Tanpa Menulis Kode, Bangun AI Agent Pertama Anda dalam 2 Hari (Tutorial Lengkap)

marsbitDipublikasikan tanggal 2026-05-16Terakhir diperbarui pada 2026-05-16

Abstrak

**Ringkasan: Panduan Akhir Pekan untuk Membangun AI Agent Pertama Anda Tanpa Kode** Agent AI berbeda dari chatbot biasa. Chatbot hanya merespons satu pertanyaan, sementara Agent dapat menerima tujuan, membuat rencana, menjalankan langkah-langkah menggunakan alat, dan memberikan hasil akhir secara mandiri. Anda tidak perlu menjadi pengembang kode untuk membuatnya. Dengan alat seperti Claude Desktop (Claude Cowork) atau Claude.ai (Claude Projects), siapa saja dapat membuat Agent yang berguna hanya dalam akhir pekan. **Struktur Agent:** 1. **Tujuan:** Spesifik dan terukur. 2. **Rencana:** Langkah-langkah berurutan. 3. **Alat:** Kemampuan seperti pencarian web, analisis data. 4. **Siklus:** Eksekusi, pengecekan, dan pengulangan hingga selesai. **Panduan Langkah demi Langkah:** * **Sabtu Pagi:** Pahami perbedaan Agent dan chatbot. Identifikasi tiga tugas berulang Anda dan pilih yang paling sederhana untuk proyek pertama. * **Sabtu Sore:** Buat "Blueprint Agent" yang menjawab: Tujuan, Langkah-langkah, Alat yang dibutuhkan, Format keluaran akhir, dan Aturan penanganan kesalahan. Kemudian, jalankan di Claude. * **Minggu Pagi:** Debug dan optimalkan. Tinjau hasil pertama, identifikasi kesalahan, perbarui blueprint dengan instruksi yang lebih spesifik, dan jalankan lagi. Ulangi siklus ini 3-4 kali untuk meningkatkan keandalan dari 60% menjadi 90%. * **Minggu Sore:** Bangun Agent kedua untuk melipatgandakan pengalaman. Pilih dari templat seperti Agen Riset, Agen Olah Ula...

Catatan editor: Ambang batas untuk AI Agent, mungkin lebih rendah dari yang dibayangkan banyak orang.

Artikel ini adalah tutorial pengantar tanpa kode untuk pengguna biasa. Artikel ini dimulai dengan membedakan antara Agent dan chatbot, kemudian menjelaskan bagaimana merancang 'Blueprint Agent', cara menjalankan tugas, cara melakukan debug dan pengoptimalan, dan melalui iterasi berulang, membuat sebuah Agent berkembang dari 'cukup bisa digunakan' menjadi 'benar-benar berguna'.

Bagi orang biasa, belajar membangun Agent pada dasarnya adalah belajar mengotomatisasi pekerjaan berulang Anda. Akhir pekan, dua hari, mungkin sudah cukup untuk Anda membangun AI Agent pertama milik Anda sendiri.

Berikut adalah teks aslinya:

Anda tidak perlu bisa menulis kode, untuk membangun sebuah AI Agent. Disarankan untuk menyimpan dan mengoleksi.

Saya harap Anda benar-benar memahami hal ini. Karena kebanyakan orang saat membaca kalimat ini akan mengangguk, tetapi di dalam hati mereka masih merasa: membangun Agent itu, hanya milik para pengembang.

Faktanya tidak demikian. Asalkan Anda bisa menulis instruksi yang jelas dalam bahasa Inggris yang jelas, Anda dapat membangun sebuah AI Agent pada akhir pekan ini. Bukan mainan, bukan versi demo, melainkan Agent yang benar-benar dapat digunakan: Ia dapat menerima sebuah tujuan, memecahnya menjadi beberapa langkah, memanggil alat untuk menyelesaikan setiap langkah, dan akhirnya memberikan hasil nyata.

Orang-orang yang sedang membangun Agent saat ini, tidak semuanya adalah insinyur. Di antara mereka ada profesional pemasaran, pendiri startup, konsultan, peneliti, dan pembuat konten. Mereka hanya menguasai satu hal: bagaimana mendeskripsikan kebutuhan mereka dengan cukup jelas, sehingga AI dapat menjalankannya.

