# Artikel Terkait Kolaborasi

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Kolaborasi", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Claude Code Meluncurkan Workflow Dinamis: Membuat AI Belajar Bekerja dalam Tim Sendiri

Claude Code telah memperkenalkan "workflows dinamis" yang memungkinkan AI membuat dan mengoordinasi tim agen (sub-agent) untuk menangani tugas kompleks secara mandiri. Fitur ini mengatasi masalah umum seperti "kemalasan agen," bias preferensi diri, dan pergeseran tujuan selama tugas panjang. Dengan memecah tugas, menugaskan agen khusus, memproses paralel, dan validasi silang, workflows dinamis memperluas penggunaan Claude Code dari sekadar tugas pemrograman (migrasi, refaktor, tinjauan kode) ke area non-teknis seperti penelitian mendalam, verifikasi fakta, penyaringan resume, analisis akar masalah, dan penilaian rencana bisnis. Workflows beroperasi dengan menjalankan file JavaScript yang berisi fungsi khusus untuk menghasilkan dan menyinkronkan agen. Pola umum meliputi klasifikasi dan eksekusi, pembagian dan sintesis, verifikasi adverserial, generasi dan penyaringan, turnamen, serta perulangan hingga kondisi terpenuhi. Meski lebih banyak menggunakan token dan tidak selalu diperlukan untuk tugas coding biasa, fitur ini menawarkan pendekatan terstruktur untuk pekerjaan rumit. Pengguna dapat menyimpan, berbagi, dan menggabungkannya dengan perintah seperti /goal dan /loop, sambil mengatur anggaran token. Inovasi ini menandai pergeseran kompetisi alat AI ke kemampuan mengatur alur eksekusi yang andal dan dapat diperiksa.

marsbit10j yang lalu

Claude Code Meluncurkan Workflow Dinamis: Membuat AI Belajar Bekerja dalam Tim Sendiri

marsbit10j yang lalu

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

Buku *Agentic Design Patterns* oleh Antonio Gulli (direktur teknik Google) menawarkan kerangka untuk memahami dan membangun AI Agent. Artikel ini menyoroti beberapa konsep kunci: **1. Level Agent (0-3):** Sebagian besar "AI" saat ini hanya Level 0 (LLM telanjang tanpa alat). Agent sejati dimulai dari Level 1 (pengguna alat yang memutuskan kapan dan bagaimana menggunakan alat), Level 2 (pemikir strategis dengan perencanaan dan *Context Engineering*), hingga Level 3 (kolaborasi multi-Agent seperti tim). **2. Context Engineering:** Lebih dari sekadar *prompt engineering*, ini adalah seni menyusun konteks yang tepat (termasuk *system prompt*, data eksternal, data implisit, dan umpan balik) untuk memberi Agent informasi yang terfokus dan relevan, meningkatkan akurasi. **3. Reflection (Produser-Kritikus):** Pola praktis di mana satu Agent (Produser) menghasilkan output, dan Agent lain (Kritikus) dengan peran/prompt berbeda meninjaunya. Mereka berinteraksi dalam loop hingga kualitas memadai. Pendekatan ini meningkatkan kualitas hasil untuk coding, penulisan, dll. **4. Kolaborasi Multi-Agent:** Tidak harus kompleks. Tiga topologi komunikasi umum: Agen Tunggal, Peer-to-Peer, dan Supervisor (agen pengatur yang mengoordinasikan pekerja). Pilihan tergantung pada kompleksitas tugas. **5. Memori Tiga Lapis:** *Session* (memori percakapan sementara), *State* (data sementara untuk satu tugas), dan *Memory* (penyimpanan jangka panjang untuk preferensi dan pembelajaran). Desain strategi penyimpanan dan pengambilan memori penting. **6. Tindakan Langsung:** Artikel menyarankan untuk segera: (a) menambahkan Agent Kritikus pada workflow yang ada, (b) menerapkan *Context Engineering*, dan (c) fokus menyempurnakan satu Agent hingga Level 2 sebelum beralih ke sistem multi-Agent yang kompleks. Buku ini memetakan pola-pola inti dalam pengembangan Agent, membantu developer menghindari "mengulangi penemuan roda" dan membangun sistem yang lebih robust.

链捕手05/25 04:49

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

链捕手05/25 04:49

Siapa yang Mendefinisikan Perangkat Keras AI di Tahun 2026?

