Pahami loop dan siapkan fondasinya
Proactive agent loop adalah arsitektur AI yang berjalan sesuai jadwal, memeriksa perubahan pada sistem terhubung, lalu menyiapkan proposal untuk ditinjau manusia tanpa menunggu masukan pengguna terlebih dahulu. Polanya cocok saat Anda ingin automated workflow AI mengawasi data dan menyarankan tindakan, tetapi tidak boleh bertindak tanpa kendali. Claude Opus 5.5 menangani tahap keputusan, bukan seluruh sistem: penjadwal, pengambilan data, persetujuan, dan pelaksanaan perlu dibangun di luar model. Jadi, prasyaratnya mencakup konektor ke sumber data, akses API yang dikelola dengan aman, kebijakan tindakan yang jelas, serta layanan untuk persetujuan dan eksekusi. Satu batas penting: model tidak boleh memegang token, menerima kunci API sebagai teks, atau menjadi komponen yang mengautentikasi.
Susun lima tahap secara berurutan
Bangun alur dari pemicu sampai eksekusi, tetapi pastikan tahap terakhir hanya berjalan setelah manusia menyetujui proposal. Urutan ini menjaga keputusan model tetap terpisah dari tindakan yang berdampak di sistem Anda.
- Atur scheduler bergaya cron untuk berjalan tiap beberapa jam sebagai titik awal. Hindari polling terus-menerus: setiap pemeriksaan membawa konteks dan biaya pemrosesan, sementara banyak sapuan tidak menemukan perubahan. Pendekkan interval hanya untuk konektor yang memang memerlukan respons lebih cepat.
- Buat digest dengan kode, bukan dengan meminta model meringkas semua data mentah. Ambil perubahan per koneksi menggunakan cursor atau delta dari API, lalu rangkum apa yang baru muncul, diubah, atau diselesaikan.
- Kirim digest bersama kebijakan yang relevan kepada Claude Opus 5.5 untuk menentukan apakah ada hal yang perlu ditangani. Minta keluaran sebagai typed proposal, bukan teks bebas, agar sistem bisa memeriksa jenis tindakan dan isinya secara konsisten.
- Teruskan proposal ke approval gate system yang berdiri di luar model. Tampilkan tindakan persis yang diminta dan hentikan alur sampai manusia menyetujui atau menolaknya.
- Jalankan proposal melalui executor hanya setelah persetujuan yang sah tercatat. Simpan hasil eksekusi agar pemeriksaan berikutnya dapat membedakan perubahan baru dari pekerjaan yang sudah ditangani.
Jaga prompt tetap stabil dan proposal tetap terstruktur
Untuk prompt caching, rakit prompt sistem dan skema alat satu kali saat deployment, lalu pertahankan prefiksnya tetap identik di setiap sapuan. Susunan ulang kunci, stempel waktu, ID permintaan, atau akun yang disisipkan di tengah dapat membuat prefiks cache tidak lagi cocok dan mengembalikan blok instruksi ke pemrosesan input penuh. Letakkan konteks yang berubah—seperti digest terbaru—setelah bagian stabil. Tambahkan pula pengujian yang menghitung hash blok stabil dan menggagalkan proses build bila hash berubah tanpa sengaja. Pada sisi keluaran, tetapkan bentuk proposal dengan kolom yang jelas, misalnya jenis tindakan, objek sasaran, alasan, dan isi draf. Dengan keluaran bertipe, layanan persetujuan dapat menampilkan tindakan secara tepat, sementara executor dapat memeriksa apakah proposal memenuhi aturan sebelum menjalankannya.
Kesalahan yang sering terjadi adalah menarik seluruh data setiap kali, bukan hanya perubahan sejak pemeriksaan sebelumnya. Cara itu membuat jumlah input membesar mengikuti isi kotak masuk, sehingga biaya per sapuan sulit diperkirakan. Digest berbasis delta membantu menjaga pekerjaan tetap terarah.
Buat persetujuan benar-benar menghentikan alur
Approval gate bukan catatan tambahan di dalam alur agen; ia harus menjadi layanan terpisah yang mengendalikan apakah tindakan boleh diteruskan. Tampilkan rincian tindakan, minta keputusan manusia, lalu tahan proses sampai keputusan diterima. Gerbang ini penting terutama sebelum sistem mengirim pesan, melakukan pembayaran, menandatangani dokumen, atau menghapus sesuatu. Jika ditolak, jangan teruskan proposal ke executor. Jika disetujui, pastikan executor menjalankan tindakan yang sama dengan yang ditinjau, bukan versi yang berubah setelah persetujuan. Hasil akhirnya adalah loop yang bangun sesuai jadwal, membaca delta, menghasilkan proposal terstruktur, dan menunggu manusia sebelum bertindak. Pola ini layak dibangun ketika otomasi perlu berjalan mandiri tanpa menyerahkan keputusan berisiko kepada model. Perhatikan dua hal sejak awal: jangan membuat polling terlalu rapat, dan jangan biarkan perubahan kecil pada prompt merusak cache.