Itulah satu-satunya kemampuan yang dibutuhkan.

Artikel ini akan membawa Anda dari nol, membangun AI Agent pertama Anda yang benar-benar dapat digunakan. Tidak perlu kode, tidak perlu pengalaman terminal, juga tidak perlu latar belakang ilmu komputer. Anda hanya perlu Claude, sebuah tujuan yang jelas, dan satu akhir pekan yang fokus.

Pada Minggu malam, Anda akan memiliki sebuah Agent yang benar-benar dapat berperan untuk kehidupan atau bisnis Anda.

Sabtu Pagi: Pahami Dulu Apa Itu Agent yang Sebenarnya

Agent Bukanlah Chatbot

Kebanyakan orang mengira, Agent hanyalah chatbot yang lebih canggih. Sebenarnya tidak.

Chatbot menunggu pertanyaan Anda, lalu memberi Anda jawaban, hanya itu. Satu pertanyaan, satu jawaban. Apa yang harus dilakukan selanjutnya, masih harus Anda selesaikan. Anda kembali untuk bertanya lagi, lalu menyelesaikan langkah berikutnya sendiri. Andalah mesin penggerak seluruh proses, chatbot hanyalah mesin respons.

Agent sangat berbeda. Anda memberikannya sebuah tujuan, ia akan membuat rencana, dan menjalankannya langkah demi langkah. Ia akan memanggil alat, memeriksa pekerjaannya sendiri, menangani masalah yang muncul selama proses, dan memberikan hasil akhir.

Perbedaan intinya terletak pada otonomi. Chatbot adalah alat bantu, sedangkan Agent mampu menjalankan tugas.

Contoh skenario nyata: Anda ingin meneliti lima pesaing utama, dan menghasilkan dokumen perbandingan.

Jika menggunakan chatbot, Anda perlu bertanya tentang pesaing pertama, menyalin jawaban; bertanya tentang pesaing kedua, menyalin jawaban; mengulanginya tiga kali. Kemudian Anda juga harus mengatur format sendiri, menulis analisis sendiri. Ini akan memakan waktu kerja aktif Anda sekitar satu jam.

Jika menggunakan Agent, Anda hanya perlu mengatakan: 'Silakan teliti lima pesaing utama di industri saya, bandingkan dari dimensi harga, fitur, target pengguna, dan posisi pasar, dan hasilkan dokumen perbandingan yang diformat.' Agent akan mencari informasi masing-masing pesaing, mengumpulkan data, mengorganisir konten, menyelesaikan perbandingan, dan memberikan dokumen akhir. Anda hanya perlu meninjau hasilnya. Ini mungkin hanya memakan waktu lima menit Anda.

Hasilnya sama, tetapi prosesnya sama sekali berbeda.

Bagaimana Sebuah Agent Beroperasi

Setiap Agent terdiri dari empat komponen.

Pertama, Tujuan.
Yaitu tugas apa yang harus diselesaikan Agent. Semakin jelas tujuannya, kinerja Agent semakin baik.

Kedua, Rencana.
Yaitu langkah-langkah yang akan diambil Agent untuk mencapai tujuan. Beberapa Agent akan membuat rencananya sendiri, beberapa akan menjalankan rencana yang Anda rancang. Agent terbaik seringkali memiliki keduanya: mengikuti struktur yang Anda berikan, tetapi juga menyesuaikan berdasarkan informasi yang ditemukan selama pelaksanaan.

Ketiga, Alat.
Yaitu kemampuan yang dapat dipanggil oleh Agent, seperti penelusuran web, membaca file, menulis file, perhitungan, akses API, dll. Tanpa alat, Agent hanyalah generator teks yang 'berpikir sambil berbicara'; dengan alat, ia benar-benar memiliki kemampuan untuk menyelesaikan tugas di dunia nyata.

Keempat, Siklus.
Agent akan menjalankan satu langkah, memeriksa hasil, menilai apa yang harus dilakukan selanjutnya, lalu mengulangi proses ini sampai tujuan tercapai. Mekanisme siklus inilah yang menjadi kunci otonomi Agent. Ia tidak akan berhenti setelah menyelesaikan satu langkah, tetapi akan terus melangkah sampai tugas selesai.