Pada tahun 2026, industri hardware AI memasuki fase kematangan dengan dirilisnya standar nasional "Klasifikasi Kecerdasan Terminal AI" (L1 hingga L4), yang menetapkan tolok ukur dan ruang lingkup produk. Trend utamanya adalah pergeseran dari konsep dan verifikasi sisi perangkat (*edge*) menuju popularisasi skala besar melalui kolaborasi *edge-cloud*. Berdasarkan standar, mayoritas produk saat ini berada di level L1-L2. Lembaga penelitian menilai industri sedang dalam transisi dari L2 ke L3 (*assistant level*), yang membutuhkan kemampuan pemahaman niat kompleks dan layanan proaktif. Untuk mencapai ini, kombinasi persepsi multimodal dan penalaran *cloud* menjadi kunci. Sebagai contoh, Ali Cloud meluncurkan model Qwen3.7-Max dan kit pengembangan interaksi multimodal untuk mendukung pengembangan hardware cerdas. Kolaborasi *edge-cloud* telah menjadi pilihan wajib. Kasus seperti robot rumah tangga "Bajie" dari Ecovacs dan kamera pintar "Shenmou" dari Yanjiwei menunjukkan pola ini: pemrosesan real-time dan identifikasi dasar di sisi *edge*, sedangkan pemahaman mendalam, perencanaan tugas, dan memori terstruktur ditangani oleh model besar di *cloud*. Pola ini tidak hanya meningkatkan kemampuan produk tetapi juga langsung meningkatkan daya saing komersial, seperti yang terlihat pada peningkatan keterlibatan pengguna dan konversi pembayaran. Peran penyedia layanan *cloud* juga berevolusi, dari sekadar menyediakan sumber daya komputasi menjadi menyediakan infrastruktur dasar kolaborasi *edge-cloud* dan kemampuan *Agentic Coding*, yang menurunkan ambang batas pengembangan bagi produsen hardware. Imajinasi komersial masa depan terletak pada kecerdasan sistem di seluruh skenario (*L4 collaborative level*), di mana beberapa perangkat membentuk jaringan cerdas di sekitar pengguna, berbagi memori dan preferensi. Ini akan mengubah logika komersial dari penjualan produk satu kali menjadi layanan berlangganan berkelanjutan, dengan hardware menjadi pintu masuk layanan. Standar klasifikasi memberikan panduan akhir industri, kolaborasi *edge-cloud* menyediakan jalur yang pasti, dan kemampuan terstandarisasi dari penyedia *cloud* memperluas serta mempermudah jalan tersebut, mendorong percepatan adopsi dan komersialisasi hardware AI.

marsbit05/22 06:01

Siapa yang Mendefinisikan Perangkat Keras AI di Tahun 2026?

marsbit05/22 06:01

OpenAI Bergerak ke Singapura

OpenAI, pengembang ChatGPT, menandatangani nota kesepahaman dengan pemerintah Singapura untuk kerja sama strategis. Perusahaan akan menginvestasikan lebih dari S$300 juta (sekitar US$234 juta) untuk mendirikan "Applied AI Lab" (Laboratorium AI Terapan), lab pertama OpenAI di luar Amerika Serikat. Lab ini bertujuan memperkuat ekosistem AI di Singapura dan mendukung klien serta mitra di kawasan Asia-Pasifik. Diperkirakan akan mempekerjakan lebih dari 200 orang dalam beberapa tahun ke depan, fokusnya mencakup sektor prioritas nasional seperti pendidikan, layanan publik, keuangan, dan kesehatan, serta program pelatihan untuk insinyur paruh baya. Pada hari yang sama, Singapura juga mengumumkan kemitraan AI nasional baru dengan Google. Meski tanpa komitmen investasi spesifik, Google akan fokus pada pelatihan peneliti pemerintah, pendidik, dan eksplorasi penerapan AI di bidang kesehatan. Langkah ini bagian dari Strategi AI Nasional Singapura yang berkomitmen mengalokasikan lebih dari S$1 miliar dalam lima tahun (2025-2030) untuk meningkatkan kapabilitas penelitian AI publik, memperkuat posisinya sebagai pusat AI global.

marsbit05/21 02:33

marsbit05/21 02:33

Beberapa Masalah, Tetap Harus Dibicarakan Langsung: Musim Panas Ethereum 2026 Tiba!

