[🛠] AI Orchestration #3: Saya menguji AI Orchestrator dengan hanya memberi tujuan melalui Telegram

✨ Ringkasan GPT-5.6 Sol

Catatan ketika saya hanya meminta hasil melalui Telegram tanpa menentukan path proyek atau Agent, lalu memperbaiki setiap hambatan sampai PDF dan XLSX kembali.

Tujuan bahasa alami melalui Telegram dan penemuan proyek otomatis

Saya ingin cukup mengatakan “buat hasil ini” di Telegram, lalu AI Orchestrator mencari proyek, membagi pekerjaan, memperbaiki hasil yang bermasalah, dan mengirim kembali file. Jika sistem hanya memanggil Codex sekali lalu mengembalikan jawaban, tidak banyak alasan untuk membangun Orchestrator.

Hambatan pertama adalah izin. Bahkan di dalam Cell setiap karyawan, pembatasan Codex tingkat sistem menyulitkan pencarian proyek di luar Workspace yang dibuka saat awal. Saya menghapus pembatasan itu untuk proyek milik pengguna macOS yang sama, tetapi tetap meminta persetujuan tepat sebelum tindakan yang berdampak keluar, seperti push, deployment, atau pengiriman pesan.

Pengambilan respons dan lampiran per Topic dengan CLI Telethon

Saya membuat CLI berbasis Telethon untuk mengirim perintah ke Bot AI Orchestrator dan menerima respons serta lampirannya. Kredensial dan Session pengguna disimpan di luar repositori, sedangkan Topic per proyek dijadikan unit pekerjaan.

CLI pertama bisa keluar dengan status sukses setelah hanya mengirim pesan. Perintah dianggap berhasil meskipun respons akhir Bot atau file tidak pernah datang.

Saya mengubah kriteria selesai dari berakhirnya perintah lokal menjadi penerimaan nyata respons dan lampiran Telegram. Walaupun pekerjaan dikirim bersamaan ke Topic yang berbeda, setiap OpenClaw Session mempertahankan konteksnya secara terpisah dan mengembalikan hasil ke Topic asal.

Pembagian peran antara OpenClaw Session dan eksekusi paralel Codex

Tugas pendek yang dibuat langsung oleh OpenClaw kehilangan event penyelesaian, sementara Codex native sub-agent mengumpulkan hasil paralel dengan stabil. Struktur yang menyelesaikan pekerjaan tetapi gagal mengambil status selesai tidak dapat dijadikan dasar eksekusi Orchestrator.

Task Flow OpenClaw saja sulit mengikat status eksekusi dan penyelesaian tugas anak ke satu catatan acuan. Karena itu saya berhenti menjadikannya satu-satunya sumber kebenaran. OpenClaw menangani Telegram, Topic, Session, dan Memory; Codex menangani penemuan proyek, pembagian pekerjaan, eksekusi paralel, integrasi, dan validasi ulang.

Streaming status progres di Telegram

Tanpa pesan selama tugas panjang, saya tidak tahu apakah proses berhenti. Jika perintah internal ditampilkan apa adanya, Telegram tampak seperti dump terminal. Selama eksekusi, saya memperbarui paling banyak empat baris status berbahasa Korea dan menghapus pesan itu ketika hasil akhir tiba.

Kini dari Telegram saja saya dapat membedakan apakah sistem sedang mencari bahan atau membuat deliverable.

Pemilihan Agent, Skill, dan Tool otomatis dengan validasi ulang deliverable

Setelah setiap fungsi tersambung, saya sengaja mengujinya dengan cara paling merepotkan. Saya bertindak sebagai pengambil keputusan tertinggi, menugaskan Codex sebagai pelaksana peran CEO, lalu hanya memberikan hasil yang diinginkan kepada AI Orchestrator. Saya tidak menentukan path proyek, model, Agent, Skill, Tool, maupun urutan eksekusi.

AI Orchestrator menemukan proyek terkait, memilih Skill dan Tool yang diperlukan, lalu menjalankan Codex native sub-agent untuk perencanaan, teknik, dan validasi secara paralel. Sistem membagi siapa mengerjakan apa tanpa saya memberi tahu path atau caranya.

PDF dan XLSX yang kembali juga tidak langsung benar. PDF dirender ulang dengan font TTF karena font TTC merusak teks Korea. Pada XLSX, saya memperbaiki tampilan tanggal dan susunan kolom, lalu memeriksa kembali formula serta tampilan seluruh sheet.

Dua puluh dua menit enam detik setelah permintaan, PDF brief keputusan CEO Pilot dan XLSX pengelolaan eksekusi dua minggu kembali ke Topic Telegram asal. SHA-256 file yang diunduh ulang dari Telegram sama dengan file hasil generasi. Ini bukan sekadar pesan yang mengatakan selesai; file sebenarnya telah menempuh perjalanan pulang-pergi.

Validasi E2E satu pengguna dan celah isolasi multi-pengguna

Alur E2E satu pengguna berhasil sampai akhir, tetapi 22 menit masih terlalu lama untuk tugas kecil sehari-hari. Agent yang membuat deliverable akhir juga memeriksanya kembali, sehingga saya tidak dapat menyebutnya verifikasi independen. Saya juga belum menguji controller yang mengelola seluruh status tugas anak dalam satu Task Graph dan menetapkan penyelesaian akhir tepat satu kali, maupun isolasi Session antarkaryawan.

Dogfooding berikutnya harus terlebih dahulu memastikan Session dua karyawan benar-benar tidak tercampur. Setelah itu, saya perlu menemukan bagian paling lambat dalam alur 22 menit. Keduanya harus lolos sebelum sistem bergerak dari dogfooding pribadi menuju penggunaan bersama oleh karyawan.