tool
      Aku menghubungkan cuaca, jadwal kereta, kalender jadwal kerja, dan tool notifikasi Telegram untuk menjalankan sistem ini
      Sebenarnya dengan cron pun sudah cukup bisa dibuat
    • Bisa juga pakai sesuatu seperti pi-mono untuk mendefinisikan kriteria evaluasi secara langsung (tautan GitHub)
    • Aku juga mengalami masalah yang sama. Sistemnya tidak hanya memberi tahu true positive, tapi juga semua false positive. Bodoh sekali

  • Banyak orang dan perusahaan sudah lama ingin otomatisasi web, tapi operator situs selalu menghalanginya
    Tapi begitu diberi label AI, sekarang suasananya jadi seolah diperbolehkan

  • Baru-baru ini aku pindah dari GitHub Copilot Pro ke Claude Code Max (20x)
    Claude unggul di banyak hal, tapi bagian agent remote/cloud masih lemah
    Saat mencoba mengatur “Claude on the web” untuk proyek Elixir, aku gagal karena masalah firewall jaringan
    Log juga hanya menampilkan bagian akhir, jadi sulit untuk debug
    Sebaliknya, “Coding Agents” milik Copilot memakai infrastruktur GitHub Actions sehingga jauh lebih stabil
    “Schedule task on the web” tampaknya dibangun dengan struktur yang sama, jadi aku khawatir masalah serupa akan muncul

  • Sepertinya orang pada akhirnya akan mencoba memakai AI untuk pekerjaan yang sebenarnya sudah cukup ditangani dengan otomatisasi sederhana berbasis aturan
    Di perusahaan pun sering muncul ide “mari selesaikan X dengan AI”, padahal sering kali sebenarnya tidak perlu

    • Rasanya industri sengaja menghambat otomatisasi dasar seperti “jalankan tugas dengan cron”
      AI mungkin bisa membantu bagian “then”, tapi kalau bagian “if” ditangani dengan baik saja sudah cukup berguna
    • Di perusahaanku juga mirip. Kami sedang dalam proses merger dan akuisisi, dan para investor menekan dengan argumen bahwa “kita harus lebih banyak memakai AI agar tidak tertinggal dari kompetitor”
      Masalahnya adalah ketika adopsi AI menjadi tujuan itu sendiri
    • Sistem seperti ini lebih cocok untuk tugas longgar dan intuitif seperti “cek apakah hari ini ada penawaran bagus”
    • Kalau pengguna bisa mengekspresikan niatnya dengan jelas, hasilnya bisa bagus.
      Aku menulis artikel untuk membantu orang memahami skill agent
      Building Agent Evals
      Dan ada juga tulisan tentang masalah nondeterminisme
      Error Compounding
    • Bagi pengguna umum, menulis bagian ‘then’ itu sulit. Pada akhirnya AI yang bisa memahami niat lewat bahasa alami yang akan menurunkan hambatan itu

  • Aku memakai paket Claude Code Max 20x, tapi tugas terjadwal di cloud tetap dibatasi hanya 3
    Meski begitu, fiturnya sendiri keren. Di lokal aku sering repot karena masalah izin, tapi di cloud sandbox bisa dijalankan
    Tiga tugas yang kuatur adalah sebagai berikut

    1. Setiap Senin menjalankan pnpm audit dan pnpm outdated, lalu membuat laporan keamanan/pembaruan
    2. Setiap hari kerja menganalisis log dan metrik Sentry lalu membuat laporan issue baru
    3. Meninjau commit di branch develop dari hari sebelumnya untuk mengecek bug, keamanan, dan dokumentasi yang kurang
      Sepertinya ini akan berguna kalau dijalankan otomatis setiap hari/minggu. Konektor Sentry Claude Code cukup akurat
      Nanti aku ingin mencoba sampai tahap membuat issue atau mengirim PR secara otomatis
    • Padahal sebenarnya cukup satu baris cron
      0 7 * * 1-5 ANTHROPIC_API_KEY=sk-... /path/to/claude-cron.sh /path/to/repo >> ~/claude-reports.md 2>&1

  • Kecepatan Claude cukup mengejutkan.
    Grok sebenarnya sudah menyediakan fitur ini lebih dulu, dan baru sekarang pemain lain mulai menyusul
    Fitur seperti ini punya efek lock-in pengguna yang besar. Grok memberi 10 tugas paralel gratis
    Aku memakainya untuk mengambil berita dari berbagai sumber setiap pagi

  • Fitur ini agak terbatas. Tidak bisa mengambil screenshot atau mengirim permintaan curl ke domain sembarang
    Karena itu aku membuat layanan cloud bernama Cronbox
    Pernah kuperkenalkan lewat “Show HN: Cronbox – Schedule AI Agents”,
    dan ada juga contoh tugas Pelican Rides a Bicycle

  • Sepertinya ada hal mendasar yang terlewat. Aku paham ini menjalankan prompt pada repositori git, tapi hasilnya dikirim ke mana?
    Apakah diberi izin commit agar langsung diterapkan, atau bekerja lewat tool MCP?

    • Ini disediakan lewat bundling MCP. Pendekatannya cukup keren
    • Kami dulu menjalankan audit keamanan otomatis setiap minggu dan memposting hasilnya ke Slack