Penanggung jawab Claude Code: Dalam penggabungan multi-agen secara paralel, setiap hari menggabungkan 20-30 PR

Judul

Pemimpin Claude Code dari Anthropic sedang dibanjiri dengan hasil yang dihasilkan oleh AI.

Ringkasan

Boris Cherny (pencipta dan pemimpin Claude Code) menyebutkan di media sosial dan podcast:

• Dia setiap hari menerima banyak hasil dan notifikasi terkait AI, terutama dari agen Claude yang berjalan secara paralel—produk kode, pengingat status, dan sejenisnya.
• Dengan banyak instansi yang berjalan paralel, dia dapat menyelesaikan 20-30 pengajuan dan penggabungan PR setiap harinya.
• Dalam wawancara di Pragmatic Engineer dan Podcast Lenny, dia mengatakan bahwa kode-kode ini “100% ditulis oleh AI”, dan dia sendiri belum menyentuh kode sejak bulan November.

Poin penting di sini: Ini adalah alur kerja rekayasa yang nyata, didorong oleh kolaborasi banyak agen, bukan demonstrasi atau pengujian performa.

Analisis

• Konten kerja telah berubah:

  • Perencanaan, implementasi, dan tinjauan dilakukan secara paralel oleh berbagai agen Claude;
  • Tanggung jawabnya berubah dari “menulis kode” menjadi “mengorganisir dan menjadwalkan agen, menerima hasil”;
  • Jika apa yang dia katakan benar, ini merupakan perubahan besar dalam definisi pekerjaan sehari-hari seorang insinyur.

• Metode teknis yang justru sangat sederhana:

  • Dalam transformasi repositori kode berskala besar (seperti migrasi), Claude Code cenderung menggunakan metode yang sederhana dan langsung (glob, grep, dan sejenisnya), bukan teknik yang kompleks dan mencolok;
  • Dalam praktiknya, “alat sederhana + organisasi paralel” cukup untuk menangani tugas yang kompleks.

• Pertentangan antara organisasi dan kualitas:

  • PR dengan tingkat konkuren yang tinggi membawa risiko kualitas kode, kesalahan sistemik bisa jadi diperbesar;
  • Dia tidak mengungkapkan ambang kualitas dan rincian pengendalian risiko, tetapi batasan masalahnya sangat jelas: jika kesalahan memiliki karakteristik yang terpolarisasi, tingkat paralel akan memperbesar dampaknya.

Penilaian Dampak

• Tingkat penting: Sedang hingga tinggi (dari sampel alur kerja frekuensi tinggi para praktisi).
• Arah paradigma:
  • Dari “pengembang menulis kode dengan tangan” beralih ke “multi-agen paralel + penjadwalan manusia” dalam pipeline;
  • Insinyur manusia lebih berperan sebagai pengendali produk dan proses, AI bertanggung jawab untuk menulis, mengubah, mencari, dan menilai secara konkret.
• Ruang lingkup aplikasi:
  • Cocok untuk skenario yang memiliki tingkat struktur tinggi, dapat dipecah menjadi penulisan/migrasi/tinjauan massal;
  • Untuk tugas-tugas kompleks yang memerlukan interaksi tinggi dan keputusan desain lintas domain, masih diperlukan manusia untuk mengawasi strategi dan batasan.

Kesimpulan (Poin-Poin Cepat)

• Sumber kapasitas: Agen paralel + rantai alat sederhana;
• Risiko utama: Kesalahan sistemik diperbesar secara paralel;
• Nilai praktis: Kasus nyata dari tim garis depan “memakan makanan anjing mereka sendiri” lebih meyakinkan daripada pengujian dasar di atas kertas.

Kesimpulan: untuk trader dan penyandang dana, narasi ini saat ini memiliki relevansi terbatas; bagi Builder yang sedang membangun atau memperkenalkan pipeline pengkodean AI, ini adalah paradigma rujukan “sedikit terlalu awal tetapi efektif”, dengan manfaat utama bagi mereka yang mengejar efisiensi rekayasa dan pengaturan proses.