Judul asli: Harness Tipis, Keterampilan Gemilang
Penulis asli: Garry Tan
Disusun oleh: Peggy, BlockBeats

Catatan Editor: Meskipun "model yang lebih kuat" telah menjadi jawaban standar industri, artikel ini menawarkan perspektif yang berbeda: apa yang benar-benar menciptakan kesenjangan produktivitas 10 kali lipat, 100 kali lipat, atau bahkan 1000 kali lipat bukanlah model itu sendiri, melainkan keseluruhan desain sistem yang dibangun di sekitar model tersebut.

Penulis artikel ini, Garry Tan, adalah Presiden dan CEO Y Combinator saat ini dan telah lama terlibat secara mendalam dalam ekosistem AI dan startup tahap awal. Ia mengusulkan kerangka kerja "fat skills + thin harness," yang memecah aplikasi AI menjadi komponen-komponen kunci seperti keterampilan, kerangka kerja operasional, perutean kontekstual, pembagian tugas, dan kompresi pengetahuan.

Dalam sistem ini, model bukan lagi keseluruhan kemampuan, melainkan hanya unit eksekusi dalam sistem; yang benar-benar menentukan kualitas output adalah bagaimana Anda mengatur konteks, menyempurnakan proses, dan mendefinisikan dengan jelas batasan antara "penilaian" dan "komputasi".

Yang lebih penting, pendekatan ini bukan sekadar konseptual tetapi telah divalidasi dalam skenario dunia nyata: ketika dihadapkan dengan tugas pemrosesan dan pencocokan data dari ribuan pengusaha, sistem ini mencapai kemampuan analis yang hampir setara dengan manusia melalui siklus "baca-atur-nilai-tulis kembali," dan terus mengoptimalkan dirinya sendiri tanpa menulis ulang kode. "Sistem pembelajaran" ini mengubah AI dari alat sekali pakai menjadi infrastruktur dengan efek yang berkelanjutan.

Dengan demikian, pesan inti dari artikel ini menjadi jelas: di era AI, kesenjangan efisiensi tidak lagi bergantung pada apakah Anda menggunakan model yang paling canggih, tetapi pada apakah Anda telah membangun sistem yang dapat terus mengakumulasi kemampuan dan berevolusi secara otomatis.

Berikut ini adalah teks aslinya:

Steve Yegge mengatakan bahwa orang-orang yang menggunakan agen pemrograman AI "10 hingga 100 kali lebih efisien daripada para insinyur yang hanya menggunakan Cursor dan alat obrolan untuk menulis kode, dan sekitar 1.000 kali lebih efisien daripada para insinyur Google pada tahun 2005."

Catatan: Steve Yegge adalah seorang insinyur perangkat lunak berpengaruh, blogger teknologi, dan komentator budaya teknik di Silicon Valley, yang dikenal karena artikel-artikel teknisnya yang tajam, panjang, dan sangat personal. Ia pernah bekerja sebagai insinyur senior di perusahaan-perusahaan seperti Amazon dan Google; kemudian bergabung dengan Salesforce; dan selanjutnya bekerja di perusahaan rintisan dan bidang terkait AI; ia juga merupakan salah satu promotor awal proyek Dart.

Ini bukan berlebihan. Saya telah melihatnya dengan mata kepala sendiri dan mengalaminya secara langsung. Tetapi ketika orang mendengar tentang kesenjangan seperti itu, mereka sering mengaitkannya dengan hal-hal yang salah: model yang lebih kuat, Claude yang lebih pintar, lebih banyak parameter.

Pada kenyataannya, orang yang meningkatkan efisiensi hingga 2 kali lipat dan mereka yang meningkatkannya hingga 100 kali lipat menggunakan model yang sama. Perbedaannya bukan terletak pada "kecerdasan," tetapi pada "arsitektur," dan arsitektur ini sangat sederhana sehingga dapat ditulis di selembar kartu.