"Summer of Ethereum | Musim Panas Ethereum 2026" sedang dimulai kembali. Inisiatif yang dipimpin oleh LXDAO × ETHPanda ini bertujuan membawa diskusi tentang perkembangan jangka panjang Ethereum ke lebih banyak kota secara offline. Fokusnya bukan sekadar menjadwalkan serangkaian acara, tetapi menyatukan pengembang, peneliti, pengorganisir komunitas, proyek, dan mitra ekosistem untuk membahas tantangan kunci yang dihadapi Ethereum, memperjelas masalah, menjalin koneksi antar-orang, dan mendorong kolaborasi baru yang nyata. Esensinya adalah menjawab: apa makna pertemuan offline bagi komunitas Ethereum tahun ini? Diskusi online seringkali terfragmentasi di artikel, media sosial, dan pertemuan virtual, penuh informasi tetapi sulit mencapai kesepahaman mendalam. Pertemuan langsung memungkinkan percakapan yang lebih substansial, memperkuat kepercayaan, dan memicu tindakan nyata. Tema utama tahun ini adalah "Tantangan Kunci Ethereum", menekankan pendekatan holistik yang menghubungkan aspek teknis (seperti evolusi protokol, L2, abstraksi akun), pengalaman pengguna (wallet, UX, gas), pengembangan aplikasi, hingga tata kelola, barang publik, dan kolaborasi komunitas. Masalah-masalah ini saling terkait secara sistemik. Acara akan berlangsung di berbagai kota dengan format beragam: berbagi tema, panel, lokakarya, pertemuan komunitas lokal, demo proyek, dan diskusi mendalam. Tujuannya adalah meninggalkan warisan berupa pemahaman masalah yang lebih jelas, koneksi pribadi, jejaring sumber daya, dan benih kolaborasi berkelanjutan. Partisipasi terbuka bagi pengembang, peneliti, mahasiswa, anggota komunitas, pengamat Ethereum, pengorganisir lokal, proyek, mitra ekosistem, serta media dan penyedia sumber daya. Bagi pengorganisir kota, tersedia formulir aplikasi untuk menjadi ko-penyelenggara. Mengapa ini penting? Karena nilai inti Ethereum—jaringan terbuka, barang publik, kolaborasi jangka panjang, komunitas global—perlu diwujudkan tidak hanya di layar, tetapi juga melalui interaksi manusia nyata. Pertemuan langsung dapat mengubah diskusi abstrak menjadi tindakan konkret, menghubungkan orang-orang yang terpencar, dan memperkuat fondasi komunitas untuk perkembangan jangka panjang. Semua informasi acara, pendaftaran, dan jadwal akan diperbarui di Luma Calendar. Bergabunglah dalam Musim Panas Ethereum 2026 untuk membawa diskusi tentang masa depan Ethereum kembali ke dunia nyata.

marsbit05/15 11:26

Beberapa Masalah, Tetap Harus Dibicarakan Langsung: Musim Panas Ethereum 2026 Tiba!

marsbit05/15 11:26

Solana Foundation Bermitra dengan Google Luncurkan Pay.sh, Dapatkah Membuka Jalan Pembayaran antara Web2 dan Web3 dalam Ekonomi Agen Cerdas?

Solana Foundation bermitra dengan Google Cloud meluncurkan Pay.sh, sebuah "gerbang pembayaran antara agen AI dan layanan perusahaan," yang bertujuan menghubungkan sistem pembayaran Web2 dan Web3 untuk ekonomi agen. Pay.sh memungkinkan agen AI menggunakan dompet Solana (yang dapat diisi dengan kartu kredit atau stablecoin) sebagai identitas dan agen pembayaran tunggal untuk mengakses layanan API seperti Google Cloud tanpa perlu pendaftaran akun manual. Ini bekerja dengan memanfaatkan kode status HTTP 402 dan kompatibel dengan protokol pembayaran x402 dan MPP, secara otomatis memilih metode pembayaran satu kali atau berbasis sesi yang sesuai. Layanan ini juga memudahkan penyedia layanan dengan menyediakan gateway yang mudah diintegrasikan, mendukung skema pembayaran bertingkat dan pembagian pembayaran otomatis ke beberapa alamat. Dengan memanfaatkan infrastruktur Google Cloud untuk kepatuhan dan log, Pay.sh bertujuan menciptakan lingkungan yang lebih aman dan terpercaya bagi agen untuk menemukan dan menggunakan layanan, sekaligus melengkapi protokol komunikasi agen lainnya dari Google. Inisiatif ini berpotensi membawa lebih banyak arus pembayaran Web2 ke ekosistem Solana dan meningkatkan utilitas dompetnya. Namun, tantangan tetap ada, termasuk risiko layanan tiruan di direktori penyedia, ketergantungan pada keamanan protokol pembayaran dasar, dan persyaratan kepatuhan regional yang berpotensi menghambat adopsi oleh penyedia layanan. Meski demikian, Pay.sh menandai langkah signifikan menuju integrasi infrastruktur pembayaran untuk ekonomi agen yang menghubungkan dunia Web2 dan Web3.

