Saya lelah terus-menerus mencari berita, merangkum, lalu mengambil keputusan.
Jadi saya coba membuat AI yang melakukan analisisnya untuk saya.
Saat dibuka, layanan ini otomatis membuat
laporan berbasis berita dan data filing SEC,
dan juga merangkum pergerakan setelah penutupan pasar secara terpisah.
✔️ Hampir tidak perlu waktu untuk analisis saham
✔️ Bisa langsung melihat inti berita saja
✔️ Bisa cepat memahami alur pergerakan harian
Cara kerjanya seperti ini.
- Laporan penutupan pasar saham AS dan riset per saham dibuat otomatis setiap hari
- Riset per saham dibuat sekali per hari saat diklik, lalu setelah itu bisa dilihat kembali dengan cepat
- Yang disediakan bukan artikel berita asli, melainkan ringkasan poin-poin inti yang sudah dianalisis
- Komposisi / pergerakan ETF juga bisa dicek bersama
Ada juga beberapa hal yang realistis untuk dicatat.
- Karena masalah lisensi, indeks disediakan berdasarkan DIA / SPY / QQQ
- Grafik menggunakan data dengan penundaan 15 menit
- Saat akses pertama kali, ada sedikit jeda karena laporan perlu dibuat terlebih dahulu
Login saat ini hanya menerima akun Google dan Telegram,
dan laporannya sendiri dibuka secara gratis.
Saya tidak mengumpulkan data sensitif, jadi cukup login hanya jika ingin ikut voting.
Karena ini saya buat sendiri dengan vibe coding,
pasti masih banyak kekurangannya, jadi kalau ada masukan akan saya coba terapkan.
Hal yang saya rasakan saat membuatnya
- Mengembangkan dengan AI terasa lebih dekat ke “amplifikasi” daripada “penggantian”
Akhir-akhir ini banyak yang membahas soal AI menggantikan developer,
tapi setelah saya coba langsung,
ternyata menyelesaikan tiga hal ini
— validasi / penjelasan / perbaikan —
hanya dengan AI saja tidak semudah yang saya kira.
Pada akhirnya, manusia tetap harus terus memberi arah.
- Kalau tersangkut satu masalah, satu hari bisa habis begitu saja
Kalau ada satu hal yang macet, saya harus terus memutar GPT sambil mencoba menyelesaikannya,
dan ini memakan waktu lebih lama dari yang dibayangkan.
Sering juga saya menghabiskan seharian penuh tanpa berhasil menyelesaikannya,
jadi secara mental cukup melelahkan.
- Kalau mulai tanpa melihat “biaya”, ini benar-benar berbahaya
Awalnya
saya ingin membuat laporan secara real-time untuk setiap permintaan,
namun karena biaya LLM + data API tidak tertanggungkan,
pada akhirnya saya ubah strukturnya menjadi “dibuat 1 kali setelah pasar tutup + caching”.
Karena biaya operasional juga terus berjalan,
saat ini saya mempertahankannya dengan memasang AdSense seminimal mungkin.
Ini benar-benar bagian yang bisa meledak kalau tidak dipikirkan dari awal.
Kalau ada non-developer yang sedang melakukan vibe coding,
saya sangat menyarankan untuk melihat struktur biayanya terlebih dahulu.
- Infrastruktur lebih sulit dari yang dibayangkan
Saya memakai AWS alih-alih Firebase,
dan saya kira itu akan lebih murah,
namun pada akhirnya keduanya sama-sama mesin pembakar uang.
Terutama saat menghubungkan GitHub Actions + AWS,
saya membuang sekitar 3 minggu dan hampir mental breakdown.
- Pemilihan model juga lebih penting dari yang dibayangkan
Saya sempat memakai Claude Sonnet,
tapi ada bagian yang terlewat pada tahap validasi,
sehingga akhirnya saya melengkapinya dengan GPT Codex.
(VSCode menggunakan Codex extension)
- Pada akhirnya, yang penting adalah “desain”
Awalnya saya kira AI akan mengerjakan semuanya,
- Kapan harus membuatnya
- Apa yang harus di-cache
- Sampai sejauh mana harus diotomatisasi
Menentukan hal-hal itu ternyata jauh lebih penting.
- Secara emosional juga tidak mudah
Ini agak personal,
tapi ketika GPT tidak memahami maksud saya (meski kebanyakan mungkin karena penjelasan saya sendiri),
stresnya cukup menumpuk.
Karena terus terpaku menghadapinya,
ada beberapa momen ketika saya benar-benar ingin menghancurkan keyboard.
Ada satu hal tambahan yang saya penasaran.
Dalam struktur saat ini, resource ECS task / RDS sebenarnya sudah cukup,
tapi loading pertama website terasa lebih lambat dari yang saya duga.
(Terutama saat permintaan pertama)
Dari GPT maupun Claude, saya terus mendapat jawaban bahwa “resource sudah cukup”,
tapi performa yang dirasakan jelas lambat, jadi sepertinya bottleneck ada di tempat lain.
- Apakah ini karena logika pembuatan ikut berjalan saat cache miss
- Atau karena masalah pada struktur respons API
Saya masih belum punya gambaran jelas bottleneck-nya ada di mana,
jadi kalau ada yang pernah mengalami isu performa pada struktur serupa,
saya ingin minta saran, sebaiknya mulai memeriksa dari mana.
Mungkin karena saya memulainya hampir tanpa tahu coding,
akhirnya butuh waktu 2 bulan,
Jadi ketika melihat orang lain bisa membuat layanan hanya dalam beberapa hari,
saya benar-benar merasa mereka hebat.
Saya sangat menghormati para developer.
Kalau ada yang pernah membuat layanan serupa dengan AI,
saya juga penasaran di bagian mana kalian paling sering tersendat.
Saya juga menambahkan mini app Telegram, jadi saya sertakan alamatnya di sini.
https://t.me/rallypi_bot
Belum ada komentar.