Apa yang Perlu Anda Lakukan Sabtu Pagi

Bacalah bagian ini dua kali dulu, sampai Anda bisa menjelaskan perbedaan antara chatbot dan Agent kepada orang lain.

Kemudian, tuliskan tiga tugas dalam pekerjaan atau kehidupan Anda yang saat ini masih Anda lakukan secara manual, tetapi pada dasarnya memiliki alur kerja multi-langkah. Untuk setiap tugas, sebutkan langkah-langkah yang biasanya Anda ambil, serta alat yang akan Anda gunakan.

Terakhir, pilih yang paling sederhana sebagai proyek Agent pertama Anda.

Sabtu Siang: Bangun Agent Pertama Anda dengan Claude

Pilih Platform Anda

Saat ini, Anda memiliki dua pilihan untuk membangun Agent tanpa kode.

Claude Cowork dalam aplikasi Claude Desktop.
Ini adalah jalur termudah. Cowork memungkinkan Claude mengakses file Anda, dan secara mandiri menjalankan tugas multi-langkah. Jika Anda sudah berlangganan paket berbayar Claude, dan telah menginstal aplikasi desktop, Anda dapat segera memulai.

Claude Projects di claude.ai.
Jika Anda tidak memiliki aplikasi desktop, Anda juga dapat langsung membangun Agent melalui Claude di sisi web melalui Projects. Anda dapat membuat sebuah proyek, memuat bahan latar belakang dan instruksi, lalu menjalankan alur kerja Agent Anda melalui percakapan.

Kedua cara tersebut bisa digunakan. Cowork lebih kuat karena dapat mengakses file lokal Anda; Projects lebih mudah digunakan karena dapat berjalan di browser mana pun.

Pilih cara yang dapat Anda gunakan, lalu lanjutkan.

Blueprint Agent

Sebelum benar-benar mulai membangun, Anda perlu menulis satu halaman Blueprint Agent terlebih dahulu. Dokumen ini akan mengubah ide kabur menjadi sistem yang dapat dieksekusi.

Blueprint ini perlu menjawab lima pertanyaan.

Pertama, apa tujuannya?
Jelaskan dalam satu kalimat, spesifik dan terukur.

Contoh: 'Teliti 10 newsletter AI teratas, dan urutkan berdasarkan jumlah pelanggan, frekuensi publikasi, dan cakupan topik.'

Kedua, apa saja langkah-langkahnya?
Beri nomor secara berurutan.

Contoh:

Langkah 1: Cari newsletter AI paling populer.

Langkah 2: Untuk setiap newsletter, cari jumlah pelanggan, ritme publikasi, dan topik utama.

Langkah 3: Susun data menjadi tabel perbandingan.

Langkah 4: Beri peringkat berdasarkan jumlah pelanggan.

Langkah 5: Tulis ringkasan tiga paragraf, merangkum temuan utama.

Ketiga, alat apa yang dibutuhkan Agent?
Sebutkan saja.

Contoh: 'Penelusuran web, pengorganisasian data, pembuatan file.'

Keempat, bagaimana seharusnya output akhir?
Jelaskan secara akurat produk akhirnya.

Contoh: 'Sebuah dokumen Markdown, berisi tabel perbandingan 10 newsletter yang diurutkan berdasarkan jumlah pelanggan, dilengkapi dengan ringkasan yang menjelaskan newsletter mana yang tumbuh paling cepat.'

Kelima, jika Agent macet, apa yang harus dilakukan?
Perlu mendefinisikan aturan cadangan terlebih dahulu.

Contoh: 'Jika data jumlah pelanggan tidak tersedia untuk umum, beri label 'Data tidak tersedia', jangan menebak sendiri.'

Sebelum membuka Claude, tuliskan blueprint ini terlebih dahulu. Blueprint itu sendiri adalah Agent Anda. Bagian lainnya hanyalah pelaksanaan.

Mulai Membangun Agent

Buka Claude Cowork, atau buat sebuah Claude Project. Tempelkan blueprint Anda ke dalamnya, sebagai instruksi. Beri tahu Claude untuk menjalankan rencana sesuai langkah-langkah, dan periksa apakah langkah saat ini sudah selesai sebelum masuk ke langkah berikutnya.

