faultables

Jika mengikuti perkembangan terkait AI, pasti nama OpenClaw (fka Moltbot fka Clawdbot) sudah tidak asing lagi. Bahkan beberapa penyedia inference seperti Kimi (Moonshot) dan MiniMax Agent (MiniMax) menyediakan “OpenClaw as a Service” untuk mereka yang membutuhkan layanan seperti OpenClaw tanpa perlu mengatur sendiri.

Pertanyaannya adalah, apakah hype nya OpenClaw sebanding dengan apa yang ditawarkan oleh aplikasi OpenClaw itu sendiri?

Menghadapi Amnesia

Jika terbiasa menggunakan “layanan AI” seperti ChatGPT nya OpenAI atau Claude nya Anthropic, pasti sudah familiar dengan bagian “sesi” yang biasanya berada di pojok kiri. Untuk beberapa orang, sesi tidaklah begitu penting. Dan bisa saja hanya dianggap sebatas “riwayat percakapan”. Untuk beberapa orang lainnya yang menggunakan layanan AI lebih serius, sesi adalah hal yang sangat penting. Pertama, sesi berkaitan dengan konteks dan konteks adalah salah satu hal yang terpenting dalam “prompting”.

Bayangkan, jika 1 sesi membahas Bumi bulat/datar; cara memasak omurice, apakah one piece nyata dan tutorial menjalankan cluster kubernetes, AI pasti akan kesulitan. Bahkan manusia juga akan pusing jika jam 3 pagi dihadapkan dengan 4 topik tadi dalam waktu yang sama.

Terlebih, konteks itu terbatas. Seperti, kita tidak bisa memberikan keseluruhan isi buku RPUL edisi 1995-2026 lalu berharap si AI memberikan jawaban untuk pertanyaan “siapa dalang pembunuhan mun—” tanpa berhalusinasi. In fact, bahkan pertanyaan besar kemungkinan akan gagal terkirim duluan.

Karena keterbatasan konteks ini (context window), satu topik untuk satu sesi sangat direkomendasikan (untuk sekarang) selain untuk menghindari halusinasi juga untuk menghemat penggunaan.

Masalahnya, setiap kali membuat sesi, AI akan mulai fresh.

Pernah bilang “jangan panggil saya mas” lalu yakin si AI akan mengingat itu dan tidak mengulangi kesalahan yang sama? Jangan berharap. OpenClaw memiliki konsep MEMORY.md yang intinya menyimpan segala hal yang seharusnya disimpan, berdasarkan trigger tertentu. Jika kita bertanya “apakah hari ini hujan” dan si AI memiliki “ingatan” bahwasannya kita berada di Jakarta, jawaban yang diberikan akan lebih relevan alih-alih berhalusinasi/berasumsi malah memberikan informasi cuaca dari thailand hanya karena kita menggunakan VPN.

Hal yang paling membantu adalah di preferensi. Misal, tentang membuat kode menggunakan 2 spasi alih-alih 4, menggunakan database random dari 2009 alih-alih berasumsi menggunakan MySQL, dan semacamnya. Jadi, sebelum memberikan “jawaban”, si AI akan “sebentar gw cek sesuatu dulu sebelum menjawab”, memutuskan apakah ada yang harus diambil dari memory ataupun menyimpannya, dan semacamnya.

Per hari ini, beberapa layanan AI sudah menawarkan fitur memory meskipun masih basic. Scope dari memory pun cukup penting karena seperti kita tidak ingin menggunakan memory untuk project X di project Y. Terkadang saya merasa geli saat Claude menyebut saya “good boy” hanya karena di suatu sesi di project random Claude perlu mengingat itu dan bro berpikir bahwa sebutan itu berlaku di semua sesi ataupun project.

Memberikan Kepribadian

Per hari ini saya memiliki 3 agent yang masing-masing memiliki kepribadian tertentu dengan spesialisasi tertentu.

Ingat, dalam AI, konteks adalah hal yang penting.

