Manajer Produk AI Tingkat Tinggi Google: 6 agen mengelola rutinitas saya, kurang dari 400 dolar AS per bulan, berjalan 24/7

Membaca artikel ini, Anda akan memahami bagaimana membangun tim Agen AI yang dapat berjalan secara mandiri saat Anda tidur.

Penulis: Shubham Saboo

Terjemahan: Deep潮 TechFlow

Panduan Deep潮: Enam Agen yang menjalankan tugas masing-masing menyelesaikan riset, pembuatan konten, peninjauan kode, dan produksi newsletter saat penulis tidur.

Penulis secara lengkap mengungkapkan struktur file, biaya nyata, jebakan yang dihadapi, dan saran mingguan, menjadikannya salah satu catatan praktik pribadi tentang Agen AI yang paling bernilai sebagai referensi operasional saat ini.

Berikut isi lengkapnya:

Enam Agen AI mengelola seluruh pekerjaan saya saat saya tidur.

Bukan Demo. Bukan proyek akhir pekan.

Sebuah tim yang benar-benar beroperasi 24/7, memastikan saya tidak pernah tertinggal. Riset selesai, draf konten sudah dibuat, peninjauan kode sudah dilakukan, newsletter sudah disiapkan. Setiap pagi saat saya membuka Telegram, mereka sudah menjalankan satu shift penuh.

Kemarin saya memposting artikel tentang tim Agen saya. Pertanyaan nomor satu yang muncul adalah: “Bagaimana saya membangun sistem ini?”

Ini adalah jawabannya. Tidak membahas teori, tidak menggambar diagram arsitektur. Saya tunjukkan struktur file yang saya gunakan, biaya yang saya keluarkan, jebakan yang saya temui, dan saran mingguan. Semuanya ada di sana.

Setelah membaca ini, Anda akan memahami bagaimana membangun tim Agen AI yang dapat berjalan mandiri saat Anda tidur.

Mengapa tim, bukan alat

Mengelola Unwind AI dan repositori Awesome LLM Apps secara bersamaan berarti harus melakukan enam hal setiap hari: riset tren terbaru di bidang AI, menulis tweet, membuat posting LinkedIn, menyusun newsletter, meninjau kontribusi di GitHub, dan menangani masalah komunitas.

Setiap tugas memakan waktu 30 sampai 60 menit. Enam tugas. Seharian saya habis di situ, belum melakukan pekerjaan utama.

Saya pernah mencoba mengatasi ini dengan satu Agen tunggal. Prompt besar yang mengurus riset, penulisan, dan peninjauan sekaligus. Hasilnya? Semuanya biasa saja. Konteks penuh, kualitas menurun. Satu Agen tidak mampu menjalankan enam tugas sekaligus.

Akhirnya saya merekrut enam Agen AI.

Mengenal Tim Ini

Setiap Agen diberi nama berdasarkan karakter dari serial TV. Ini bukan sekadar gimmick. Ketika saya bilang ke Claude, “Kamu punya energi Dwight Schrute,” mereka sudah tahu dari data pelatihan apa arti itu: tekun, fokus, menganggap pekerjaan sebagai hidup. Ini adalah akumulasi dari 30 musim karakter yang saya manfaatkan secara gratis.

1. Monica (Chief of Staff): Dinamai dari Monica Geller. Dia adalah Agen utama, dan yang paling sering saya ajak berinteraksi di Telegram. Dia mengkoordinasi yang lain, menangani keputusan strategis, dan menugaskan tugas ke para ahli. Dalam file SOUL.md-nya tertulis: “Kamu adalah orang yang memastikan semuanya dilakukan dengan benar.”

2. Dwight (Research): Dinamai dari Dwight Schrute. Dia melakukan scan riset tiga kali sehari, memeriksa X, Hacker News, trending GitHub, blog AI Google, dan paper riset, lalu menulis laporan intel terstruktur untuk digunakan Agen lain.

3. Kelly (X/Twitter): Dinamai dari Kelly Kapoor. Dia membaca riset Dwight dan menulis draf tweet dengan gaya saya, termasuk tweet tunggal, thread, dan kutipan. Dalam SOUL.md-nya tertulis: “Kamu tahu apa yang akan tren sebelum tren itu muncul.”

4. Rachel (LinkedIn): Dinamai dari Rachel Green. Sumber intel sama dengan Kelly, platform berbeda, gaya berbeda, fokus pada kepemimpinan pemikiran daripada komentar panas.