Harness (kerangka kerja runtime) adalah produk itu sendiri.

Pada tanggal 31 Maret 2026, Anthropic secara tidak sengaja merilis kode sumber lengkap Claude Code ke npm—sebanyak 512.000 baris. Saya membaca semuanya. Ini menegaskan apa yang telah saya katakan di Y Combinator: rahasia sebenarnya bukan terletak pada modelnya, tetapi pada "lapisan yang membungkus model tersebut."

Konteks repositori kode waktu nyata, caching prompt, alat khusus tugas, meminimalkan konteks yang berlebihan, memori sesi terstruktur, dan sub-agen yang berjalan paralel—ini tidak membuat model menjadi lebih pintar. Tetapi hal-hal ini memberikan model "konteks yang tepat" pada "waktu yang tepat," sekaligus mencegahnya kewalahan oleh informasi yang tidak relevan.

"Pembungkus" ini disebut kerangka kerja operasional (harness). Pertanyaan sebenarnya yang harus diajukan oleh semua pengembang AI adalah: apa yang harus dimasukkan ke dalam kerangka kerja operasional, dan apa yang harus ditinggalkan di luar?

Pertanyaan ini sebenarnya memiliki jawaban yang sangat spesifik—yang saya sebut: tali pengikat tipis, keterampilan besar.

Lima Definisi

Kendala utamanya bukanlah kecerdasan model tersebut. Model tersebut selalu tahu cara bernalar, mensintesis informasi, dan menulis kode.

Mereka gagal karena mereka tidak memahami data Anda—skema Anda, konvensi Anda, dan bentuk spesifik dari masalah Anda. Lima definisi berikut dirancang secara tepat untuk mengatasi masalah ini.

1. Berkas Keterampilan

Dokumen keterampilan adalah dokumen markdown yang dapat digunakan kembali yang mengajarkan model "cara melakukan sesuatu." Perhatikan bahwa dokumen ini tidak memberi tahu "apa yang harus dilakukan"—itu disediakan oleh pengguna. Dokumen keterampilan menyediakan prosesnya.

Poin penting yang sering diabaikan banyak orang adalah bahwa file keterampilan pada dasarnya seperti panggilan metode. File tersebut dapat menerima parameter. Anda dapat memanggilnya dengan parameter yang berbeda. Proses yang sama dapat menunjukkan kemampuan yang sangat berbeda tergantung pada parameter yang diberikan.

Sebagai contoh, ada sebuah skill bernama `/investigate`. Skill ini terdiri dari tujuh langkah: mendefinisikan cakupan data, membangun garis waktu, mencatat setiap dokumen, mensintesis dan meringkas, berargumen dari kedua sisi, dan mengutip sumber. Skill ini menerima tiga parameter: `TARGET`, `QUESTION`, dan `DATASET`.

Jika Anda mengarahkannya ke seorang ilmuwan keamanan dan 2,1 juta email forensik, itu akan menjadi seperti analis penelitian medis yang menentukan apakah seorang pelapor telah dibungkam.

Jika Anda mengarahkannya ke perusahaan fiktif dan pengajuan dokumen ke Komisi Pemilihan Federal (FEC), maka itu akan menjadi alat investigasi forensik yang melacak sumbangan politik terkoordinasi.

Ini keterampilan yang sama. Tujuh langkah yang sama. File markdown yang sama. Deskripsi keterampilan adalah proses pengambilan keputusan, tetapi yang benar-benar menerjemahkannya ke dunia nyata adalah parameter yang diberikan selama panggilan.

Ini bukan rekayasa cepat, melainkan desain perangkat lunak: hanya saja di sini kita menggunakan Markdown sebagai bahasa pemrograman dan penilaian manusia sebagai lingkungan eksekusi. Bahkan, Markdown lebih cocok untuk merangkum kemampuan daripada kode sumber yang kaku karena ia menggambarkan proses, penilaian, dan konteks—tepatnya bahasa-bahasa yang paling "dipahami" oleh model tersebut.