Kemudian amati cara kerjanya.

Claude akan mulai dari langkah pertama, menelusuri web, mengumpulkan data, mengorganisir informasi, menghasilkan konten perbandingan, menulis ringkasan, dan memberikan dokumen akhir.

Agent pertama Anda sudah berjalan. Ia tidak akan sempurna. Beberapa data mungkin tidak akurat, beberapa langkah mungkin tidak lengkap. Ini normal. Anda akan memperbaikinya di tahap berikutnya.

Apa yang Perlu Anda Lakukan Sabtu Siang

Sesuai lima pertanyaan di atas, tulis satu halaman Blueprint Agent.

Buka Claude Cowork, atau buat sebuah Claude Project.

Tempelkan blueprint Anda, dan jalankan Agent. Simpan output, catat bagian mana yang berhasil, bagian mana yang bermasalah.

Jangan buru-buru memperbaiki. Amati saja hasil jalankan pertama.

Minggu Pagi: Debug, Optimalkan, Buat Agent Menjadi Andal

Mengapa Jalankan Pertama Tidak Pernah Menjadi yang Terakhir

Hasil jalankan pertama Agent Anda, kemungkinan besar hanya 60% sampai 70% yang benar.

Ini normal. Jarak antara 'cukup bisa digunakan' dan 'stabil andal' itulah yang membuat kebanyakan orang menyerah. Mereka melihat hasilnya tidak sempurna, lalu menyimpulkan bahwa Agent belum siap.

Mereka salah. Agent sudah siap. Yang benar-benar perlu dioptimalkan adalah instruksi Anda.

Setiap output yang tidak sempurna, adalah sebuah sinyal. Ia memberitahu Anda: bagian mana dalam blueprint yang terlalu kabur, bagian mana yang terlalu ambisius, bagian mana yang kekurangan detail kunci.

Proses Debug

Ambil output hasil jalankan pertama, bandingkan dengan hasil yang benar-benar Anda inginkan.

Untuk setiap kesalahan, tanyakan pada diri sendiri satu pertanyaan: 'Apakah blueprint saya sudah memberi tahu Agent cara menangani masalah ini dengan benar?'

Sembilan dari sepuluh, jawabannya adalah tidak. Anda mengira Agent seharusnya tahu sesuatu, tetapi sebenarnya Anda tidak pernah menuliskannya dengan jelas.

Saat menjalankan Agent pertama kali, masalah yang paling umum muncul antara lain:

· Tujuan terlalu kabur, memberi Agent terlalu banyak ruang interpretasi;

· Langkah-langkah yang hilang, memaksa Agent harus berimprovisasi sendiri;

· Tidak ada standar kualitas, sehingga Agent tidak tahu apa yang disebut 'cukup baik';

· Tidak ada mekanisme penanganan kesalahan, sehingga Agent saat menghadapi masalah memilih untuk menebak, bukan menandai masalah.

Cara memperbaiki masalah-masalah ini, adalah dengan membuat blueprint Anda lebih spesifik. Kemudian jalankan Agent lagi.

Siklus Optimasi

· Jalankan Agent.

· Tinjau output.

· Temukan satu kesalahan.

· Perbarui blueprint, perbaiki masalah ini.

· Jalankan Agent lagi.

· Ulangi proses ini.

Inilah keterampilan inti membangun Agent. Poin pentingnya bukan menulis blueprint sempurna pada percobaan pertama, melainkan mengoptimalkannya secara berkelanjutan melalui iterasi cepat.

Kebanyakan orang hanya membutuhkan tiga sampai empat putaran iterasi, untuk meningkatkan akurasi Agent dari 60% menjadi 90%. Sisa 10% terakhir, berasal dari kasus batas yang ditemukan secara bertahap selama penggunaan nyata.

Apa yang Perlu Anda Lakukan Minggu Pagi

Tinjau output yang didapat dari jalankan Sabtu, dan buat daftar semua masalah.

Untuk setiap masalah, telusuri celahnya dalam blueprint.

Perbarui blueprint dengan instruksi yang lebih spesifik, standar kualitas, dan aturan penanganan kesalahan. Jalankan Agent tiga kali lagi, dan terus optimalkan setelah setiap kali dijalankan. Hentikan ketika output sudah benar-benar berguna.