Agent (selebihnya saya akan menggunakan kata agent alih-alih AI untuk beberapa kasus tertentu) saya kelola adalah yang expert dalam project management; frontend development dan software engineering. Ingat lagi, karena context window itu terbatas, kita perlu merancang “prompt” sebaik, sejelas, dan seramping mungkin.

Kepribadian masing-masing agent cukup beragam. Misal, kepribadian PM adalah jelas dan mendetail dalam komunikasi. Sedangkan untuk yang coding, kita hanya peduli dengan output dan semacamnya. Selain untuk menghemat biaya (sekali lagi) ini juga berguna untuk komunikasi antar agent (agent-to-agent) agar lebih efektif. Kedua agent prefer berkomunikasi dalam leetspeak atau JSON? Go ahead.

Per hari ini, layanan penyedia AI masih terbatas dalam penggunaan fitur ini. ChatGPT memiliki “pengaturan Personalization” dan juga builder (iirc) sedangkan Claude sibuk dengan dunianya sendiri seperti biasa. Beberapa tidak terlalu memusingkan bagaimana agent harus berkomunikasi dengan manusia, tapi untuk beberapa yang lain, ini cukup penting. Pernah “You’re absolutely right” ataupun di spam emoji? Nah, kepribadian berperan.

Menjadi Proaktif

AI, sampai hari ini, relatif pasif. Kita bertanya, AI menjawab. Pertanyaan selesai, maka selesai.

Bayangkan kondisi seperti ini: kita ingin membuat video tentang review Macbook Neo terbaru. Bagian yang cukup memakan waktu? Riset! Nah, konsep agent disini mulai berperan. Agent pada dasarnya adalah AI yang proaktif. Misal, kita delegasi beberapa pekerjaan ke AI untuk:

• Mencari informasi relevan terkait Macbook Neo
• Transkrip beberapa video yang relevan
• Terjemahkan dari hasil transkrip tersebut
• Mencari media lain sebagai pelengkap video

Dan jika 4 agent yang masing-masing diberikan tugas tersebut selesai, kita bisa memeriksa dan menggunakannya jika sudah siap.

Terkejut jika AI bukan hanya membuat teks acak ataupun menghasilkan gambar hasil jiplakan?

Selain itu, bisa juga untuk mengautomatisasi pekerjaan-pekerjaan yang sifatnya berulang. Rekomendasi 5 tulisan yang ingin dibaca besok pagi? Laporan harian kerugian portfolio? Dan semacamnya! Di beberapa kasus, bahkan kita bisa buat si AI ini “berkembang” sendiri berdasarkan memory yang dia miliki, karena, mengapa tidak?

Aktivitas pagi saya sering kali dimulai dengan memeriksa portfolio kripto, email dan linear. Tapi sekarang saya sudah tidak melakukannya karena saya sudah tidak peduli haha bercanda.

Oh, saya sedang mengajarkan si agent untuk order kopken setiap pagi + input otp dari email untuk 3ds (pembayaran kopken), tapi sepertinya cukup sulit dilakukan di lingkungan Apple…

OpenClaw adalah agent dengan akses komputer

Di banyak kasus, penggunaan OpenClaw tidak dibutuhkan.

Khususnya bila menggunakan AI hanya untuk mendapatkan jawaban instan, ataupun menggunakan apapun yang Anthropic tawarkan ke Claude.

Tapi jika ingin menggunakan AI lebih dari sekadar itu, fitur yang ditawarkan dari OpenClaw sangat membantu: dengan menjadikan AI sebagai agent dan memberikan mereka akses ke komputer.

Inilah salah satu alasan mengapa orang-orang menyandingkan OpenClaw dengan Mac Mini.

Studi kasus: migrasi arsip

Karena judul dari tulisan ini untuk “normies”, mari kesampingkan contoh penggunaan untuk kasus tertentu seperti coding. Di minggu ini saya ingin memindahkan arsip pribadi saya sekitar 250 entries dari ArchiveBox saya ke Anytype. Arsip ini cukup sederhana, pada dasarnya hanyalah seperti Web Archive namun pribadi yang berisi tautan-tautan yang saya kumpulan dari Februari 2024 kemarin.

