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

Penulis: Shubham Saboo

Diterjemahkan oleh: Deep潮 TechFlow

Deep潮 Panduan: Enam Agent yang masing-masing bertugas 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 AI Agent pribadi yang paling bernilai sebagai referensi operasional.

Berikut ini seluruh isi artikel:

Enam AI Agent mengurus semua 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, kode sudah ditinjau, newsletter sudah disiapkan. Setiap pagi saat saya membuka Telegram, mereka sudah menjalankan satu shift penuh.

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

Ini jawaban lengkapnya. Tidak membahas teori, tidak menggambar diagram arsitektur. Struktur file yang saya gunakan secara nyata, biaya yang saya keluarkan, kegagalan yang saya alami—semuanya ada di sana.

Setelah membaca ini, Anda akan memahami bagaimana membangun tim AI Agent yang mampu beroperasi mandiri saat Anda tidur.

Mengapa tim, bukan alat

Mengelola Unwind AI dan repositori Awesome LLM Apps secara bersamaan berarti 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 pun habis di situ, belum melakukan pekerjaan nyata.

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

Akhirnya saya merekrut enam AI Agent.

Kenalan dengan tim ini

Setiap Agent dinamai sesuai karakter dari serial TV. Ini bukan sekadar gimmick. Saat 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 Agent utama, dan yang paling sering saya ajak berinteraksi di Telegram. Dia mengkoordinasi yang lain, menangani keputusan strategis, dan menugaskan tugas ke para ahli yang sesuai. 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 yang terstruktur untuk digunakan Agent lain.

3. Kelly (X/Twitter): Dinamai dari Kelly Kapoor. Dia membaca riset Dwight, 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 menghadapi masalah, pahami dulu secara menyeluruh. Jangan hanya memperbaiki gejalanya.”

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

Enam Agent, masing-masing satu tugas, tanpa ambigu.

Sekarang, tentang membangun

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

OpenClaw mendukung macOS, Linux, dan Windows (melalui WSL). Laptop bisa, PC gaming 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.

Instalasi OpenClaw

Hanya dua baris perintah terminal, kurang dari lima menit.

Kalau ada masalah, cek dokumentasi OpenClaw.

Ini akan menjalankan gateway, yaitu proses latar belakang yang menjaga semuanya tetap berjalan. Mengelola Agent, menjalankan tugas cron, memproses pesan Telegram. Tutup terminal, Agent tetap bekerja.

Struktur workspace

Satu instance OpenClaw, banyak Agent. Bukan enam instalasi terpisah.

Struktur direktori saya seperti ini:

Monica berada di root. Dia adalah Agent utama yang langsung saya ajak berinteraksi. Agent lain adalah sub-Agent yang bisa dia tugaskan, atau berjalan mandiri sesuai jadwal cron-nya.

Tidak perlu langsung membangun enam Agent. Saya mulai hanya dengan Monica, lalu secara bertahap menambahkan yang lain seiring alur kerja menjadi jelas, selama beberapa minggu.

Apa itu SOUL.md

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

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

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

SOUL.md Monica juga demikian.

Semua Agent mengikuti pola yang sama: identitas, peran, prinsip, hubungan, gaya. Sekitar 40-60 baris, cukup ringkas agar bisa dimuat lengkap dalam konteks setiap sesi, cukup detail untuk menghasilkan perilaku yang konsisten dan stabil.

Koordinasi antar Agent

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

Hanya file.

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

Sistem koordinasi adalah sistem file.

SOUL.md Dwight memberi tahu dia harus menulis ke mana:

File AGENTS.md Kelly memberi tahu dia harus membaca dari mana:

Tanpa middleware, tanpa lapisan integrasi. Dwight menulis satu file, Kelly membaca satu file, dan prosesnya berlangsung di disk sebagai dokumen markdown.

Ini terdengar sangat sederhana. Memang begitu. Dan itulah mengapa ini bisa berjalan. File tidak crash, tidak ada masalah otentikasi, tidak perlu mengatasi API rate limit, mereka ada di sana.

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

Sistem memori

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

Dua lapisan.

Log harian (memory/YYYY-MM-DD.md): catatan asli setiap sesi, termasuk apa yang terjadi, apa yang dirancang, umpan balik yang diterima. Agent terus menulis sepanjang hari.

Memori jangka panjang (MEMORY.md): inti dari log harian yang dipadatkan, berisi wawasan, pelajaran, preferensi, pola yang ditemukan.