marsbit05/12 10:29

Solana Foundation Bermitra dengan Google Luncurkan Pay.sh, Dapatkah Membuka Jalan Pembayaran antara Web2 dan Web3 dalam Ekonomi Agen Cerdas?

marsbit05/12 10:29

Festival "Burning Man" Teknologi Versi China Pertama Kali Hadir di Shanghai, muShanghai Bentuk "Kota Kilat" Geeks Global

"muShanghai: Festival Teknologi 'Burning Man' ala China Pertama Kali Hadir di Shanghai, Membangun 'Kota Pop-up' untuk Geeks Global" Shanghai, 10 Mei - 6 Juni 2026: MuShanghai, bagian dari komunitas sumber terbuka global The Mu, meluncurkan eksperimen "Kota Pop-up" selama 28 hari di Pusat Alibaba Hongqiao. Acara ini bertujuan menciptakan "kota paralel" bagi para geeks global, menghimpun lebih dari 800 peserta dari 50+ negara, termasuk mantan insinyur OpenAI, pendiri startup, dan kontributor inti OpenClaw. Acara bertema "festival teknologi Burning Man" ini menampilkan empat minggu tematik: * **Minggu AI (11-15 Mei):** Diskusi model AI besar, keamanan AI, dan aplikasi konsumen dengan pakar dari perusahaan seperti Kimi, Zhipu AI. * **Minggu Biotek (18-22 Mei):** Eksplorasi teknologi anti-penuaan, laboratorium bertenaga AI, dan penelitian panjang umur. * **Minggu Robotika (25-29 Mei):** Lomba robot, peragaan busana cyber, dan showcase perangkat keras. * **Minggu Budaya (1-6 Juni):** Dialog tentang masa depan masyarakat, budaya cyberpunk, dan game indie. Setiap Jumat diadakan "Pasar Inovator" outdoor untuk memamerkan proyek. Prinsip "Build in Public" diterapkan untuk mendorong iterasi berbasis umpan balik. Pusat Alibaba Hongqiao, sebagai tuan rumah bersama, menyediakan dukungan一站式 (layanan satu atap) bagi talenta internasional. The Mu, komunitas di balik acara ini, memiliki rekam jejak membangun hub inovasi serupa di Argentina, San Francisco, dan untuk Ekspo Osaka 2025. MuShanghai merupakan jendela penting bagi ekosistem inovasi China untuk terhubung dengan dunia global, menekankan kolaborasi manusia dan teknologi di era AI.

marsbit05/11 00:12

Festival "Burning Man" Teknologi Versi China Pertama Kali Hadir di Shanghai, muShanghai Bentuk "Kota Kilat" Geeks Global

marsbit05/11 00:12

Catatan Perjalanan Seorang Akademisi Barat ke Laboratorium AI Tiongkok: Rendah Hati, Terbuka, Tak Bicara Filsafat, Hanya Ingin Latih Model yang Lebih Baik