Minggu Siang: Perluas, dan Bangun Agent Kedua Anda

Satu Agent Menarik, Dua Agent Baru Mulai Membentuk Sistem

Sekarang Anda telah menguasai alur kerjanya, Anda dapat membangun Agent kedua untuk tugas yang sama sekali berbeda.

Agent pertama mengajarkan Anda mekanismenya. Agent kedua akan mengajarkan Anda kecepatan. Anda akan terkejut melihat bahwa Agent kedua akan dibangun jauh lebih cepat. Blueprint mungkin hanya butuh 15 menit, bukan satu jam. Jalankan pertama mungkin sudah 80% selesai, bukan 60%. Pengoptimalan mungkin hanya butuh dua putaran, bukan empat.

Inilah efek penggandaan pengalaman membangun Agent. Setiap Agent yang Anda bangun, akan membuat yang berikutnya lebih cepat dan lebih baik.

Jika Anda membutuhkan inspirasi, Anda dapat memilih dari beberapa arah awal yang sudah matang berikut ini.

Agent Penelitian.
Berikan sebuah topik, ia akan menghasilkan briefing penelitian terstruktur, berisi temuan kunci, sumber informasi, dan saran langkah selanjutnya.

Agent Pemrosesan Ulang Konten.
Berikan sebuah artikel panjang, ia akan menghasilkan lima tweet, tiga postingan LinkedIn, dan satu segmen konten newsletter sesuai nada bicara Anda.

Agent Persiapan Rapat.
Berikan nama dan perusahaan seseorang, ia akan menyusun satu halaman briefing, termasuk latar belakang orang tersebut, perkembangan terbaru, kontak bersama, serta topik diskusi yang disarankan.

Agent Pemantauan Pesaing.
Berikan tiga nama pesaing, ia akan menghasilkan pembaruan mingguan, melacak pengumuman terbaru perusahaan-perusahaan tersebut, perubahan harga, dan iterasi produk.

Agent Draf Email.
Berikan sekumpulan email yang perlu dibalas, ia akan mengklasifikasikannya berdasarkan tingkat urgensi, dan menghasilkan draf balasan sesuai nada bicara dan preferensi Anda.

Apa yang Perlu Anda Lakukan Minggu Siang

· Pilih satu arah untuk Agent kedua dari daftar di atas, atau pilih satu tugas dari pekerjaan Anda sendiri.

Tulis blueprint dalam 15 menit. Selesaikan pembangunan dan pengoptimalan dalam satu sampai dua jam.

Sampai di sini, Anda telah membangun dua Agent yang dapat digunakan tanpa kode dalam satu akhir pekan.

Apa yang Akan Terjadi Selanjutnya

Akhir pekan ini, Anda telah membangun dua Agent. Hanya dengan ini, Anda sudah lebih maju daripada 95% orang yang masih hanya mengobrol dengan AI.

Jalur selanjutnya jelas: terus membangun lebih banyak Agent, hubungkan mereka dengan lebih banyak alat, kemudian rangkai mereka bersama, membuat output satu Agent menjadi input Agent lain. Anda dapat membangun Agent untuk tim, klien, dan bisnis Anda sendiri.

Orang-orang yang sedang membangun Agent saat ini, sebenarnya sedang membangun cara kerja masa depan. Bukan karena Agent sudah sempurna, tetapi karena mereka sudah cukup baik, dapat menangani 80% pekerjaan yang tidak memerlukan penilaian manusia.

Dan hal 'cukup baik' ini, setiap bulan menjadi semakin baik.

Anda telah membuktikan pada diri sendiri: tanpa menulis kode, juga dapat membangun sebuah Agent dalam satu akhir pekan.

Kebanyakan orang akan membaca artikel ini, lalu berpikir 'mungkin suatu hari bisa dicoba'.

Tetapi orang yang benar-benar akan membangun dua Agent pada akhir pekan ini, setelahnya sulit kembali ke cara kerja yang semuanya bergantung pada penyelesaian manual.

Semoga artikel ini bermanfaat bagi Anda.

Khairallah ❤️

Pertanyaan Terkait

QApa perbedaan utama antara AI Agent dan chatbot biasa?

