Pada Juli 2026, bidang pemrograman AI mengalami perubahan besar. Peter Steinberger mengumumkan di platform X bahwa era rekayasa siklik berakhir, mendorong industri beralih ke rekayasa grafik. Rekayasa siklik berasal dari metode Ralph oleh Geoffrey Huntley, yang menghindari batasan jendela konteks dengan membuat AI Agent berjalan terus-menerus hingga mencapai tujuan. Pada April hingga Mei 2026, alat-alat seperti Codex dan Claude Code secara berturut-turut meluncurkan fitur Goal, mewujudkan produkisasi siklik. Saat ini, industri sedang mengeksplorasi rekayasa grafik yang lebih kompleks, yang melibatkan desain kolaboratif antara grafik organisasi dan grafik kerja.

Penulis artikel, sumber: Akun WeChat InfoQ (ID: infoqchina)

Apakah kami masih membahas siklus, atau sudah beralih ke grafik?

Pada 18 Juli 2026, Peter Steinberger secara diam-diam mengumumkan berakhirnya era siklus rekayasa di platform X dengan satu kalimat ini. Postingan tersebut mendapatkan 2,6 juta tayangan dalam dua hari setelah diterbitkan.

Enam minggu lalu, ia mendapatkan 8,4 juta tayangan dengan "desain siklus yang dapat memicu Agent", membuat pengembang di seluruh dunia menyadari bahwa era teknik prompt sedang berakhir, dan teknik siklus adalah arah baru.

Dua postingan, dengan total tayangan lebih dari 11 juta, mendorong diskusi paling populer di bidang pemrograman AI ke tahap berikutnya.

Kebangkitan siklus

Dalam sebulan terakhir, "Loop Engineering" dengan cepat menjadi konsep populer di bidang pemrograman AI.

Namun, asal-usul sebenarnya dapat ditelusuri kembali satu tahun lalu. Pada Juli 2025, insinyur perangkat lunak Geoffrey Huntley mengusulkan sebuah metode yang ia sebut "Ralph"—sebuah loop Bash sederhana yang membuat Claude terus menjalankan tugas hingga tujuan tercapai:

while :; do cat PROMPT.md | claude-code ; done

Inti dari metode Ralph adalah menghindari batasan jendela konteks. Pada pertengahan 2025, jendela konteks maksimum adalah 200.000 token. Ini jauh tidak cukup untuk tugas yang lebih kompleks, sehingga diperlukan pemisahan eksekusi Agent menjadi unit-unit eksekusi yang lebih kecil, lalu menjalankannya satu per satu.

Dalam konteks ini, cara kerja metode Ralph adalah sebagai berikut:

• Tetapkan tujuan untuk proyek, lalu jalankan atau jalankan ulang Agent secara terus-menerus hingga tujuan tercapai.
• Mengpersistenkan pekerjaan yang telah selesai ke sistem file dalam bentuk "kompresi", misalnya disimpan sebagai log atau rencana yang diperbarui.
• Gunakan konteks baru untuk memulai Agent, sehingga meminimalkan "korupsi konteks".
• Saat diperlukan, izinkan setiap Agent menambahkan atau mengubah "rencana umum".

Huntley menggunakan metode ini untuk membangun bahasa pemrograman dari nol, membuktikan kelayakannya. Namun, baru setelah model yang lebih kuat muncul, metode ini menyebar dengan cepat di kalangan pengembang.

Kepopuleran Loop juga tidak terlepas dari beberapa pengembang inti Anthropic dan OpenAI. Awalnya, di konferensi pengembang Anthropic, Boris Cherny, pencipta Claude Code, menyatakan: “Saya sekarang tidak lagi memberikan petunjuk kepada Claude. Saya menjalankan beberapa loop, di mana loop-loop ini yang memberikan petunjuk kepada Claude dan menentukan langkah selanjutnya. Pekerjaan saya adalah menulis loop.”

Selanjutnya, Peter Steinberger juga memposting seruan agar pengembang berhenti secara langsung memberikan petunjuk pemrograman kepada Agent: "Peringatan bulanan: Anda seharusnya tidak lagi secara pribadi memberikan petunjuk pemrograman kepada Agent. Anda harus merancang siklus yang dapat memberikan petunjuk kepada Agent."