Gambarannya, jika dilakukan secara manual:

• Export snapshot dari ArchiveBox
• Buat entry di Anytype: judul + konten + url
• Reformatting (jika harus) karena anytype menggunakan Markdown
• Ulang

Pekerjaan yang sangat repetitif. Dan lagi, tidak ada fitur export di ArchiveBox setidaknya di versi yang saya gunakan.

Sepertinya menjadi kasus yang relevan untuk penggunaan agent!

Disini saya menggunakan Hermes Agent, ini adalah alternatif dari OpenClaw. OpenClaw itu aplikasi yang besar dan feature-rich, dan saya pribadi jika melihat codebase dan fitur-fitur nya butuh waktu yang lebih lama untuk dapat memahami keseluruhan sistemnya.

Saya sudah setup skill agar agent saya dapat berkomunikasi dengan instance anytype saya, jadi seharusnya proses migrasi ini tidak terlalu sulit. Waktunya prompting:

help me to create a page on anytype based on my bookmarks:

• the page title is the bookmark title
• the content is the FULL content of the bookmarked page
• spawn multiple agents to make the process faster
• spawn one agent to monitor the progress: create a “Task” page in anytype that tracks the progress, add the task when the process starts, and check it when it’s done
• track any errors if any, try again at least 3 times, if you give up, write the error for that bookmark

Dan waktunya let’s go!

Notice dibagian “💭” dan “delegating 6 tasks”, itu adalah penggunaan subagent. Proses migrasi ini akan lebih cepat diselesaikan jika dilakukan oleh banyak agent, kan? Terlebih tidak ada task yang bersifat blocking juga. Let’s check.

violet adalah nama agent saya, disitu terlihat bahwa page berjenis Task berhasil terbuat dan berhasil melakukan sesuatu.

Jika melihat salah satu hasilnya, full content berhasil ter-import tapi ada missing di images. Dan juga, halaman yang cukup panjang seperti “The Art of Unix Programming” yang berisi ~1.1M karakter hanya ter-import sebagian dengan catatan kaki:

Note: This is a partial content of ‘The Art of Unix Programming’. The full content is too large to store in a single Anytype page. The complete book (~1.1M characters) can be accessed at the original archive URL: https://archive.rizaldy.club/archive/1708425232.774454/singlefile.html

Tapi tidak apa-apa, itu untuk tugas lainnya seperti mengubahnya menjadi PDF atau semacamnya lol poor agent.

Per tulisan ini diterbitkan, berikut progress yang sudah dilakukan oleh agents:

Saya bukan penggemar emojis tapi terlihat bagus juga haha. Dan karena somehow emoji yang dipilih cukup relevan, saya rasa bisa digunakan sebagai filter by category?

Kesimpulan

Saya membuat tulisan ini untuk menjawab status-status yang lewat di feed saya terkait response terhadap hype nya OpenClaw. Yang sebenarnya jawabannya sama seperti jawaban untuk apapun yang didasari hype.

Sebelum ada sistem OpenClaw ini, banyak pekerjaan repetitif yang sering saya lakukan yang pada akhirnya bisa di otomatisasi. Cocok juga untuk procrastinator yang bisa mendelegasikan sesuatu yang sekiranya membutuhkan komputer (termasuk migrasi ini yang sudah direncakan sejak 2025 haha).

Oooh untuk pengguna cron hardcore dengan bash script sebanyak 100+ baris, pada akhirnya kita bisa me-refactor bash script tersebut juga menjadi sesuatu yang lebih deklaratif dan natural!

Dan salah satu fitur yang paling penting dari sistem OpenClaw adalah “Messaging Gateway”, ini tentang berkomunikasi dengan agent melalui channel yang sudah ditentukan. Saya pribadi hanya setup email, itupun hanya untuk mengirim brief terkait “what I did”, “what i learned”, “how can i be more helpful” dari si agent ke email yang terhubung di HP saya.