AAI Agent memiliki otonomi untuk mengeksekusi tugas multi-langkah secara mandiri setelah diberikan tujuan, sementara chatbot hanya memberikan jawaban satu perintah dalam satu waktu dan memerlukan intervensi manusia untuk setiap langkah berikutnya.

QApa saja empat komponen yang membentuk sebuah AI Agent menurut artikel ini?

AEmpat komponen tersebut adalah: 1) Tujuan yang jelas dan terukur, 2) Rencana atau langkah-langkah yang harus dilakukan, 3) Alat (tools) yang dapat digunakan (seperti pencarian web), dan 4) Siklus (loop) eksekusi, pemeriksaan, dan penentuan langkah selanjutnya hingga tugas selesai.

QApa yang dimaksud dengan 'Blueprint Agent' dan mengapa itu penting?

A'Blueprint Agent' adalah dokumen satu halaman yang menjawab lima pertanyaan kunci tentang Agent yang akan dibangun: tujuan, langkah-langkah, alat yang dibutuhkan, format output yang diinginkan, dan aturan penanganan kesalahan. Ini penting karena blueprint mengubah ide samar menjadi sistem yang dapat dieksekusi dan merupakan dasar untuk iterasi dan perbaikan.

QApa proses yang disarankan untuk mengoptimalkan Agent setelah menjalankannya pertama kali?

AProses optimasi melibatkan siklus iteratif: Jalankan Agent -> Tinjau output -> Identifikasi kesalahan -> Perbarui blueprint untuk mengatasi kesalahan tersebut -> Jalankan lagi -> Ulangi. Fokusnya adalah membuat instruksi lebih spesifik, menambahkan standar kualitas, dan aturan penanganan kesalahan.

QSebutkan beberapa contoh tugas yang cocok untuk Agent pemula selain yang disebutkan dalam artikel!

AArtikel menyebutkan beberapa contoh seperti Research Agent (membuat riset terstruktur), Content Repurposing Agent (mengubah konten panjang ke format media sosial), Meeting Prep Agent (membuat briefing sebelum rapat), Competitor Monitoring Agent (melacak pesaing), dan Email Drafting Agent (membuat draf balasan email).

Bacaan Terkait

Berita Pagi | Michael Saylor Rilis Informasi Bitcoin Tracker; Aave Publikasi Investigasi Pasca-Serangan Jembatan Kelp rsETH; Gravity Bridge Umumkan Penangguhan Layanan Setelah Diserang

**Ringkasan Berita Crypto (1 Juni):** Berita utama mencakup perkembangan regulasi dan keamanan. Laser Digital mendapat persetujuan awal OCC AS untuk mendirikan bank trust federal. Vietnam merencanakan aturan yang memungkinkan UKM menggunakan aset digital sebagai jaminan pinjaman bank. Di sisi keamanan, Aave merilis investigasi pasca-serangan pada jembatan Kelp rsETH, menyoroti kerentanan infrastruktur pihak ketiga. Jembatan cross-chain Gravity Bridge juga menghentikan layanan setelah serangan. Di Hong Kong, ketua regulator SFC melaporkan pertumbuhan volume perdagangan platform aset virtual berlisensi hampir tiga kali lipat pada kuartal pertama 2026. Sementara itu, Michael Saylor kembali memberi sinyal aktivitas pembelian Bitcoin oleh perusahaannya. Berita lain termasuk komentar anggota Fed Christopher Waller tentang dampak kebijakan moneter AS yang diperkuat oleh stablecoin, dan kasus pencurian 107 BTC di Tiongkok yang mengakibatkan hukuman penjara 10+ tahun. SEC AS mengajukan gugatan terhadap skema crypto senilai $12.3 juta yang mengklaim menggunakan trading bot AI. Analisis sentimen pasar dari Santiment menunjukkan rasio long/short Bitcoin mencapai level tertinggi tahun ini, yang mungkin mengindikasikan koreksi jangka pendek, sementara sentimen untuk Ethereum berubah menjadi lebih negatif. Bagian terakhir menampilkan daftar token meme terpopuler dalam 24 jam di jaringan Ethereum, Solana, dan Base, serta tautan ke artikel opini tentang refleksi prediksi ChatGPT tiga tahun lalu.