**Ringkasan Perjalanan Cendekiawan Barat ke Laboratorium AI China: Fokus pada Model, Bukan Filsafat** Penulis Florian Brand, seorang kandidat doktor dari Jerman, baru-baru ini mengunjungi lebih dari selusin laboratorium AI terkemuka di China (seperti Moonshot AI, Xiaomi, MiniMax, Zhipu AI) bersama delegasi SAIL. Kesan terbesarnya adalah kerendahan hati dan keterbukaan para peneliti AI China. Mereka sangat menghargai karya laboratorium lain, seperti DeepSeek, yang sering dibicarakan dengan kekaguman. Dibandingkan dengan atmosfer kompetitif "zero-sum" di AS, ekosistem AI China terasa lebih kolaboratif. Banyak laboratorium China bersifat open-source, dan para peneliti seringkali berteman dekat, berbagi latar belakang kampus atau kota asal yang sama. Fokus utama mereka adalah melatih model yang lebih baik. Berbeda dengan rekan-rekan di San Francisco yang banyak membahas dampak politik atau filosofis AI, para peneliti China lebih memusatkan perhatian pada peningkatan teknis—memperbaiki bug, mengamati kurva reward, dan mengeluhkan keterbatasan daya komputasi. Mereka sangat bersemangat ketika mendengar orang menggunakan model mereka. Mayoritas peneliti yang ditemui sangat muda (awal 20-an hingga 25 tahun), seringkali mahasiswa S2/S3 yang juga bekerja di industri. Laboratorium sangat aktif merekrut talenta muda ini. Optimisme terhadap teknologi AI juga terasa kuat di kalangan masyarakat umum China, yang banyak memanfaatkan aplikasi seperti Doubao dan DeepSeek. Secara keseluruhan, kunjungan ini memberikan sekilas pandangan tentang ekosistem AI China yang dinamis, berfokus pada kemajuan teknis, dan mendukung penelitian terbuka. Penulis berharap akan ada lebih banyak kolaborasi internasional di masa depan.

marsbit05/08 03:21

Catatan Perjalanan Seorang Akademisi Barat ke Laboratorium AI Tiongkok: Rendah Hati, Terbuka, Tak Bicara Filsafat, Hanya Ingin Latih Model yang Lebih Baik

marsbit05/08 03:21

Di Balik Kehebohan DeepSeek V4: Silicon Valley 'Membangun Tembok', China 'Membuka Jalan'

DeepSeek V4, model AI canggih China, meluncur pada 24 April dan langsung memuncaki peringkat model open-source Hugging Face. Dua inovasi utamanya adalah: konteks ultra-panjang hingga jutaan token dengan efisiensi cache KV hanya 10% dari V3.2, serta adaptasi optimal dengan chip domestik seperti Ascend dan Cambricon melalui kolaborasi erat dengan Huawei. Bersamaan dengan itu, Kimi K2.6 juga dirilis sebagai model open-source andalan China. Berbeda dengan persaingan sengit model closed-source AS (seperti OpenAI, Anthropic, dan Google) yang saling serang dan berfokus pada perlindungan kepentingan komersial, model China justru berkolaborasi melalui open-source. DeepSeek dan MoonShot (pembuat Kimi) saling berbagi inovasi seperti arsitektur MLA dan optimizer Muon, menciptakan evolusi bersama yang memperkuat ekosistem. Meski pendapatan model China masih di bawah raksasa AS, efisiensi pelatihan mereka sangat tinggi (hanya sebagian kecil biaya OpenAI) dan penggunaan token global melalui open-source telah melampaui AS. Laporan memprediksi pertumbuhan eksponensial permintaan AI di China, menunjukkan bahwa pendekatan kolaboratif open-source tidak hanya mengurangi biaya tetapi juga membangun fondasi kuat menuju AGI yang berkelanjutan dan mandiri, didukung oleh integrasi erat dengan chip domestik.

marsbit04/26 07:07

Di Balik Kehebohan DeepSeek V4: Silicon Valley 'Membangun Tembok', China 'Membuka Jalan'

marsbit04/26 07:07

Para Ahli Berkumpul, Refleksi dan Terobosan di Era AI Agent

Para ahli berkumpul untuk membahas peluang dan tantangan di era AI Agent. Proyek open-source OpenClaw mendorong adopsi skala besar model AI, memicu persaingan global. Para pakar menekankan perlunya meningkatkan memori eksternal dan kemampuan pembelajaran berkelanjutan AI untuk pengambilan keputusan yang andal. Aplikasi seperti WorkBuddy menunjukkan peningkatan produktivitas di berbagai skenario perkantoran. Namun, tantangan seperti halusinasi model, konsumsi Token, dan risiko keamanan tetap ada. Para ahli hukum menekankan pentingnya isolasi risiko, kepemilikan aset, dan mitigasi risiko platform. VC melihat AI masih dalam tahap awal, dengan investasi berfokus pada lapisan dasar seperti komputasi. Masa depan akan melihat AI sebagai pusat ekonomi, menangani pertukaran data dan transaksi antar-sistem. Kolaborasi manusia-AI yang optimal memerlukan manusia fokus pada pengambilan keputusan sementara AI menangani tugas eksekusi.

marsbit04/08 05:55

Para Ahli Berkumpul, Refleksi dan Terobosan di Era AI Agent