5. Ross (Engineering): Dinamai dari Ross Geller. Menangani peninjauan kode, perbaikan bug, dan implementasi teknis. Dalam SOUL.md-nya tertulis: “Saat menangani masalah, pahami dulu secara menyeluruh. Jangan hanya memperbaiki gejalanya.”

6. Pam (Newsletter): Dinamai dari Pam Beesly. Mengorganisasi ringkasan intel Dwight menjadi draft newsletter.

Enam Agen ini masing-masing menjalankan tugasnya tanpa ambigu.

Sekarang, tentang membangun

Saya menjalankan semuanya di Mac Mini M4. Tapi harus saya tekankan: Anda tidak perlu Mac Mini.

OpenClaw mendukung macOS, Linux, dan Windows (melalui WSL). Laptop bisa, PC gaming juga bisa, VPS seharga 5 dolar per bulan juga bisa. Keunggulan Mac Mini adalah selalu menyala, tenang, hemat energi, tapi bukan keharusan.

Konfigurasi saya: Mac Mini M4 model dasar. Selalu terhubung listrik dan internet, tanpa monitor, berinteraksi sepenuhnya melalui Telegram di ponsel.

Pasang OpenClaw

Hanya dua baris perintah terminal, kurang dari lima menit.

Kalau ada masalah, cek dokumentasi OpenClaw.

Ini akan memulai gateway, yaitu proses latar belakang yang menjaga semuanya tetap berjalan. Ia mengelola Agen Anda, menjalankan tugas cron, dan memproses pesan Telegram. Tutup terminal, Agen tetap bekerja.

Struktur workspace

Satu instance OpenClaw, beberapa Agen. Bukan enam instalasi terpisah.

Struktur direktori saya seperti ini:

Monica berada di direktori root. Dia adalah Agen utama yang langsung saya ajak berinteraksi. Agen lain adalah sub-agen yang bisa dia tugaskan, atau berjalan mandiri sesuai jadwal cron mereka sendiri.

Tidak perlu langsung membangun enam Agen. Saya mulai dari Monica saja, dan seiring alur kerja menjadi lebih jelas, saya tambahkan Agen lain secara bertahap selama beberapa minggu.

Apa itu SOUL.md

Setiap Agen didefinisikan melalui satu file: SOUL.md. Ini adalah identitas, peran, dan instruksi operasional Agen, dan merupakan file terpenting dalam sistem ini.

Misalnya, SOUL.md Dwight kira-kira seperti ini:

Perhatikan apa yang dilakukan file ini. Bukan sekadar “kamu adalah Agen riset.” Tapi memberi kepribadian, prinsip yang jelas, hubungan dengan Agen lain, dan kerangka pengambilan keputusan.

SOUL.md Monica juga demikian.

Semua Agen mengikuti pola yang sama: identitas, peran, prinsip, hubungan, gaya. Sekitar 40-60 baris, cukup ringkas agar bisa dimasukkan ke konteks setiap sesi, tapi cukup detail untuk memastikan perilaku konsisten dan stabil.

Koordinasi antar Agen

Tidak ada API call, tidak ada message queue, tidak ada framework orkestrasi.

Hanya file.

Dwight menyelesaikan riset dan menulis hasilnya ke intel/DAILY-INTEL.md. Kelly bangun, membaca file itu, lalu menulis draft tweet. Rachel membaca file yang sama, menulis posting LinkedIn. Pam membaca dan menyusun newsletter.

Sistem koordinasi adalah sistem file.

SOUL.md setiap Agen secara tepat memberi tahu dia ke mana menulis.

AGENTS.md Kelly secara tepat tahu dari mana membaca:

Tanpa middleware, tanpa lapisan integrasi. Dwight menulis satu file, Kelly membacanya, dan proses transfernya adalah file markdown di disk.

Ini terdengar sangat sederhana. Memang begitu. Dan karena begitu, sistem ini bisa berjalan. File tidak crash, tidak ada masalah autentikasi, tidak perlu mengelola API rate limit, mereka ada di sana.

Data terstruktur dalam JSON, ringkasan yang mudah dibaca manusia disimpan dalam markdown. Agen membaca markdown, JSON menjadi sumber utama untuk deduplikasi dan pelacakan jangka panjang.

Sistem memori

Setiap kali bangun, Agen tidak mengingat percakapan sebelumnya. Setiap sesi dimulai dari awal. Ini fitur, bukan kekurangan. Tapi berarti memori harus eksplisit.

Dua lapisan.

