> ls /var/log/decisions/*.md
Keputusan arsitektur, catatan implementasi MCP, dan sesekali curhatan soal hal-hal yang seharusnya tidak sesulit ini.
Dispatch terbaru
Mulai di sini jika Anda ingin pembaruan teknis paling baru sebelum menyelami arsip.
Indexer Cursor sangat baik di dalam Cursor. Maguyva adalah peta MCP yang dihosting, yang bisa ditanyakan oleh agen yang sama dari editor, CLI, dan CI lain.
Arsip
Arsitektur, observability, desain antarmuka MCP, dan pola-pola yang bertahan saat dipakai di produksi.
Landasi agen coding pada peta repo sebelum ia menulis. Biarkan Greptile me-review pull request setelahnya. Pasangan yang saling melengkapi, bukan pengganti.
Cara memberi agen coding peta repo besar yang bisa ditanyakan dari cloud, tanpa menjalankan indexer lokal di laptop Anda.
Agen coding AI mengarang jalur file saat mereka tidak punya peta nyata dari repo. Berikut alasannya, dan bagaimana pelandasan mengarah pada lebih sedikit perubahan yang berhalusinasi.
Kami memindahkan embedding kode kami ke voyage-4-large — saat ini teratas di papan peringkat retrieval kode RTEB publik. Versi jujurnya: trade-off yang kami ambil, apa yang sebenarnya kami indeks, dan mengapa kami membayar untuk embedding premium.
Kami mendukung kecerdasan kode untuk ~280 bahasa. Tidak ada manusia yang bisa mengaudit itu secara manual. Jadi kami membangun loop peningkatan mandiri rekursif untuk dukungan bahasa — spot-check, LLM-as-judge, perbaiki satu hal, validasi ulang — dan menjalankannya dengan sepasukan agen terisolasi sampai ekstraksinya benar-benar tepat, bukan sekadar hijau.
Kueri seperti 'di mana parseConfig didefinisikan' menginginkan pencarian yang berbeda dari 'bagaimana auth bekerja'. Maguyva mengklasifikasikan intent, memberi bobot pada empat modalitas retrieval sesuai kebutuhannya, lalu menggabungkan hasilnya dengan weighted Reciprocal Rank Fusion.
Kami menghubungkan Claude Code dan Codex ke satu stack Grafana yang sama dengan OpenTelemetry dan Alloy, lalu menggunakan trace dan log untuk menemukan dan memperbaiki masalah perilaku agen langsung di sumbernya.
Commit Git berubah menjadi entri changelog terstruktur dan catatan keputusan arsitektural, lalu mengalir kembali ke agen AI sebagai memori institusional yang bisa di-query.
Kami menyaring 3.500 kandidat skill dan mengadopsi 466 di antaranya. Sebuah loop mining dan ingestion yang sistematis untuk membangun pustaka skill agen AI yang koheren dalam skala besar.
Cara kerja sistem agen sulit diamati secara default. Progressive disclosure memberi operator tampilan CLI berlapis, dari pemeriksaan status cepat hingga internal agen dan jejak keputusan yang lengkap.
Agen AI berhalusinasi dengan percaya diri. Ground truths adalah fakta yang terversi dan bercakupan jelas yang menambatkan perilaku agen ke realitas. Berikut cara kami membangun dan menegakkannya.
Satu orchestrator merutekan pekerjaan ke agen AI spesialis, masing-masing dengan skill dan memori yang berbeda. Bagaimana Orkestra mengoordinasikan 46 agen dan 466 skill di produksi.
Setiap catatan terbit di sini lebih dulu. Catatan baru langsung masuk ke changelog, atau berlangganan lewat RSS agar tahu begitu ada yang rilis.