Buku pedoman rekayasa loop internal Anthropic baru saja bocor.

Dan ini adalah panduan AI paling berharga yang saya baca sepanjang tahun.
Panduan ini penuh dengan informasi, dan ada lima hal yang perlu Anda ketahui jika ingin memaksimalkan produktivitas AI Anda dengan loop (simpan ini):
1. Anda harus menyusun setiap loop di sekitar 5 prinsip ini:
• Penemuan → Biarkan agen menemukan pekerjaannya sendiri (kegagalan CI, masalah, komit)
• Penyerahan → Berikan setiap tugas worktree git yang terisolasi sendiri
• Verifikasi → Jangan biarkan generator menilai pekerjaannya sendiri
• Persistensi → Selalu tulis status ke disk (markdown atau papan)
• Penjadwalan → Jalankan dengan timer sehingga bekerja saat Anda tidur
2. Pisahkan Generator dari Evaluator (aturan paling penting)
Gunakan dua agen: satu menulis, yang lainnya adalah hakim skeptis yang menganggap kode itu rusak.
Buat evaluator bertindak (jalankan tes, klik tombol, ambil tangkapan layar) - inilah yang benar-benar menghentikan keluaran yang buruk.
3. Bangun dengan 6 bagian ini:
• Otomatisasi (timer)
• Worktrees (paralelisme aman)
• Keterampilan (pengetahuan proyek permanen)
• Konektor (berbicara dengan GitHub, Linear, dll.)
• Sub-agen (generator + evaluator)
• Memori (file status yang bertahan di antara proses)
4. Hal-hal yang harus Anda waspadai dalam rekayasa loop:
• Hutang verifikasi (gunakan agen verifikasi)
• Kehilangan pemahaman tentang basis kode Anda sendiri (mulai baru jika perlu)
• Biaya token meledak (solusi di bawah)
• Penyerahan kognitif (jangan berhenti berpikir karena "loop yang menanganinya")
5. Menyelesaikan biaya token
Rekayasa loop bisa sangat mahal.
Saya merekomendasikan Anda menggunakan pendekatan "barbel" 80/20 untuk rekayasa loop.
Untuk tugas paling kompleks yang membutuhkan kecerdasan terbaik, gunakan model mahal (Opus).
Untuk 80% tugas Anda yang tersisa (pekerjaan kasar), gunakan model sumber terbuka murah dalam kerangka Claude Code (GLM-5.2 sangat bagus untuk eksekusi kode).
Simpan 5 aturan ini agar Anda tidak lupa.