Channel Matrix ada di setup tapi saya hanya menggunakannya di desktop dan khusus untuk coding. Dan itupun basic:

• 4 agents: faultables (supervisor), egis (ehm, untuk monitor kerjaan kantor), violet (pm untuk Kepelet/project flo), intern (tukang coding)
• egis dan violet monitor github issue, triaging and sort the issue
• intern masih pasif, terlebih karena keterbatasan tools karena saya melakukan sandbox
• egis paused since kantor sudah tidak menggunakan github issue
• violet?

Saya rasa pekerjaan violet cukup bagus, update terakhir doi membuat rancangan ini setelah diberikan akses ke github dan linear:

  1# Project Flo
  2
  3*Strategic prioritization untuk development*
  4
  5---
  6
  7## Prioritization Framework
  8
  9Menggunakan matrix **RICE** (Reach × Impact × Confidence / Effort):
 10
 11- **Reach**: Berapa banyak user terpengaruh
 12- **Impact**: Seberapa besar nilai (3 = massive, 0.25 = minimal)
 13- **Confidence**: Data backing (100% = high evidence)
 14- **Effort**: Story points/staff month
 15
 16---
 17
 18## Sprint 1 — Stability First (v2 Success Blockers)
 19
 20### Must Fix Before Any New Features
 21
 22| Issue | Title                               | RICE Score                                | Why Critical                                        |
 23| :---- | :---------------------------------- | :---------------------------------------- | :-------------------------------------------------- |
 24| #107  | flo 2.0 crashes on launch           | Reach: HighImpact: 3Conf: 90% Effort: M   | **v2 adoption blocker** — users can't even open app |
 25| #101  | v2 won't launch on smaller devices  | Reach: MedImpact: 2Conf: 85% Effort: M    | iPhone SE/mini significant market share             |
 26| #36   | Freeze during download + tab switch | Reach: HighImpact: 1.5Conf: 90% Effort: S | Daily friction, easy win                            |
 27
 28**Sprint Goal**: App launches reliably on all devices
 29
 30---
 31
 32## Sprint 2 — Authentication Reliability
 33
 34### User Trust Foundation
 35
 36| Issue | Title                   | RICE Score                                | Notes                      |
 37| :---- | :---------------------- | :---------------------------------------- | :------------------------- |
 38| #93   | Keep getting logged out | Reach: HighImpact: 2.5Conf: 80% Effort: M | Core UX problem            |
 39| #88   | Session expired error   | Reach: HighImpact: 2.5Conf: 75% Effort: M | Related to #93             |
 40| #99   | HTTP ULA not allowed    | Reach: LowImpact: 2Conf: 85% Effort: S    | Tailscale users, clear fix |
 41
 42**Sprint Goal**: "Login once, stay logged in"
 43
 44---
 45
 46## Sprint 3 — UI Polish (Design Debt)
 47
 48### Visual Quality & Responsiveness
 49
 50| Issue | Title                         | Owner          | Impact                    |
 51| :---- | :---------------------------- | :------------- | :------------------------ |
 52| #108  | Non-square artwork layout bug | UI/UX Designer | Makes app look unfinished |
 53| #73   | iPhone XS player too big      | UI/UX Designer | Accessibility/ux          |
 54| #114  | Purchase popup bug            | PM + Dev       | IAP revenue impact        |
 55
 56**Sprint Goal**: Visual consistency across all devices
 57
 58---
 59
 60## Sprint 4+ — Feature Roadmap
 61
 62### Q2 Features (Medium Term)
 63
 64| Priority | Issue | Feature        | User Value                 |
 65| :------- | :---- | :------------- | :------------------------- |
 66| 1        | #60   | Shuffle        | Table stakes for music app |
 67| 2        | #96   | Recently Added | Discovery, fresh content   |
 68| 3        | #94   | Download All   | Offline UX improvement     |
 69| 4        | #104  | Artist Photos  | Visual richness            |
 70
 71### Q3 Features (Longer Term)
 72
 73| Priority | Issue | Feature                 | Notes                       |
 74| :------- | :---- | :---------------------- | :-------------------------- |
 75| 5        | #113  | Continue Listening      | Podcast/long-form expansion |
 76| 6        | #81   | Artist Discography Play | Playback enhancement        |
 77| 7        | #41   | Pin Albums in Downloads | Personalization             |
 78
 79---
 80
 81## Technical Debt / Architecture
 82
 83Bisa diparallelkan dengan feature sprints:
 84
 85| Issue | Title                     | Effort | Value                    |
 86| :---- | :------------------------ | :----- | :----------------------- |
 87| #47   | Transcoded playback       | High   | Bandwidth, performance   |
 88| #43   | Cache library             | Med    | Faster startup           |
 89| #56   | Queueable scrobble        | Med    | ListenBrainz reliability |
 90| #66   | Server availability check | Low    | Better error UX          |
 91
 92---
 93
 94## User Alignment: App Store ↔ GitHub
 95
 96| App Store Complaint   | GitHub Issue  | Match            |
 97| :-------------------- | :------------ | :--------------- |
 98| Crashes during search | #107, #36     | ✅ Confirmed      |
 99| Login/logout issues   | #93, #88      | ✅ Confirmed      |
100| Low-res artwork       | #108          | ⚠️ Related       |
101| Offline playback      | #62, #61, #92 | ✅ Confirmed      |
102| HTTPS only            | #99           | ✅ Confirmed      |
103| No Apple Watch        | —             | 🔴 Not in GitHub |
104| No EQ/speed           | —             | 🔴 Not in GitHub |
105| No Chinese language   | —             | 🔴 Not in GitHub |
106
107---
108
109## Recommended Next Actions
110
1111. **Schedule stability deep-dive** → Dev team untuk #107, #101
1122. **User research** → Apple Watch demand, EQ interest
1133. **Design sprint** → Fix #108, #73 sebelum feature baru
1144. **Issue triage** → Label priority labels di GitHub
1155. **Milestone planning** → Buat v2.0.1 (hotfix), v2.1 (features)
116
117---
118
119*Last Updated: March 2026*