Insinyur Google sebelumnya, Addy Osmani, kemudian menulis artikel khusus berjudul “Loop Engineering”, yang merangkumnya sebagai: “Loop Engineering adalah proses keluar dari posisi Anda sendiri dalam memberikan prompt kepada Agent, dan beralih ke desain sistem yang menyelesaikan hal tersebut untuk Anda.”

Konsep sudah ada, nama sudah ada, dan infrastruktur juga segera menyusul.

Pada April hingga Mei 2026, Codex, Claude Code, dan Hermes secara berturut-turut meluncurkan perintah /goal, yang mengubah produk siklus yang ditulis secara manual menjadi satu perintah.

Enam bulan setelah Ralph mulai digunakan secara luas, Codex meluncurkan fitur goal.

Dokumentasi Codex menulis: "Goals adalah tujuan yang bertahan dalam Codex, yang memungkinkan sebuah thread percakapan untuk terus maju menuju hasil yang jelas dalam beberapa siklus interaksi. Goal memberikan kondisi penyelesaian kepada Codex: keadaan apa yang harus terpenuhi, bagaimana memeriksa keberhasilan, dan batasan apa saja yang harus selalu dipertahankan."

Dokumen secara khusus menunjukkan: "PROMPT biasa menyatakan: lakukan hal ini selanjutnya. Goal menyatakan: terus bekerja hingga hasil ini tercapai."

Dalam permintaan biasa, Codex akan memproses instruksi saat ini, melaporkan hasil, lalu menunggu langkah selanjutnya. Saat menggunakan Goal, tujuan yang berkelanjutan melekat pada thread. Setelah satu siklus eksekusi selesai, Codex dapat memeriksa bukti saat ini dan menilai apakah tujuan telah tercapai. Jika jawabannya tidak, dan Goal masih aktif serta anggaran belum habis, Codex dapat melanjutkan pekerjaan dari status terbaru.

Misalnya: “Turunkan p95 latency pada benchmark checkout menjadi di bawah 120 milidetik, dengan memastikan seluruh suite pengujian keakuratan selalu lulus.”

Ini adalah "kriteria penutup" yang cukup jelas dan dapat langsung diberikan kepada Agent. Selanjutnya, Agent akan membagi tugas secara mandiri, membuat Sub-Agent, dan terus berjalan hingga pekerjaan selesai. Tim Codex mengadopsi gagasan dari siklus Ralph dan membangun infrastruktur berdasarkan hal tersebut: mengoordinasikan beberapa Agent, mencegah saling mengganggu; mengelola status; menjalankan pengujian; memulai dan menghentikan Agent; kemudian menambahkan fitur seperti pengaturan anggaran.

Arsitektur fitur Goals

Bagaimana pengembang dapat menggunakan loop

Lalu, apa yang sebenarnya dilakukan pengembang dengan loop? Berdasarkan umpan balik komunitas, skenario paling umum tetaplah menangani beberapa tugas berkala.

Namun, kemampuan siklus jauh melampaui hal ini. Nilai nyata dari rekayasa siklus terlihat pada tugas-tugas jangka panjang yang lebih kompleks dan memerlukan iterasi berkelanjutan.

Misalnya, menyelesaikan migrasi kode berskala besar. Pendiri startup Rafel Mendiola perlu mengonversi aplikasi React menjadi React Native. Pendekatan tradisional adalah membuat Epic besar, lalu membaginya menjadi 50 hingga 100 tiket, sehingga membangun infrastruktur saja sudah membuat orang enggan.

Alternatifnya adalah membuat Skill yang memungkinkan Agent mengenali blok kode yang dapat dipindahkan, menyelesaikan konversi, dan melacak kemajuan, lalu memasukkan Skill ini ke dalam tugas Cron yang berjalan setiap 30 menit. Daripada mengelola rencana migrasi yang besar, cara ini jauh lebih ringan secara kognitif.

Berikutnya: Graph

Masalah tweet Peter sebenarnya menunjukkan sebuah jalur evolusi.

Satu tahun lalu, rekayasa prompt masih menjadi keterampilan inti. Pada tahun 2025 hingga awal 2026, fokus berpindah ke desain siklus. Dan sekarang, yang ditunjuk oleh Peter sudah jauh lebih jauh: merancang grafik yang terdiri dari beberapa siklus—setiap Agent menjalankan siklusnya sendiri, saling terhubung melalui ketergantungan.