链捕手37m yang lalu

Berita Pagi | Michael Saylor Rilis Informasi Bitcoin Tracker; Aave Publikasi Investigasi Pasca-Serangan Jembatan Kelp rsETH; Gravity Bridge Umumkan Penangguhan Layanan Setelah Diserang

链捕手37m yang lalu

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

"PA Pictorial: Peta untuk Memahami Peristiwa Web3 Penting yang Perlu Diperhatikan pada Juni" Jelajahi Kalender Kripto terbaru PANews dengan cakupan lebih lengkap, penyaringan fleksibel, dan ekspor yang mudah. Pada Juni, pasar kripto dipadati oleh keputusan suku bunga makro, data ekonomi penting, pelepasan token, dan acara teknologi tradisional. Poin-poin intinya meliputi: 📌 Amerika Serikat merilis data NFP dan CPI bulan Mei. The Fed menerbitkan Buku Beige dan menggelar konferensi pers kebijakan, dengan preferensi risiko pasar tetap dipengaruhi ekspektasi makro. 🏦 Bank Sentral Eropa dan Bank of Japan akan mengumumkan keputusan suku bunga, menjadikan likuiditas global dan jalur suku bunga sebagai salah satu tema utama pasar di Juni. 🪙 Beberapa token seperti SUI dan ENA akan mengalami pelepasan (unlock), perlu diperhatikan risikonya. 🚀 Perkembangan proyek: Coinbase akan meluncurkan futures indeks saham perpetual perdana, CME Group berencana meluncurkan futures indeks kripto Nasdaq; SharpLink akan dimasukkan ke dalam Indeks Russell 2000 dan 3000. ⚠️ Penyaringan proyek terus berlanjut: Layanan seperti browser Bitcoin Ordinals, Ord.io, secara bertahap berhenti beroperasi. Perhatikan pengaturan penarikan dan migrasi aset. 🌐 Acara penting lainnya: Pembukaan Piala Dunia, pembukaan Apple WWDC26, penawaran saham SpaceX, pertemuan IPO S&T UBTECH di pasar STAR, dll. Dengan makroekonomi, pelepasan token, regulasi, penyaringan proyek, dan acara teknologi yang berlangsung bersamaan, pasar pada Juni mungkin terus mencari arah baru di tengah ekspektasi likuiditas, perubahan kebijakan, dan rotasi ekosistem. Kunci inti peristiwa global dan alur utama Web3 Juni 2026 dalam satu peta!

marsbit1j yang lalu

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

marsbit1j yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

Dalam satu minggu terakhir Mei, dua raksasa teknologi China, Alibaba dan ByteDance, memamerkan dua pendekatan berbeda dalam strategi AI mereka. Alibaba, sebagai perusahaan publik, fokus pada integrasi AI untuk monetisasi langsung. Mereka menghubungkan model Qwen dengan platform e-commerce seperti Taobao, menciptakan fitur seperti "pencocokan harga AI" dan "pakaian virtual AI". Melalui protokol ACT, mereka membangun infrastruktur untuk transaksi berbasis agen AI. Pendapatan eksternal Alibaba Cloud tumbuh 40%, menunjukkan model bisnis "MaaS" (Model-as-a-Service) mereka yang berhasil. Namun, pendekatan ini mungkin mengorbankan penelitian mendasar untuk keunggulan jangka pendek. Sebaliknya, ByteDance, yang masih swasta, berinvestasi besar dalam penelitian AI jangka panjang. Departemen Seed mereka, dengan anggaran belanja modal (capex) yang meningkat pesat, bertujuan "menjelajahi batas atas kecerdasan". Mereka merilis model pembuatan video Seedance 2.0 yang memimpin peringkat global dan mempublikasikan penelitian mendalam tentang "model dunia". Perusahaan ini memberikan kebebasan bagi tim risetnya tanpa tekanan kuartalan dari pasar modal. Perbedaan kunci ini lebih disebabkan oleh status kepemilikan daripada filosofi semata. Sebagai perusahaan publik, Alibaba terikat pada harapan ROI jangka pendek investor. ByteDance, yang belum IPO, memiliki kemewahan untuk berfokus pada terobosan teknologi jangka panjang. Analisis menyimpulkan bahwa jalan strategis AI sebuah perusahaan di China sangat ditentukan oleh apakah perusahaan tersebut terdaftar di bursa atau tidak, yang membentuk pilihan antara "menjual AI" dan "membuat AI".

