Setelah menyelesaikan beberapa masalah kecil, saya berencana untuk segera membuka kode sumber melalui github. Meskipun saya menulis dengan rumit, dasarnya adalah "harness + workflow". Semua ini bukan ide yang asal-asalan dari saya, tetapi lebih merupakan integrasi fitur matang, algoritma, dan ide dari beberapa proyek open source yang terkenal. Pengujian alfa dilakukan dengan membuat seCall yang diperkenalkan di bawah ini dari repositori kosong hanya dalam setengah hari dan memperbaiki beberapa bug kecil di tingkat pertama (bagi mereka yang penasaran dengan kualitas secall, Anda dapat mengklonnya dan membiarkan agen tingkat Opus atau Codex menganalisisnya sebagai basis kode), dan tujuannya adalah membuat gemento - Gemini e4b yang disebutkan dalam video menjadi dapat digunakan sambil memvalidasi hipotesis yang saya pikirkan. Tentu saja, saat membuat, saya juga berencana untuk menguji fitur inti tunaflow.
tunapi - Aplikasi backend yang memungkinkan Anda untuk mengobrol dengan agen terminal melalui beberapa messenger universal (Telegram, Mattermost, Slack, Discord). - Saya membuatnya dengan 'fork' transporter khusus Telegram bernama takopi
tunadish - Lapisan transpor atas tunapi yang merupakan aplikasi desktop yang menyebutkan dirinya sebagai plugin. Ini adalah proyek ambisius yang mengatakan, sekarang yang saya miliki adalah backend, mengapa tidak membuat messenger juga! tetapi masih dalam versi alfa.
seCall - Proyek yang mengurai percakapan dengan agen terminal, menyimpannya di Obsidian dan DB, kemudian membuat percakapan lama dapat dicari dalam bentuk plugin MCP ke agen terminal sehingga dapat digunakan dalam konteks saat ini. Dibuat untuk pengujian tunaFlow.
Dan tunaFlow yang saya perkenalkan sekarang — agen harus nyaman agar hasil lebih baik! Anda dapat membuat aplikasi atau layanan hanya dengan membayar ide dan token. (Ini bukan hal yang mudah. Anda harus berbicara banyak dengan arsitek dan meninjau rencana dengan baik agar mendapatkan hasil berkualitas baik. Sebenarnya MVP skala kecil dapat dibuat dengan cepat. Ketika Anda menempatkan pengetahuan domain pengguna + agen dengan harness pada workflow dengan hasil validasi, hasil berkualitas tinggi yang sebenarnya dapat terjadi)
▎ "Of the agent, By the agent, For the agent - just feed idea and tokens"
tunaFlow adalah klien orkestrasi agen AI. Tujuannya bukan "aplikasi chat yang nyaman bagi pengguna", tetapi membuat agen dapat bekerja dalam kondisi optimal. Ketika pengguna menentukan pengetahuan domain dan arah, agen memikirkan, meninjau keputusan tersebut bersama-sama dan menjalankannya dengan persetujuan pengguna.
Ketika menggunakan Claude Code, Gemini CLI, Codex secara terpisah, ada masalah berulang:
- Setiap kali harus menjelaskan konteks yang sama dari awal
- Agen tidak dapat mengingat apa yang dipelajari dari percakapan sebelumnya
- Merepotkan untuk meneruskan hasil kerja satu agen ke agen lain
- Ulasan kode harus dilakukan secara manual oleh manusia
tunaFlow menyelesaikan masalah ini secara struktural.
Fitur Utama
1. Integrasi Multi-Engine:
Claude, Gemini, Codex, OpenCode, Ollama dijalankan dalam satu aplikasi. Konteks dipertahankan bahkan ketika mengganti engine di tengah percakapan. Anda dapat mengelola engine + model + persona sebagai preset dengan Agent Profile.
2. Roundtable — Diskusi antar agen
Beberapa agen berdiskusi tentang satu topik secara berurutan (Sequential) atau bersamaan (Deliberative). Misalnya, Claude merancang, Gemini mengeluarkan keberatan, dan Codex mengusulkan alternatif. Identitas setiap peserta disuntikkan ke dalam prompt sehingga tidak ada kebingungan peran.
3. Otomasi Workflow — Pipeline 3-Peran
Berdasarkan Plan, peran Architect → Developer → Reviewer bersirkulasi secara otomatis.
Desain Plan → Persetujuan → Implementation Branch → Pemanggilan Developer Otomatis → Review RT (diskusi 2-agen) → Pass/Fail/Rework → Selesai
Deteksi otomatis berdasarkan penanda, dan jika gagal 3 kali, eskalasi ke redesain Architect. Pola yang dipelajari dari kegagalan secara otomatis disuntikkan ke Rework berikutnya.
4. ContextPack — Optimasi Konteks untuk Agen
Setiap permintaan, pilih dan susun hanya informasi yang dibutuhkan agen:
- Percakapan terbaru + memori jangka panjang yang dikompres + percakapan masa lalu terkait
- Dokumen Plan + output + skill
- Pencarian kode rawq + informasi ketergantungan code-graph
- Pemilihan mode Lite/Standard/Full otomatis untuk mencegah pemborosan token
5. Insight — Analisis Kualitas Proyek
Sistem mengekstrak terlebih dahulu rawq (pencarian kode), code-graph (analisis ketergantungan), riwayat kegagalan, hasil tes, kemudian membuat agen menganalisis hanya data yang diekstrak. Alih-alih membaca seluruh proyek, lakukan analisis target dengan 5k~20k token. Quick Wins juga didukung dengan perbaikan otomatis.
6. Branch & Adopt
Bercabang di tengah percakapan, melakukan eksperimen independen, kemudian merangkum hasil dan memasukkannya ke dalam percakapan induk.
7. Memori Jangka Panjang & Pencarian Vektor
Ketika 12 pesan atau lebih terkumpul, secara otomatis diringkas berdasarkan topik. Pencarian percakapan masa lalu dengan FTS5 + hybrid vektor, dan percakapan terkait terhubung secara otomatis.
---
Stack Teknis
Tauri 2 + React 18 + TypeScript + Rust + SQLite (WAL)
DB v29 (29 migrasi), Rust 188 + Frontend 175 = 363 tes
---
Hal Istimewa
▎ 415 commits, 42k lines — Basis kode yang ditulis 100% oleh Claude Code, pengguna hanya bertanggung jawab atas keputusan arsitektur dan penetapan arah. (Ini bukan kebanggaan. Tetapi dunia menjadi lebih baik :))