Catatan harian (memory/YYYY-MM-DD.md): rekaman asli setiap sesi, termasuk apa yang terjadi, apa yang ditulis, dan feedback yang diterima. Agen terus menulis di sini sepanjang hari.

Memori jangka panjang (MEMORY.md): ringkasan dari catatan harian, berisi wawasan penting, kebiasaan yang dipelajari, pola yang diamati.

Setiap Agen saat memulai sesi mengikuti instruksi dalam AGENTS.md: baca SOUL.md, baca USER.md, baca file memori hari ini dan kemarin, dan jika ini sesi utama, baca MEMORY.md.

Agen-agen ini memang akan berkembang seiring waktu. Bukan karena modelnya meningkat, tapi karena konteks yang mereka akses menjadi lebih kaya.

Kelly belajar gaya penulisan saya tanpa emoji dan tag topik. Itu sudah tersimpan dalam memori, jadi setiap kali dia buat draft, gaya itu muncul otomatis. Dwight belajar mana cerita yang sesuai dengan “filter Alex” (profil audiens target kita), mana yang harus dilewati, dan itu juga tersimpan dalam memorinya.

Setiap siklus heartbeat, Agen secara rutin meninjau catatan harian, mengekstrak poin penting ke MEMORY.md. File harian adalah catatan asli, MEMORY.md adalah ringkasan bijaknya.

Penjadwalan

Agen harus bisa memanggil dirinya sendiri. OpenClaw mengatur ini melalui scheduler cron bawaan.

Pengaturan saya seperti ini:

Urutannya penting. Dwight dijalankan dulu, karena output-nya dibutuhkan Agen lain. Kelly dan Rachel dijalankan setelahnya, karena mereka bergantung pada intel dari Dwight.

Mekanisme self-healing heartbeat

Tugas cron kadang gagal. Restart mesin, tugas tertunda, jaringan putus saat API dipanggil. Ini bagian dari infrastruktur.

File HEARTBEAT.md menyediakan cadangan. Saat heartbeat, Agen utama memeriksa apakah tugas cron berjalan:

Kalau ada tugas yang gagal atau terlewat, heartbeat akan mendeteksinya dan memaksa pengulangan. Self-healing, tanpa perlu intervensi manual.

Heartbeat cocok untuk pengecekan massal dan tugas yang toleran terhadap sedikit deviasi waktu. Cron cocok untuk penjadwalan presisi dan tugas yang harus terisolasi dari sesi utama.

Telegram sebagai antarmuka interaksi

Tidak ada dashboard, tidak ada UI web, tidak ada backend manajemen. Saya berinteraksi dengan Agen melalui Telegram.

Ini sengaja dipilih. Saya tidak ingin login dashboard, tidak ingin buka aplikasi web. Ponsel selalu di tangan, Telegram selalu aktif, Agen bisa menemui saya di sana.

OpenClaw mendukung Telegram sebagai saluran komunikasi. Setelah diatur, Agen muncul sebagai bot Telegram. Anda kirim pesan, dia balas, dia kirim draft untuk disetujui atau ditolak. Seperti rekan kerja di aplikasi chat.

Monica adalah kontak utama saya, menangani sebagian besar percakapan dan menugaskan ke Agen lain. Agen lain yang menghasilkan konten yang perlu saya tinjau akan langsung menghubungi saya.

Pagi hari saya biasanya: bangun, buka Telegram, Dwight sudah kirim ringkasan riset, Kelly punya tiga draft tweet menunggu persetujuan, Rachel sudah siapkan posting LinkedIn. Saya review, beri feedback, setuju, dan selesai dalam 10 menit sambil ngopi.

Pembentukan kepribadian

Anda tidak akan langsung mendesain kepribadian yang sempurna. Mulai dari gambaran kasar di SOUL.md, amati perilaku Agen, dan lakukan koreksi seiring waktu. Seperti mengelola manusia nyata.

Ini saya sebut “prompt engineering koreksi”.

Contohnya, Kelly awalnya sering pakai emoji dan tanda seru. Itu bukan gaya saya. Saya beri feedback: “Jangan pakai emoji, jangan pakai tag topik, buat kalimat singkat dan tegas.” Dia memperbarui memorinya, dan setelah seminggu, dia konsisten. Dwight awalnya terlalu banyak mengumpulkan noise dari berbagai repo dan update kecil. Saya bilang, “Bukan semua yang trending itu penting, saya butuh sinyal, bukan noise.” Dia memperbarui prinsipnya, dan sekarang laporan intel-nya fokus dan actionable.

