Skill dan Harness: Cara Membuat Hasil AI Konsisten
Kenapa permintaan yang sama bisa menghasilkan kualitas berbeda tiap hari, dan bagaimana skill, konteks proyek, dan harness membuat hasil AI bisa diandalkan.
Singkatnya
- AI yang tidak konsisten biasanya bukan kurang pintar, melainkan kurang konteks dan kurang pagar.
- Skill membungkus cara kerja yang berulang menjadi instruksi yang dimuat saat dibutuhkan.
- Harness adalah tes, lint, review, dan catatan progres di sekeliling model. Di situlah konsistensi dibangun.
Senin pagi, kami meminta agen membuat halaman pengaturan. Hasilnya rapi: memakai komponen kami, nama file sesuai kebiasaan, tombol yang benar. Kamis, kami meminta hal yang hampir sama. Hasilnya memakai gaya berbeda, tombol berbeda, struktur folder berbeda.
Modelnya sama. Yang berbeda adalah kami: Senin kami menjelaskan panjang lebar, Kamis kami terburu-buru. Dari situ kami belajar bahwa konsistensi tidak lahir dari model yang lebih pintar, tetapi dari cara kami menyiapkan pekerjaannya.
Masalahnya bukan kecerdasan, tapi ingatan
Model tidak membawa ingatan dari satu sesi ke sesi berikutnya. Tanpa konteks tertulis, setiap sesi adalah hari pertama kerja. Maka tugas kita bergeser: bukan membujuk model dengan kalimat yang sempurna, tapi menyiapkan lingkungan kerja yang sama setiap kali.
Skill: resep yang dimuat saat dibutuhkan
Skill adalah folder berisi instruksi (biasanya berkas SKILL.md), kadang dengan skrip dan contoh, yang mengajari agen satu jenis pekerjaan: menulis laporan, memeriksa aksesibilitas, atau membuat komponen sesuai design system. Menurut dokumentasi Agent Skills, hanya nama dan deskripsi singkat yang dimuat di awal. Isi lengkapnya dibaca ketika tugas memang membutuhkannya, jadi kamu bisa punya banyak skill tanpa memenuhi kepala agen.
- Satu tugas yang jelas, bukan “segala hal soal frontend”.
- Deskripsi yang menjelaskan kapan skill ini dipakai.
- Contoh hasil yang benar.
- Daftar hal yang tidak boleh dilakukan.
Harness: pagar di sekeliling model
Harness adalah segala sesuatu di luar model yang menentukan caranya bekerja: alat yang boleh dipakai, konteks yang dimuat, tes yang harus lulus, dan cara melaporkan progres. Anthropic menulis tentang ini untuk agen yang bekerja berjam-jam: pekerjaan dipecah, kemajuan dicatat di berkas, perubahan di-commit, dan fitur diuji sebelum dianggap selesai (Effective harnesses for long-running agents).
Idenya akrab bagi siapa pun yang pernah serah-terima shift: tulis dulu apa yang sudah jadi, supaya orang berikutnya tidak menebak-nebak.
Resep konsistensi versi kami
- Tulis aturan proyek di satu berkas konteks seperti AGENTS.md: stack, gaya kode, dan perintah untuk menjalankan tes.
- Ubah pekerjaan yang berulang menjadi skill.
- Pasang pagar otomatis: tes, lint, dan type check berjalan sebelum manusia melihat hasilnya.
- Minta agen mencatat apa yang sudah dan belum selesai.
- Biarkan review manusia menjadi gerbang terakhir. Reviewnya kecil dan fokus, karena hal remeh sudah disaring mesin.
Rasanya setelah dibiasakan
Hari Kamis yang terburu-buru tidak lagi menghasilkan kualitas yang berbeda, karena kualitas tidak lagi bergantung pada seberapa panjang kami menjelaskan hari itu. Bagi kami, itu perubahan terbesar: dari “semoga kali ini bagus” menjadi “ini default-nya”.
Kebiasaan yang sama kami bawa ke produk klien, mulai dari layanan pengembangan sampai UI kit di Store. Dan kalau kamu bertanya-tanya apakah semua ini berarti manusia tidak diperlukan lagi, baca Apakah AI Akan Menggantikan Engineer dan Designer?.