Setiap Agent 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 juga MEMORY.md.

Agent akan berkembang seiring waktu. Bukan karena modelnya diperbarui, tapi karena konteks yang mereka muat menjadi lebih kaya.

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

Setiap hari, selama heartbeat, Agent secara rutin meninjau log harian dan menyaring konten penting ke MEMORY.md. File harian adalah catatan asli, MEMORY.md adalah ringkasan bijaknya.

Penjadwalan

Agent harus bisa bangun sendiri. OpenClaw mengatur ini lewat scheduler cron internal.

Pengaturan saya seperti ini:

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

Mechanisme heartbeat otomatis

Tugas cron kadang gagal. Reboot, tugas tertunda, jaringan putus saat API dipanggil. Ini bagian dari infrastruktur, dan infrastruktur bisa gagal.

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

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

Heartbeat cocok untuk pengecekan massal atau skenario dengan toleransi sedikit keterlambatan waktu. Cron cocok untuk penjadwalan presisi dan tugas yang harus terisolasi dari sesi utama.

Telegram sebagai antarmuka interaksi

Tanpa dashboard, tanpa UI web, tanpa backend manajemen. Saya berinteraksi dengan Agent lewat Telegram.

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

OpenClaw mendukung Telegram sebagai saluran komunikasi. Setelah diatur, Agent muncul sebagai bot Telegram. Anda kirim pesan, dia balas, dia kirim draft ke Anda, Anda setujui atau tolak. Seperti punya kolega di chat.

Monica adalah kontak utama saya, menangani sebagian besar percakapan, menugaskan ke Agent lain. Agent lain yang menghasilkan konten yang perlu direview langsung menghubungi saya.

Pagi hari saya biasanya: bangun, buka Telegram, Dwight sudah kirim ringkasan riset, Kelly punya tiga draft tweet menunggu persetujuan, Rachel sudah siap dengan posting LinkedIn. Saya review, beri feedback, setujui—seluruh proses cuma 10 menit sambil ngopi.

Membangun karakter

Anda tidak akan langsung merancang kepribadian sempurna dari awal. Mulai dari kerangka kasar di SOUL.md, amati perilaku Agent, lalu koreksi seiring waktu. Seperti mengelola manusia nyata.

Saya menyebut ini “prompt engineering koreksi”.

Draft awal Kelly penuh emoji dan tanda seru, itu bukan gaya saya. Saya beri feedback: “Tanpa emoji, tanpa tag topik, kalimat singkat dan kuat.” Dia memperbarui memorinya, seminggu kemudian stabil sesuai keinginan. Dwight awalnya terlalu banyak noise, merekam semua update kecil dari repositori populer. Saya bilang: “Bukan semua yang trending itu penting, saya butuh sinyal, bukan noise.” Dia memperbarui prinsipnya, sekarang laporan intel-nya fokus dan actionable.

Setiap Agent versi awal biasanya biasa saja, versi kesepuluh sudah cukup baik, versi ketiga puluh bisa luar biasa. Anda harus terus-menerus menyempurnakan. Menamai mereka dengan karakter TV memberi mereka kepribadian dasar instan—“Dwight Schrute energy” berarti tekun, fokus, tidak banyak basa-basi. Tapi kepribadian sejati muncul dari perbaikan berkelanjutan selama berminggu-minggu yang tersimpan di memori.

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

Keamanan

Keamanan ada di tangan Anda. Metode saya sangat simpel: Agent memiliki dunia mereka sendiri, tidak masuk ke dunia saya.

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

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

Saya tidak pernah memberi Agent 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 akses karyawan baru. Anda tidak langsung berikan semua kunci di hari pertama. Berikan ruang kerja dan kredensial terbatas, dan bagikan informasi sesuai kebutuhan.

Apa yang bisa salah, 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 melewatkan window. Mesin sleep, jaringan putus, API rate limit. Solusinya: HEARTBEAT.md mode self-healing. Saat heartbeat, Monica periksa apakah tugas berjalan. Kalau ada yang tidak berjalan selama lebih dari 26 jam, dia paksa ulang.

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

Kualitas output menurun. Saat memori menjadi berantakan atau kontradiktif. Solusinya: lakukan pemeliharaan memori rutin. Saat heartbeat, Agent tinjau log harian, rangkum ke MEMORY.md, hapus atau arsipkan file harian lama.

