3 poin oleh sleeplesshan 17 jam lalu | Belum ada komentar. | Bagikan ke WhatsApp

Halo. Baru-baru ini, sambil menggunakan Codex atau Claude Code dalam pekerjaan nyata, saya ingin memperkenalkan Dual-Brain, sebuah protokol skill ekstensi open-source yang sedang dikembangkan untuk mengurangi masalah LLM yang mudah kelebihan beban saat menulis kode kompleks atau membatalkan keputusan sebelumnya.

Dual-Brain lebih dekat ke pemisahan fungsi berpikir dalam melihat masalah, daripada cara membagi peran seperti “PM / developer / QA” kepada AI.

Satu agen tidak langsung memberikan jawaban, tetapi dipaksa melewati interogasi konteks yang berperan sebagai otak kanan dan verifikasi logika yang berperan sebagai otak kiri secara berurutan, lalu orchestrator menyintesis hasil akhirnya.

1. Tiga mode kegagalan pada eksekusi agen tunggal yang ada

Jika Anda meminta LLM di terminal untuk sekaligus menangani desain arsitektur kompleks atau refactoring, biasanya Anda akan sering menemui masalah berikut.

  • Jebakan menerima teks apa adanya
    Ia menerima requirement yang ambigu begitu saja, lalu dengan percaya diri membangun kode yang melenceng.
  • Neraka detail
    Ia tenggelam dalam sintaks kode yang mikroskopis dan edge case, sehingga melewatkan jalur arsitektural yang lebih sederhana dan lebih baik.
  • Loop amnesia
    Setelah sesi berakhir, konteks sebelumnya hilang, sehingga arah arsitektur yang sudah diputuskan minggu lalu dibatalkan lagi pada sesi berikutnya.

2. Solusi: dua fungsi berpikir

Saat Dual-Brain dimuat, agen utama mengambil peran sebagai orchestrator dan tidak langsung menjawab. Sebagai gantinya, ia menjalankan dua tahap peninjauan internal dalam urutan yang sudah ditentukan.

  • Otak kanan, Right Brain: konteks / pola / interogasi
    Ia tidak langsung mengimplementasikan requirement pengguna, melainkan lebih dulu meragukannya. Ia menelaah pertanyaan seperti “Apa blind spot dari requirement ini?”, “Apakah ini bertentangan dengan keputusan sebelumnya?”, dan “Apakah istilahnya ambigu?”.
  • Otak kiri, Left Brain: logika / verifikasi / kode
    Ia membandingkan definisi masalah yang dibuat oleh otak kanan dengan codebase nyata, dokumentasi resmi, dan memori proyek. Ia menyaring API halusinasi, asumsi usang, dan desain yang tidak dapat diimplementasikan, lalu mematangkannya menjadi bentuk yang bisa dieksekusi.

Pada akhirnya, orchestrator menyintesis kedua hasil itu hingga berlanjut ke perubahan kode, dokumentasi, dan pembaruan memori.

3. Sistem tingkatan memori

Skill ini menyimpan memori jangka panjang di .dual-brain/MEMORY.md pada root proyek.

Namun, makin besar proyek, makin mungkin keputusan lama dan constraint aktif dari minggu lalu tercampur dengan bobot yang sama. Untuk mengatasi ini, memori diperlakukan bukan sebagai flat document, melainkan sebagai tiered memory.

  • Hot Memory
  • Warm Memory
  • Cold Memory
  • Archived Decisions

Hot Memory adalah keputusan aktif dan constraint yang sangat memengaruhi pekerjaan saat ini.

Warm Memory adalah konteks berguna yang hanya dibaca pada pekerjaan terkait.

Cold Memory dan Archived Decisions tidak dibaca semuanya secara default, dan hanya ditelusuri saat diperlukan pencarian kata kunci atau verifikasi konflik.

refs tidak bertambah hanya karena pernah dibaca, tetapi hanya bertambah saat benar-benar memengaruhi pertanyaan / verifikasi / sintesis / implementasi.

Memori yang lama atau duplikat dikompresi otomatis, dan keputusan yang kontradiktif atau dibatalkan dipindahkan ke Archived.

Informasi sensitif, token, key, dan data pribadi tidak disimpan atau diringkas, melainkan diperlakukan sebagai objek yang harus dihapus/tidak disimpan.

Hal pentingnya adalah memori bukan sumber kebenaran. Dalam Dual-Brain, memori adalah advisory context, dan kode saat ini serta dokumentasi resmi lebih diprioritaskan daripada memori yang sudah stale.

4. Benchmark

Repository ini menyertakan benchmark harness kecil berbasis Codex untuk membandingkan pendekatan single-agent dan Dual-Brain.

Dual-Brain bukan pendekatan yang cepat. Sebaliknya, tujuannya adalah membuat lebih banyak proses berpikir di awal agar mengurangi loop ketika manusia harus memperbaiki dan menjelaskan ulang di tahap berikutnya.

5. Instalasi

Jika menggunakan SkillsGate, Anda dapat memasang dan mengelola skill di lingkungan Codex CLI dan Claude Code.

npx skillsgate add sleeplesshan/dual-brain -g  
Instalasi manual juga dimungkinkan.  
 - Codex  
Bash  
git clone [https://github.com/sleeplesshan/dual-brain.git](https://github.com/sleeplesshan/dual-brain.git) ~/.codex/skills/dual-brain  
 - Claude Code  
Bash  
git clone [https://github.com/sleeplesshan/dual-brain.git](https://github.com/sleeplesshan/dual-brain.git) ~/.claude/skills/dual-brain  
Setelah instalasi, Anda dapat memanggilnya seperti biasa dengan bahasa alami.  
  
6. Kapan cocok digunakan  
Dual-Brain berlebihan untuk perubahan sederhana. Untuk mengganti nama variabel, memperbaiki bug satu baris, atau boilerplate yang jelas, tidak perlu dipakai.  
Sebaliknya, ia cocok untuk situasi berikut.  
- refactoring dengan requirement yang ambigu  
- keputusan arsitektur  
- integrasi API atau SDK yang belum familiar  
- perubahan yang bisa berbenturan dengan keputusan sebelumnya  
- pekerjaan di mana API hasil halusinasi bisa berujung pada gangguan nyata  
- pekerjaan yang membuat Anda merasa, “Saya bahkan tidak yakin sedang mengajukan pertanyaan yang benar”  
  
Seluruh `SKILL.md` dan benchmark harness telah dibuka sebagai open source (lisensi MIT).  
 Saya ingin mendapatkan masukan dari orang-orang yang tertarik pada desain LLM orchestration, prompt engineering, dan agent memory.

Belum ada komentar.

Belum ada komentar.