Dan saya rasa cukup solid? Meskipun saya tidak suka sprint dan pada akhirnya itu document untuk prompt si “faultables” juga haha.

Penutup

Concern utama dari AI pada dasarnya adalah data. Baik data pribadi apalagi perusahaan.

Untuk masalah privasi, saya sudah memberikan concern untuk penggunaan yang saya inginkan. Project flo pada dasarnya open source juga.

Beberapa catatan keuangan yang saya analisa juga mostly public karena on-chain. Jika untuk yang terdapat informasi pribadi, saya sudah mencoba menggunakan “local AI” untuk strip PII (anonymized) terlebih dahulu (untuk proses transaksi-transaksi di Krom) dan somewhat work. Di mac bisa menggunakan Jan dan untuk lightweight task seperti manipulasi pdf dan semacamnya cukup capable dengan model yang memiliki kemampuan pemanggilan tools dan vision.

…asal jangan diberikan task yang berat aja khususnya jika spec komputer nya medioker seperti saya.

Model dari AI inference provider (cloud) yang saya gunakan adalah MiniMax 2.5 via coding plan nya (tidak ada fitur “vision”) dan belum pernah terkena limit. $10/bulan. Cukup capable untuk coding Swift dan Go tapi agak ngaco jika diajak mengobrol menggunakan bahasa Indonesia (mungkin karena coding plan nya?).

Untuk pekerjaan kantor menggunakan Claude (Pro) sebesar $20/bulan. Yaa sekitar 5 hari jatah beli kopi. Di re-imburse anyway karena pembayaran gak bisa pakai kartu dari ether.fi.

Total: $30/bulan.

Masih relatif sedikit jika dibandingkan dengan teman-teman lain yang bahkan sampai $100/bulan via Claude Max, meskipun di kondisi sekarang pengeluaran $30/bulan untuk AI bagi saya terasa seperti liability haha.