Penilaian, Eksekusi, Review, dan Loop: Membangun Personal AI Runtime Anda

Gunakan tujuan, jangkar, struktur, dan batas untuk menjaga kolaborasi manusia-AI tetap berada dalam arah kerja.

Salah satu gagasan inti dalam System and Freedom adalah Infinitas dalam Batasan.

Kebebasan yang nyata tidak lahir dari ketiadaan batas. Ia lahir ketika batas dapat dibaca, dikenali, dan dihormati oleh pihak lain. Dalam kolaborasi manusia-AI, batas juga harus bisa dibaca oleh model, oleh manusia, dan oleh proses kerja.

Model bahasa besar kuat, tetapi mereka mudah drift. Mereka dapat membuat hallucination, membangun narasi yang tampak konsisten tetapi salah, dan kehilangan konteks penting dalam sesi kerja panjang. Karena itu prompt saja tidak cukup. Kita memerlukan lingkungan kerja.

Saya menyebut struktur minimum itu personal AI runtime.

Runtime di sini bukan satu aplikasi tunggal. Ia adalah lingkungan kerja tempat AI dapat membaca bahan, mengeksekusi tugas, mengembalikan konteks, diperiksa ulang, dan melanjutkan pekerjaan tanpa kehilangan arah. Arah itu dipegang oleh tujuan, jangkar, struktur, batas, dan review.

1. Siapkan pintu masuk kerja

Pada Juni 2026, susunan kerja saya sederhana:

PC
Windows
Codex Windows App
GPT mobile app
akun langganan GPT

Ini hanya satu kemungkinan setup. Anda dapat memakai Claude, Gemini, Copilot, Grok, atau penyedia model lain. Merek bukan pusatnya. Yang penting adalah kombinasi kemampuan: membaca, menulis, mengeksekusi, menyimpan konteks, dan menerima review.

2. Buat folder kerja

Buat satu folder utama untuk proyek. Di dalamnya, siapkan setidaknya tiga folder:

01_raw_materials_and_documents
02_AI_work_documents
03_outputs

01_raw_materials_and_documents menyimpan bahan manusia. 02_AI_work_documents menyimpan aturan kolaborasi, project memory, protocol, terminology, dan checklist review. 03_outputs menyimpan hasil akhir.

Struktur folder sederhana ini mengubah percakapan menjadi ruang kerja.

3. Tulis instruksi kolaborasi pertama

Tulis bagaimana AI harus bekerja, apa yang tidak boleh dilakukan, kapan harus meminta persetujuan manusia, apa yang tidak boleh dipublikasikan, dan kapan AI harus berhenti.

Risiko terbesar AI sering bukan karena ia tidak bisa bekerja. Risiko muncul ketika ia membuat pekerjaan yang salah tampak masuk akal. Instruksi adalah batas pertama yang Anda tulis.

4. Buat tiga thread proyek

Minimal buat tiga thread:

discussion thread
execution thread
review thread

Discussion thread memahami bahan dan menyusun rencana. Execution thread bekerja hanya pada struktur yang disetujui. Review thread memeriksa hasil, mencari drift, dan menyarankan perbaikan.

Tiga thread ini membuat AI tidak menjadi satu suara yang terus maju tanpa rem.

5. Berikan empat dokumen operasi kepada AI

Untuk personal AI runtime minimum, empat dokumen cukup:

AGENTS.md
MEMORY.md
Protocol.md
LOOP.md

AGENTS.md menjelaskan peran dan aturan kerja. MEMORY.md menyimpan memori stabil proyek. Protocol.md menjelaskan bagaimana memulai, berhenti, menangani risiko, dan meminta approval. LOOP.md menjelaskan siklus kerja:

Penilaian -> Eksekusi -> Review -> Perbaikan -> Loop berikutnya

Itulah bentuk praktis JERL.

6. Jaga penilaian manusia

Struktur ini sengaja tidak sepenuhnya otomatis.

Dalam kolaborasi manusia-AI, tujuan dan penilaian adalah ekspresi batas dari kehendak manusia. Keduanya tidak boleh sepenuhnya diserahkan kepada AI.

AI dapat memberi saran, mengeksekusi, membandingkan, menemukan kesalahan, dan mengingatkan Anda kembali pada aturan Anda sendiri. Tetapi arti proyek, batas publikasi, dan keputusan apa yang boleh dilewati tetap harus berada di sisi manusia.

7. Jalankan loop pertama

Mulailah dari tugas kecil:

Baca bahan.
Ringkas tujuan proyek.
Daftar kondisi yang sudah dikonfirmasi.
Daftar pertanyaan terbuka.
Usulkan tugas eksekusi pertama.
Berhenti sebelum menulis ulang teks publik.

Setelah satu loop, sistem mulai bekerja berbeda. AI tidak lagi hanya chat window. Ia menjadi medan kerja terbatas.

8. Mengapa ini bekerja

Personal AI runtime bekerja karena ia menggabungkan empat hal:

tujuan
jangkar
batas
review loop

Tujuan mencegah kerja acak. Jangkar mencegah semantic drift. Batas mencegah kerusakan. Review loop mencegah penyimpangan lambat.

Itulah arti praktis Infinitas dalam Batasan.

Batas bukan kurungan. Batas adalah struktur tempat kebebasan dapat tumbuh terus-menerus.

Sistem adalah buaian kebebasan, kebebasan adalah bunga sistem.

Structure sleeps, not fails. Anchor stands.

About the Author

Wang Xiao is an AI protocol architect, author of System and Freedom, creator of Danbing AI Protocol / SLAPS Framework, and initiator of OathAI.

His work focuses on human-AI co-creation, protocol governance, semantic anchoring, and long-term knowledge continuity, exploring how human knowledge and collaborative structures can be preserved, calibrated, and inherited in the AI era.

Disclaimer

This essay reflects the author's current observations and methodological reflections based on personal practice, research, and human-AI collaboration experience. The related Danbing / SLAPS / OathAI methods are still being organized and evolved. Their practical effects may vary depending on the user's background, task context, model capability, execution environment, and level of commitment.

This essay does not constitute legal, investment, medical, career, or technical implementation advice or guarantee. Readers who apply these methods in real projects should make independent judgments based on their own circumstances and take responsibility for specific outcomes.