# Artikel Terkait Rekayasa Perangkat Lunak

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

Pendiri Claude Code Mengungkap Prediksi Terbaru: Divisi Kerja Tim Dirombak di Era AI, "Lima Tipe Orang" Ini Paling Dibutuhkan

Dengan maraknya Agent Coding yang membentuk ulang industri perangkat lunak, perubahan tidak hanya terjadi pada peran "insinyur" tradisional. Boris Cherny, pemimpin tim Claude Code di Anthropic, mengamati bahwa fungsi teknik, produk, desain, dan ilmu data semakin menyatu. Dia mengusulkan lima peran baru berbasis pola perilaku, tidak terikat pada jabatan tradisional: 1. **The Prototyper (Pembuat Prototipe):** Menghasilkan banyak ide dan konsep baru, fokus pada kuantitas dan disruptif. 2. **The Builder (Pembangun):** Mengubah prototipe kasar menjadi produk atau infrastruktur yang siap produksi dan dapat diskalakan. 3. **The Sweeper (Pembersih):** Menyederhanakan antarmuka, mengatur ulang kode, dan menghapus fitur berlebihan untuk meningkatkan kinerja dan kemampuan pemeliharaan. 4. **The Growth (Pertumbuhan):** Mengiterasi produk yang sudah jadi agar lebih dekat dengan pasar, meningkatkan retensi pengguna, dan mengubahnya dari "dapat digunakan" menjadi "diperlukan". 5. **The Maintainer (Pemelihara):** Memastikan keamanan, keandalan, efisiensi, dan ketahanan sistem yang matang dalam jangka panjang. Peran-peran ini tidak eksklusif. Satu orang dapat merangkul beberapa peran (misalnya, 1+3 atau 2+3) yang berubah sesuai tahap produk atau proyek. Tim yang sehat membutuhkan kombinasi peran yang berbeda bergantung pada kematangan produk: produk baru membutuhkan peran 1,2,3; produk yang sedang tumbuh membutuhkan 2,3,4 dengan beberapa 5; produk matang membutuhkan 3,4,5 dengan beberapa 2. Diskusi online menyoroti bahwa klasifikasi kaku dapat membatasi fleksibilitas. Di era AI, batas peran semakin kabur. Meskipun AI seperti Claude dapat membantu tugas Builder dan Sweeper, peran manusia tetap kritis untuk beradaptasi dan memimpin setiap fase siklus hidup produk.

marsbit06/30 05:56

Pendiri Claude Code Mengungkap Prediksi Terbaru: Divisi Kerja Tim Dirombak di Era AI, "Lima Tipe Orang" Ini Paling Dibutuhkan

marsbit06/30 05:56

Dataset Pelatihan Doc2Repo Jarak Jauh Pertama, Agen Kode Tak Hanya Perbaiki Bug, Mulai Bangun Repository

Dengan kemampuan LLM Code Agent yang terus meningkat, peneliti kini beralih ke tugas jangka panjang yang lebih mendekati kebutuhan dunia nyata. Dalam konteks ini, tim dari Renmin University of China merilis dataset DeNovoSWE, yang berfokus pada tugas rekayasa perangkat lunak jangka panjang, khususnya pembuatan kode tingkat repositori dari nol. Dataset ini dibangun menggunakan mekanisme **Divide & Conquer** dan **Critic & Repair**, menghasilkan 4.818 instance data berkualitas tinggi. DeNovoSWE mengatasi tantangan generasi repositori utuh dari dokumen, yang membutuhkan perencanaan arsitektur, pembuatan file, desain API, dan integrasi modul. Eksperimen menunjukkan peningkatan signifikan pada model yang dilatih dengan DeNovoSWE. Misalnya, Qwen3-30B-A3B-Instruct meningkat dari 5.8% menjadi 47.2% pada benchmark BeyondSWE-Doc2Repo, dan dari 4.3% menjadi 23.0% pada NL2RepoBench. Peningkatan ini membuktikan bahwa data tugas jangka panjang khusus lebih efektif untuk melatih kemampuan rekayasa perangkat lunak tingkat repositori, melampaui data konvensional yang hanya berfokus pada perbaikan bug. Kesimpulannya, DeNovoSWE menyediakan landasan data yang terstruktur, dapat diverifikasi, dan anti-kebocoran untuk melatih agen kode dalam memahami dokumen, merencanakan arsitektur, dan menghasilkan repositori perangkat lunak yang lengkap dan dapat dijalankan, menandai langkah maju menuju kemampuan rekayasa perangkat lunak jangka panjang yang sebenarnya.

marsbit06/25 08:54

Dataset Pelatihan Doc2Repo Jarak Jauh Pertama, Agen Kode Tak Hanya Perbaiki Bug, Mulai Bangun Repository

marsbit06/25 08:54

活动图片