2. Harness (Kerangka Kerja Runtime)

Harness adalah lapisan yang menjalankan LLM. Ia hanya melakukan empat hal: menjalankan model dalam sebuah loop, membaca dan menulis file Anda, mengelola konteks, dan menegakkan batasan keamanan.

Itu saja. Inilah arti dari "kurus".

Pola sebaliknya adalah: perlengkapan tebal, keterampilan tipis.

Anda mungkin pernah melihat hal-hal seperti ini: lebih dari 40 definisi alat, deskripsinya saja memakan setengah jendela konteks; sebuah alat maha kuasa yang membutuhkan waktu 2 hingga 5 detik untuk menjalankan proses bolak-balik di MCP; atau membungkus setiap endpoint API REST ke dalam alat terpisah. Hasilnya adalah penggunaan token meningkat tiga kali lipat, latensi meningkat tiga kali lipat, dan tingkat kegagalan juga meningkat tiga kali lipat.

Pendekatan yang benar-benar ideal adalah menggunakan alat yang dirancang untuk tujuan tertentu, cepat, dan memiliki fungsi yang terbatas.

Sebagai contoh, Playwright CLI hanya membutuhkan 100 milidetik per operasi browser, sedangkan Chrome MCP membutuhkan 15 detik untuk melakukan operasi tangkapan layar → cari → klik → tunggu → baca. Yang pertama 75 kali lebih cepat.

Perangkat lunak modern tidak lagi perlu "dipoles secara berlebihan hingga menjadi terlalu besar." Yang seharusnya Anda lakukan adalah: membangun hanya apa yang benar-benar Anda butuhkan, dan tidak lebih dari itu.

3. Pemecah Masalah

Resolver pada dasarnya adalah tabel perutean konteks. Ketika tipe tugas X terjadi, dokumen Y dimuat terlebih dahulu. Skill memberi tahu model "bagaimana melakukannya"; resolver memberi tahu model "kapan harus memuat apa".

Sebagai contoh, seorang pengembang memodifikasi sebuah prompt. Tanpa resolver, mereka mungkin akan langsung merilis pembaruan setelah melakukan perubahan. Dengan resolver, model pertama-tama membaca docs/EVALS.md. Dokumen ini menyatakan: pertama-tama jalankan rangkaian evaluasi dan bandingkan skor sebelum dan sesudah; jika akurasi turun lebih dari 2%, kembalikan ke versi sebelumnya dan selidiki penyebabnya. Pengembang ini bahkan mungkin tidak mengetahui tentang rangkaian evaluasi tersebut. Resolver, pada waktu yang tepat, memuat konteks yang benar.

Claude Code memiliki resolver bawaan. Setiap skill memiliki field deskripsi, dan model secara otomatis mencocokkan maksud pengguna dengan deskripsi skill tersebut. Anda tidak perlu mengingat apakah skill/ship tersebut ada—deskripsi itu sendiri adalah resolvernya.

Sejujurnya, file CLAUDE.md lama saya sangat panjang, mencapai 20.000 baris. File itu memuat semua kebiasaan aneh saya, semua pola saya, dan semua pelajaran yang telah saya pelajari. Itu benar-benar tidak masuk akal. Kualitas perhatian model menurun drastis. Saya bahkan memutuskan untuk menghapus Kode Claude sepenuhnya.

Perbaikan terakhir hanya terdiri dari sekitar 200 baris—hanya mempertahankan beberapa penunjuk dokumen. Penyelesai hanya akan memuat dokumen yang dibutuhkan pada saat kritis. Dengan cara ini, 20.000 baris pengetahuan masih dapat diakses dengan mudah tanpa mengganggu jendela konteks.

4. Laten dan deterministik (Ruang laten dan determinisme)

Dalam sistem Anda, setiap langkah termasuk dalam salah satu kategori. Mencampuradukkan kedua kategori ini adalah kesalahan paling umum dalam desain agen.