marsbit2j yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

marsbit2j yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

**Mengapa Lebih Banyak AI Agent Tidak Sama dengan Produktivitas Lebih Tinggi?** Meskipun teknologi memungkinkan kita meluncurkan banyak AI Agent dengan mudah dan murah, produktivitas nyata tidak serta-merta meningkat. Ini karena munculnya konsep "Pajak Orkestrasi"—biaya tersembunyi untuk mengelola, menilai, dan menggabungkan hasil kerja semua Agent tersebut. Pekerjaan ini harus kembali ke satu sumber daya serial yang tidak dapat diduplikasi: perhatian dan penilaian manusia. **Manusia adalah 'GIL' dalam Sistem.** Seperti Global Interpreter Lock (GIL) dalam Python, semua Agent dapat berjalan paralel, tetapi untuk keputusan penting (seperti tinjauan arsitektur, kode, atau penyelesaian konflik), mereka harus "mengambil kunci" dari Anda—sang pengembang. Hukum Amdahl berlaku: percepatan maksimum dari paralelisasi dibatasi oleh bagian kerja yang harus tetap serial, yaitu kapasitas penilaian manusia. Menambah Agent hanya membuat antrian tinjauan lebih panjang, memperbesar beban konteks, dan menyebabkan kelelahan kognitif. **Kelelahan dan Utang Tersembunyi.** Banyaknya Agent yang aktif memberi ilusi produktivitas tinggi, tetapi rasa sibuk itu tidak sama dengan hasil berkualitas. Jika Anda "menyerah secara kognitif" dan tidak meninjau hasil dengan benar, Anda menumpuk utang teknis dan utang kognitif—masalah yang akan muncul nanti. Pajak orkestrasi harus dibayar, baik secara sadar melalui proses yang terencana, atau diam-diam melalui penurunan kualitas. **Solusi: Kelola Perhatian Seperti Sistem Produksi.** Kuncinya adalah merancang alur kerja dengan menghormati batas perhatian manusia sebagai sumber daya langka: 1. **Kontrol Jumlah Agent:** Sesuaikan jumlah Agent dengan kemampuan *review* Anda, bukan dengan apa yang UI izinkan. Batasi ke angka rendah. 2. **Klasifikasi Tugas:** Pisahkan tugas independen (cocok untuk Agent paralel) dari tugas kompleks yang membutuhkan penilaian mendalam (kerjakan secara serial). 3. **Tinjau Secara Berkelompok (*Batch Review*):** Kurangi biaya alih konteks dengan meninjau hasil beberapa Agent sekaligus. 4. **Gunakan Waktu Serial untuk Penilaian:** Fokuskan perhatian hanya pada bagian yang memerlukan penilaian manusia. Biarkan Agent menangani bagian yang dapat diverifikasi otomatis (seperti tes). 5. **Lindungi Waktu Fokus Anda:** Kadang, tindakan paling produktif adalah berhenti mengoordinasi banyak Agent dan fokus pada satu masalah inti. Kemampuan sebenarnya di era AI bukanlah menjalankan banyak Agent, tetapi merancang sistem yang secara sadar mengelilingi dan melindungi kapasitas penilaian serial manusia—sumber daya paling berharga dalam proses pengembangan.

marsbit3j yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

marsbit3j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli PEOPLE

Selamat datang di HTX.com! Kami telah membuat pembelian ConstitutionDAO (PEOPLE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli ConstitutionDAO (PEOPLE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan ConstitutionDAO (PEOPLE) AndaSetelah melakukan pembelian, simpan ConstitutionDAO (PEOPLE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading ConstitutionDAO (PEOPLE)Lakukan trading ConstitutionDAO (PEOPLE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

630 Total TayanganDipublikasikan pada 2024.12.12Diperbarui pada 2025.03.21

Cara Membeli PEOPLE

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga PEOPLE (PEOPLE) disajikan di bawah ini.

活动图片