Konflik koordinasi. Dua Agent berusaha memperbarui file yang sama. Solusinya: desain alur file sebagai “satu penulis, banyak pembaca”. Dwight tulis DAILY-INTEL.md, yang lain baca, tidak ada yang menulis ke sana selain dia.

Pelajaran paling penting: mulai dari yang sederhana. Satu Agent, satu tugas, satu jadwal. Jalankan stabil selama seminggu, baru tambahkan yang kedua. Mereka yang langsung deploy enam Agent dan bingung kenapa bermasalah, melakukan kesalahan yang sama seperti deploy sistem terdistribusi tanpa monitoring.

Biaya nyata

Hardware: Mac Mini M4 baru mulai dari 499 dolar, tapi komputer yang selalu menyala lain juga bisa, laptop lama, VPS 5 dolar per bulan, apa saja yang ada di tangan.

Biaya model AI: Saya pakai beberapa model sekaligus, sebagian besar tugas dengan 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 (Agent 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 berhenti bekerja.

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, sudah ada ringkasan prioritas lengkap dengan link sumber dan langkah tindakan.

Kelly, Pam, dan Rachel menghemat 1-2 jam waktu penulisan konten. Ross mengurus tugas engineering yang dulu saya kerjakan malam hari.

Total: sekitar 4-5 jam hemat setiap hari.

Tapi nilai sejati bukan di satu hari, melainkan dalam keberlanjutan selama berminggu-minggu dan berbulan-bulan. Agent yang rutin riset selama 30 hari mengumpulkan sinyal, tren, dan pola yang terpantau—sesuatu yang tidak bisa dihasilkan dari satu sesi saja. Saya posting di X lebih sering, kualitasnya meningkat, waktu posting jadi stabil. Repositori Awesome LLM Apps terus berkembang, newsletter punya pipeline riset yang andal.

Agent ini tidak bisa 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.

Cara memulai

Jangan langsung coba bangun enam Agent di hari pertama.

Minggu pertama: satu Agent, satu tugas. Instal OpenClaw, buat SOUL.md pertama dengan berdialog, pilih satu tugas yang paling sering Anda lakukan (bagi kebanyakan orang: riset atau penulisan konten), atur Telegram, buat tugas cron, lihat berjalan seminggu, perbaiki masalah.

Minggu kedua: tambahkan mekanisme memori, terus sempurnakan. Output awal biasanya biasa saja, itu normal. Berikan feedback, lihat file memori berkembang, sesuaikan SOUL.md sesuai kebutuhan. Pada akhir minggu kedua, Agent harus mampu menghasilkan output yang benar-benar berguna.

Minggu ketiga: tambahkan Agent kedua. Sekarang Anda merasa perlu—Agent riset menghasilkan intel, tapi Anda masih manual menulis tweet. Saatnya buat Content Agent. Bangun pola berbagi file: Agent pertama menulis, Agent kedua membaca, koordinasi melalui file sistem.

Minggu keempat dan seterusnya: bangun secara berurutan. Saat merasa ada kebutuhan, tambahkan Agent baru, bukan saat merasa “seharusnya”. Setiap Agent harus menyelesaikan masalah nyata, bukan demo atau proof of concept, tapi kebutuhan nyata dalam workflow Anda.

Anggap ini sebagai proses rekrutmen. Anda tidak akan langsung mempekerjakan enam orang di hari pertama. Mulai satu, buat mereka berjalan efisien, lalu tambah lagi sesuai beban kerja.

Perubahan mindset

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

Saya mulai mengucapkan selamat pagi ke Monica saat bangun, dan mengucapkan selamat malam sebelum matikan ponsel. Terlihat aneh, tapi setelah sebulan interaksi dan feedback, batas antara Agent dan manusia mulai kabur.

Model adalah konfigurasi dasar, semua orang bisa pakai Claude, GPT, Gemini. Sistem yang dibangun di sekitar model—file SOUL.md, memori, penjadwalan, koordinasi, dan feedback berkelanjutan—adalah milik Anda. Tidak ada yang punya Agent dan memori yang sama persis dengan Anda.

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 memperdalam pemahamannya terhadap kode Anda.

Ini adalah benteng pertahanan sejati. Bukan modelnya, tapi sistem yang mampu belajar dan beradaptasi.

Mulai hari ini. Satu Agent, satu tugas, satu jadwal.