Lingkaran Kerja: Evolusi Agent Koding
Judul asli: The Coming Loop
Mengapa Ini Penting
Mengungkap tantangan fundamental dalam automation code dengan AI—trade-off antara efisiensi dan kualitas, relevan untuk evolusi praktik engineering modern.
Armin Ronacher menganalisis tren baru dalam engineering agentic di mana model AI dijalankan dalam loop kontinu dengan harness eksternal yang mengarahkan ulang tugas, bukan berhenti saat model mengatakan selesai, mengubah cara orang bekerja dengan coding agents.
Dalam artikel blog tanggal 23 Juni 2026, Ronacher menjelaskan dua tingkat loop dalam agentic engineering. Loop pertama adalah internal dalam coding agent itu sendiri, di mana model memanggil tools, membaca file, menjalankan test, dan menghasilkan jawaban—pola yang sudah familiar. Loop kedua adalah harness level loop, loop di luar agent yang memutuskan apakah pekerjaan benar-benar selesai. Jika tidak, harness dapat melanjutkan sesi yang sama, menyuntikkan pesan baru, memulai sesi segar dengan konteks yang dimodifikasi, atau mengirim tugas ke mesin lain. Pola ini semakin mendominasi diskusi di komunitas engineering.
Ronacher mengungkapkan bahwa meskipun tren ini menarik, dia belum menemukan kesuksesan dengan pendekatan ini untuk kode yang sangat dia pedulikan. Dia menetapkan standar tinggi untuk kualitas kode dan menginginkan pemahaman mendalam tentang setiap baris yang diship. Masalah utama yang dia identifikasi adalah bahwa model AI cenderung menghasilkan kode yang terlalu defensif, kompleks, dan lokal dalam penalaran. Mereka menghindari invariant yang kuat, menambahkan fallback bukan membuat state buruk tidak mungkin, menduplikasi kode, dan menciptakan abstraksi yang buruk.
Ronacher mencatat bahwa Claude Code dengan ultracode pada saat sekarang menghasilkan kode yang lebih buruk dibanding autumn sebelumnya, karena sistem bekerja tanpa intervensi manusia selama 30 menit atau lebih. Model AI secara inheren takut terhadap exception dan akan menambahkan pertahanan lokal untuk setiap kegagalan yang diamati, padahal solusi yang tepat adalah membuat kasus malformed menjadi tidak mungkin direpresentasikan. Ketika perilaku ini dijalankan dalam loop berulang, masalah ini semakin memburuk.