Ruang laten adalah tempat kecerdasan berada. Di sini, model membaca, memahami, menilai, dan membuat keputusan. Ia memproses penilaian, mensintesis informasi, dan mengenali pola.

• Determinisme adalah tempat di mana keandalan berada. Input yang sama akan selalu menghasilkan output yang sama. Kueri SQL, kode yang dikompilasi, dan operasi aritmatika semuanya termasuk dalam kategori ini.

Model Manajemen Laten (LLM) dapat membantu Anda mengatur tempat duduk untuk 8 orang di sebuah pesta makan malam, dengan mempertimbangkan kepribadian dan hubungan sosial setiap orang. Tetapi jika Anda memintanya untuk mengatur tempat duduk bagi 800 orang, model ini akan menghasilkan bagan tempat duduk yang "terlihat masuk akal tetapi sebenarnya sepenuhnya salah." Ini karena masalah tersebut bukan lagi masalah yang seharusnya ditangani oleh ruang laten, tetapi masalah deterministik yang dipaksakan ke ruang laten—masalah optimasi kombinatorial.

Sistem terburuk selalu salah menempatkan tugas di kedua sisi garis pemisah ini. Sebaliknya, sistem terbaik menarik batasan yang jelas dengan tegas dan tanpa basa-basi.

5. Diarisasi (Pengorganisasian dokumen / Pembuatan profil tema)

Langkah pencatatan harian adalah kunci untuk benar-benar memungkinkan AI menciptakan nilai bagi pekerjaan berbasis pengetahuan di dunia nyata.

Artinya, model tersebut membaca semua materi yang terkait dengan suatu topik, lalu menulis profil yang terstruktur. Model ini meringkas penilaian dari puluhan atau bahkan ratusan dokumen menjadi satu halaman.

Ini bukanlah sesuatu yang dapat dihasilkan oleh kueri SQL. Bukan pula sesuatu yang dapat dihasilkan oleh pipeline RAG. Model tersebut harus benar-benar membaca, mempertimbangkan informasi yang saling bertentangan secara bersamaan, memperhatikan apa yang telah berubah dan kapan perubahan itu terjadi, lalu mensintesis semua ini menjadi informasi yang terstruktur.

Inilah perbedaan antara kueri basis data dan pengarahan analis.

Arsitektur ini

Kelima konsep ini dapat digabungkan menjadi arsitektur tiga tingkat yang sangat sederhana.

• Pada lapisan teratas terdapat keterampilan yang mendalam: proses yang ditulis dalam Markdown, berisi penilaian, metodologi, dan pengetahuan bidang. 90% dari nilai tersebut terletak pada lapisan ini.
Di bagian tengah terdapat kerangka kerja CLI yang sederhana: sekitar 200 baris kode, menerima input JSON, menghasilkan output berupa teks, dan secara default hanya dapat dibaca.
Di bagian paling bawah terdapat sistem aplikasi Anda: QueryDB, ReadDoc, Search, Timeline—ini adalah infrastruktur yang deterministik.

Prinsip intinya bersifat terarah: dorong "kecerdasan" ke atas menuju keterampilan; dorong "eksekusi" ke bawah menuju alat-alat yang deterministik; dan jaga agar beban tetap ringan.

Akibatnya, setiap kali kemampuan model meningkat, semua keterampilan secara otomatis menjadi lebih kuat; sementara sistem deterministik yang mendasarinya tetap stabil dan dapat diandalkan.

Sistem pembelajaran

Di bawah ini, saya akan menggunakan sistem nyata yang sedang kami bangun di YC untuk menunjukkan bagaimana kelima definisi ini bekerja bersama.

Juli 2026, Chase Center. Startup School diikuti oleh 6.000 pendiri. Setiap peserta memiliki materi aplikasi terstruktur, jawaban kuesioner, transkrip percakapan 1 lawan 1 dengan mentor, dan catatan publik: unggahan di X, riwayat commit GitHub, dan penggunaan Claude Code (yang menunjukkan kecepatan pengembangan mereka).