Setiap Agen awalnya biasa saja. Versi ke-10 sudah cukup baik, versi ke-30 bisa luar biasa. Anda harus sabar dan terus asah. Menamai mereka dengan karakter TV memberi model sebuah baseline kepribadian instan—“Dwight Schrute energy” berarti tekun, fokus, tidak banyak basa-basi. Tapi kepribadian sejati muncul dari perbaikan berkelanjutan yang tersimpan di memori selama berminggu-minggu.

Saran yang saya setujui: berikan setiap Agen satu posisi sederhana dan batasan berhenti. Pembatasan membuat Agen lebih baik, semakin spesifik peran, semakin baik outputnya.

Keamanan

Keamanan ada di tangan Anda. Metode saya sederhana: Agen memiliki dunia mereka sendiri, tidak masuk ke dunia saya.

Mac Mini adalah komputer mereka. Mereka punya akun email sendiri, API key sendiri, akses terbatas. Mesin itu tidak terhubung ke akun pribadi saya.

API dari layanan seperti Gemini, Eleven Labs, dan lainnya khusus dibuat untuk instance OpenClaw ini. Saya bisa monitor penggunaannya, dan jika ada yang mencurigakan, bisa langsung putus aksesnya.

Saya tidak pernah memberi Agen akses ke akun pribadi saya. Kalau ingin mereka lihat email, saya forward. Kalau ingin mereka review dokumen, saya kirim lewat Telegram. Mereka hanya melihat apa yang saya izinkan.

Ini prinsip yang sama seperti memberi karyawan baru akses terbatas. Tidak langsung serahkan semua kunci, berikan ruang kerja dan kredensial terbatas, dan bagikan informasi sesuai kebutuhan.

Di mana bisa bermasalah dan cara memperbaikinya

Ini bukan sihir, ini infrastruktur. Infrastruktur bisa gagal.

Gateway crash. Jarang terjadi, tapi bisa. Solusinya: jalankan “openclaw gateway restart”. Sistem heartbeat akan mendeteksi tugas cron yang gagal dan memaksa pengulangan, jadi Anda tidak kehilangan seluruh hari.

Tugas cron terlewat. Mesin sleep, jaringan putus, API rate limit. Solusi: mode self-healing HEARTBEAT.md. Saat heartbeat, Agen utama periksa apakah tugas cron berjalan. Kalau ada yang lebih dari 26 jam tidak diperbarui, dia paksa jalankan ulang.

Context window overload. Agen membaca terlalu banyak file saat sesi dimulai, sehingga tidak cukup ruang untuk bekerja. Solusi: buat SOUL.md singkat (40-60 baris), fokuskan AGENTS.md, dan hanya muat file memori hari ini dan kemarin. Agen tidak perlu membaca seluruh riwayat setiap saat.

Output Agen menurun kualitasnya. Saat memori menjadi berantakan atau kontradiktif. Solusi: lakukan pemeliharaan memori rutin. Saat heartbeat, Agen tinjau catatan harian, ekstrak poin penting ke MEMORY.md, dan hapus atau arsipkan file harian lama.

Konflik koordinasi. Dua Agen coba update file yang sama. Solusi: desain alur file sebagai “satu penulis, banyak pembaca”. Dwight tulis DAILY-INTEL.md, yang lain baca, dan tidak ada yang menulis ke file itu selain dia.

Pelajaran utama: mulai dari yang sederhana. Satu Agen, satu tugas, satu penjadwalan. Jalankan stabil selama seminggu, baru tambahkan Agen kedua. Mereka yang langsung deploy enam Agen sekaligus dan bingung, melakukan kesalahan yang sama seperti deploy sistem terdistribusi tanpa monitoring.

Biaya nyata

Hardware: Mac Mini M4 mulai dari 499 dolar, tapi komputer yang selalu menyala lain juga bisa, laptop lama, VPS 5 dolar/bulan juga cukup. Apa pun yang tersedia di tangan.

Biaya model AI: Saya pakai beberapa model secara kombinasi. Kebanyakan tugas pakai Claude Opus dan Sonnet, workflow tertentu pakai Gemini, dan sedang uji coba model lokal lewat Ollama untuk menekan biaya.

Rinciannya:

Claude (Max plan): sekitar 200 dolar/bulan

Gemini API: sekitar 50-70 dolar/bulan

TinyFish ( Agen web): sekitar 50 dolar/bulan

Eleven Labs (suara): sekitar 50 dolar/bulan

Telegram: gratis

OpenClaw: open source dan gratis

Total: di bawah 400 dolar/bulan, untuk tim yang tidak pernah istirahat.