Balasan paling menarik di thread tweet ini datang dari Luis Catacora: "Siklus memiliki ruang toleransi yang besar. Grafik akan memaksa Anda mengakui betapa banyak bagian dari alur kerja yang sama sekali tidak dimodelkan."

Kalimat ini menunjukkan perbedaan antara dua paradigma ini. Loop memungkinkan Anda menunda desain arsitektur: biarkan satu Agent menangani semua tugas hingga tidak lagi mampu menanganinya. Sementara itu, grafik mengharuskan Anda untuk menyatakan seluruh struktur terlebih dahulu—siapa yang bertanggung jawab atas apa, tugas-tugas mana yang bergantung pada tugas-tugas lain, dan apa yang harus dilakukan jika sebuah cabang gagal. Loop adalah keputusan yang ditunda, sedangkan grafik adalah keputusan yang dibuat sebelumnya.

Shubham Saboo, produk manajer AI tingkat tinggi Google dan penulis repositori kode Awesome LLM Apps (lebih dari 124.000 bintang di GitHub), memberikan analisis lain yang membedakan dua tingkatan: "Organizational chart jangka panjang menentukan siapa yang bertanggung jawab atas bidang mana dan mempertahankan konteks; work chart menentukan apa yang perlu dilakukan saat ini, yang dapat dipisahkan, digabungkan, diurutkan ulang, atau menghilang secara langsung berdasarkan bukti."

Apa sebenarnya Graph?

Loop membuat perilaku Agent dapat diprogram. Graph membuat organisasi Agent dapat diprogram.

Langkah selanjutnya adalah organisasi Agent dinamis: selama eksekusi tugas, Graph akan menulis ulang strukturnya sendiri.

Preston Holmes: Setidaknya ada dua Graph yang penting. Yang pertama adalah Graph yang ditampilkan di gambar Anda, yang terdiri dari Agent jangka panjang yang masing-masing bertanggung jawab atas satu wilayah, seperti pertahanan zona. Yang kedua adalah Graph yang dibentuk oleh pekerjaan yang perlu diselesaikan. Ini bersifat dinamis dan terus berubah.

Shubham Saboo: "Organigram" yang sudah lama ada menentukan siapa yang bertanggung jawab atas setiap wilayah dan bertanggung jawab untuk mempertahankan konteks. "Workgram" menentukan tugas apa yang perlu diselesaikan saat ini. Seiring munculnya bukti baru, ia dapat dibagi, digabung, diurutkan ulang, atau langsung menghilang.

Ini adalah kunci sistem Multi-Agent tingkat produksi: sebenarnya ada dua grafik yang berjalan secara bersamaan.

Organizational Graph (Org Graph): Mendefinisikan "siapa yang bertanggung jawab atas apa". Ini terdiri dari Agent yang bertahan lama, di mana setiap Agent bertanggung jawab atas satu bidang tetap, menyimpan konteks, keahlian, dan izin alat untuk bidang tersebut. Organizational Graph relatif stabil, mirip dengan struktur organisasi perusahaan.

Work Graph: Mendefinisikan "apa yang harus dilakukan sekarang, dan bagaimana tugas berpindah". Ini terus berubah seiring dengan tugas dan bukti baru, dapat dipisahkan, digabungkan, diatur ulang urutannya, atau dibatalkan langsung. Work Graph lebih seperti rencana proyek yang dihasilkan secara real-time.

Preston Holmes juga percaya bahwa kedua diagram tersebut sangat penting dan berjalan pada skala waktu yang berbeda. Diagram organisasi akan dirancang dan dideploy terlebih dahulu; diagram kerja dibuat secara dinamis untuk setiap tugas dan dibuang setelah tugas selesai.

Jika siklus membuat perilaku Agent dapat diprogram, maka grafik membuat organisasi Agent dapat diprogram. Langkah selanjutnya adalah organisasi Agent dinamis—selama eksekusi tugas, grafik akan menulis ulang strukturnya sendiri.

Dari menulis Prompt yang baik, merancang Loop, hingga membangun Graph, fokus kemampuan pemrograman AI terus naik. Pengembang semakin tidak perlu khawatir tentang cara berinteraksi dengan satu Agent, melainkan perlu memikirkan bagaimana merancang struktur kolaborasi antar Agent.