Pendekatan tradisionalnya adalah dengan membentuk tim proyek beranggotakan 15 orang untuk membaca setiap aplikasi, membuat penilaian intuitif, dan kemudian memperbarui formulir.

Metode ini berhasil dengan 200 orang, tetapi sama sekali gagal dengan 6.000 orang. Tidak mungkin manusia dapat mengingat begitu banyak profil sekaligus dan menyadari bahwa tiga kandidat terbaik untuk infrastruktur agen AI adalah pendiri alat pengembangan di Lagos, seorang pengusaha kepatuhan di Singapura, dan seorang pengembang alat CLI di Brooklyn—dan mereka menggambarkan masalah yang sama dengan cara yang sangat berbeda dalam percakapan 1:1 yang berbeda.

Model ini mampu melakukannya. Metodenya adalah sebagai berikut:

Pengayaan (Peningkatan Informasi)

Terdapat sebuah skill bernama /enrich-founder, yang mengambil semua sumber data, melakukan penambahan informasi dan penyusunan catatan harian, serta menyoroti perbedaan antara "apa yang dikatakan pendiri" dan "apa yang sebenarnya dia lakukan".

Sistem deterministik yang mendasarinya menangani: kueri SQL, data GitHub, pengujian browser untuk URL demo, pengambilan sinyal sosial, kueri CrustData, dll. Tugas terjadwal berjalan sekali sehari. Profil 6000 pendiri selalu diperbarui.

Hasil dari proses pencatatan harian dapat menangkap informasi yang sama sekali tidak dapat ditemukan oleh pencarian kata kunci:

Pendiri: Maria Santos Perusahaan: Contrail (contrail.dev) Deskripsi diri: "Datadog-nya agen AI" Pekerjaan sebenarnya: 80% dari komitmen kode terkonsentrasi di modul penagihan → Pada dasarnya, ini membangun alat FinOps yang disamarkan sebagai alat pengamatan.

Perbedaan antara "pernyataan dan perilaku aktual" ini memerlukan pembacaan simultan riwayat commit GitHub, materi aplikasi, dan log percakapan, serta pengintegrasiannya ke dalam pikiran model. Pencarian kesamaan embedding tidak dapat melakukan ini, begitu pula penyaringan kata kunci. Model harus membaca seluruh dokumen dan kemudian membuat penilaian. (Inilah jenis tugas yang seharusnya ditempatkan di ruang laten!)

Cocok

Di sinilah "keterampilan = panggilan metode" menjadi berguna.

Menggunakan keterampilan mencocokkan yang sama sebanyak tiga kali dapat menghasilkan strategi yang sama sekali berbeda:

/match-breakout: Memproses 1200 orang, dikelompokkan berdasarkan domain, dengan 30 orang di setiap kelompok (embedding + alokasi deterministik)

/match-lunch: Memproses 600 orang, "pencocokan acak" lintas domain, 8 orang per meja tanpa pengulangan - topik dihasilkan terlebih dahulu oleh LLM, dan kemudian pengaturan tempat duduk dilakukan oleh algoritma deterministik.

/match-live: Menangani peserta acara secara real-time, berdasarkan embedding tetangga terdekat, menyelesaikan pencocokan satu-ke-satu dalam waktu 200ms dan mengecualikan orang yang sudah terlihat.

Selain itu, model ini dapat membuat penilaian yang tidak dapat dilakukan oleh algoritma pengelompokan tradisional:

"Santos dan Oram sama-sama merupakan infrastruktur AI, tetapi mereka bukanlah pesaing—Santos menangani atribusi biaya, dan Oram menangani orkestrasi. Mereka seharusnya berada dalam kelompok yang sama."
"Kim mengajukan permohonan untuk alat pengembang, tetapi percakapan 1 lawan 1 mengungkapkan bahwa dia sedang mengerjakan otomatisasi kepatuhan SOC2. Dia harus diklasifikasi ulang sebagai FinTech/RegTech."