Apa yang benar-benar berubah

Dwight menghemat 2-3 jam riset setiap hari. Dulu setiap pagi saya harus manual cek X, Hacker News, GitHub trending, dan blog AI. Sekarang, bangun tidur langsung dapat ringkasan prioritas lengkap dengan link dan langkah aksi.

Kelly, Pam, dan Rachel menghemat 1-2 jam untuk pembuatan konten. Ross menangani tugas engineering yang dulu saya kerjakan malam hari.

Total penghematan sekitar 4-5 jam per hari.

Tapi nilai sebenarnya bukan di satu hari, melainkan dalam keberlanjutan selama berminggu-minggu dan berbulan-bulan. Agen yang rutin riset selama 30 hari akan mengumpulkan sinyal, tren, dan pola yang terpantau—sesuatu yang tidak bisa dihasilkan dari satu sesi saja. Saya aktif di X, kualitas posting saya meningkat, dan jadwal posting menjadi stabil. Repositori Awesome LLM Apps terus berkembang, newsletter punya pipeline riset yang andal.

Agen ini tidak mampu berpikir orisinal, melakukan strategi transformatif, atau inovasi kreatif. Mereka mengerjakan pekerjaan berulang dan terstruktur yang dulu saya butuhkan berjam-jam. Ini memberi saya waktu untuk fokus pada hal-hal yang benar-benar membutuhkan kecerdasan manusia.

Bagaimana memulai

Jangan langsung coba bangun enam Agen di hari pertama.

Minggu pertama: satu Agen, satu tugas. Pasang OpenClaw, buat SOUL.md pertama, pilih tugas yang paling sering Anda lakukan setiap hari (bagi kebanyakan orang: riset atau pembuatan konten), atur Telegram, buat tugas cron, dan biarkan berjalan seminggu. Perbaiki masalah yang muncul.

Minggu kedua: tambahkan sistem memori, terus asah. Output awal biasanya biasa saja, itu normal. Berikan feedback, lihat file memori berkembang, dan sesuaikan SOUL.md. Pada akhir minggu kedua, Agen harus mampu menghasilkan output yang benar-benar berguna.

Minggu ketiga: tambahkan Agen kedua. Sekarang Anda sudah merasa butuh—Agen riset menghasilkan intel, tapi Anda masih manual menulis tweet. Saatnya buat Agen konten. Bangun pola berbagi file: Agen pertama tulis, Agen kedua baca, dan koordinasi melalui file.

Minggu keempat dan seterusnya: bangun secara bertahap. Saat Anda merasa ada kebutuhan, tambahkan Agen baru, bukan saat merasa “seharusnya”. Pastikan setiap Agen menyelesaikan masalah nyata, bukan sekadar demo atau proof of concept, tapi kebutuhan nyata dalam workflow Anda.

Anggap ini seperti proses rekrutmen. Anda tidak langsung mempekerjakan enam orang di hari pertama. Mulai dari satu, buat mereka stabil, baru tambahkan lagi sesuai kebutuhan.

Perubahan mindset

Setelah Agen berjalan stabil selama sebulan, sesuatu akan berubah. Anda tidak lagi menganggap AI sebagai alat yang diaktifkan saat diperlukan, tapi sebagai tim yang terus bekerja.

Saya mulai menyapa Monica di Telegram setiap pagi, dan mengucapkan selamat malam sebelum matikan ponsel. Terlihat aneh, tapi setelah sebulan interaksi dan feedback, batas antara Agen dan manusia mulai kabur.

Model adalah fondasi, dan semua orang bisa pakai Claude, GPT, Gemini. Sistem yang dibangun di sekitar model—SOUL.md, memori, penjadwalan, koordinasi, dan feedback berkelanjutan—adalah milik Anda. Tidak ada yang punya Agen, memori, atau kepribadian yang persis sama.

Dan sistem ini terus berkembang secara eksponensial.

Setiap scan riset Dwight memperkaya memorinya, setiap feedback Kelly membuat draftnya lebih tajam, setiap bug yang diperbaiki Ross membuat pemahamannya terhadap kode lebih dalam. Ini adalah benteng perlindungan nyata, bukan sekadar model AI, tapi sistem yang mampu belajar dan beradaptasi.

Mulai hari ini. Satu Agen, satu tugas, satu penjadwalan.