Reklasifikasi ini adalah sesuatu yang sama sekali tidak dapat ditangkap oleh embedding. Model harus membaca seluruh gambar.

Siklus pembelajaran

Setelah acara berakhir, sebuah fitur /improve akan membaca hasil survei NPS, mencatat umpan balik yang "baik"—bukan ulasan negatif, tetapi yang "hampir sempurna"—dan mengekstrak pola-polanya.

Kemudian, sistem akan mengusulkan aturan baru dan memasukkannya kembali ke dalam kemampuan pencocokan pemain:

Ketika peserta menyebutkan "infrastruktur AI," tetapi lebih dari 80% kode mereka adalah untuk modul penagihan:
→ Diklasifikasikan sebagai FinTech, bukan Infrastruktur AI

Ketika dua orang dalam kelompok yang sama sudah saling mengenal:
→ Kurangi bobot pencocokan
Prioritaskan menjalin hubungan baru

Aturan-aturan ini akan ditulis kembali ke dalam berkas keterampilan. Aturan-aturan ini akan secara otomatis berlaku pada saat keterampilan tersebut dijalankan berikutnya. Keterampilan bersifat "menulis ulang sendiri". Pada acara bulan Juli, peringkat "oke" mencapai 12%; pada acara berikutnya, angka tersebut akan turun menjadi 4%.

File keterampilan tersebut mempelajari apa arti "oke", dan sistem menjadi lebih baik tanpa ada yang menulis ulang kode tersebut.

Model ini dapat diterapkan ke bidang apa pun:

Cari → Baca → Buat Catatan Harian → Hitung → Sintesis

Kemudian: Riset → Selidiki → Buat jurnal → Keterampilan menulis ulang

Jika Anda bertanya siklus mana yang paling berharga di tahun 2026, jawabannya adalah siklus ini. Siklus ini dapat diterapkan pada hampir semua skenario pekerjaan berbasis pengetahuan.

Keterampilan dapat ditingkatkan secara permanen.

Baru-baru ini saya mengirimkan perintah ke OpenClaw di X, dan responsnya lebih baik dari yang diharapkan:

Instruksi: Anda tidak diperbolehkan mengerjakan tugas sekali saja. Jika saya meminta Anda melakukan sesuatu yang akan diulang di masa mendatang, Anda harus: Pertama, memproses 3 hingga 10 sampel secara manual dan menunjukkan hasilnya kepada saya; Jika saya menyetujui, tuliskan ke dalam file keterampilan; Jika harus dijalankan secara otomatis, tambahkan ke tugas terjadwal. Kriterianya adalah: jika saya perlu meminta Anda untuk kedua kalinya, itu berarti Anda telah gagal.

Unggahan ini mendapat ribuan suka dan lebih dari dua ribu disimpan. Banyak orang mengira itu adalah teknik dari rekayasa cepat.

Sebenarnya, bukan, ini adalah arsitektur yang saya jelaskan sebelumnya. Setiap keterampilan yang Anda tulis adalah peningkatan permanen pada sistem. Itu tidak akan menurun atau dilupakan. Itu akan berjalan secara otomatis pada pukul 3 pagi. Dan ketika model generasi berikutnya dirilis, semua keterampilan akan langsung menjadi lebih kuat—kemampuan penilaian bagian laten akan ditingkatkan, sementara bagian deterministik akan tetap stabil dan andal.

Inilah sumber klaim Yegge tentang efisiensi 100 kali lipat.

Ini bukan tentang model yang lebih pintar, melainkan: Keahlian yang Tangguh, Keterampilan yang Mumpuni, dan disiplin untuk mengukuhkan semuanya menjadi kompetensi.

Sistem ini akan tumbuh dengan bunga majemuk. Bangun sekali, jalankan dalam jangka panjang.

[Tautan Asli]