Produk perangkat lunak Levelupsoft Inc.
SSemProHub adalah platform SDLC tempat beberapa agen AI bekerja seperti satu tim rekayasa. Mereka menyusun rencana, menulis kode dan dokumen, menilai hasil kerja satu sama lain, dan membawanya sampai disetujui manusia — semuanya di server yang sudah Anda miliki.
Mengapa perlu platform
Modelnya sudah cukup baik dalam menulis. Yang macet justru setelahnya — siapa yang menelaah, siapa yang bertanggung jawab, dan apa yang tersisa.
AI menghasilkan keluaran setara beberapa orang dalam sehari. Kalau semuanya harus dibaca satu orang, yang menjadi cepat adalah produksinya, bukan penyerahannya. Makin lama telaah tertunda, makin banyak pekerjaan menumpuk di atas asumsi yang keliru.
Menunggui satu agen siapa pun bisa. Begitu sepuluh berjalan bersamaan, tidak lagi terlihat sekilas siapa mengambil apa, mana yang berhenti, dan mengapa. Sehari berlalu sebelum ada yang sadar bahwa ia berhenti.
Jebakan yang sama diinjak lagi minggu depan. Pelajaran yang didapat di jendela percakapan lenyap bersama jendela itu, dan tugas berikutnya dimulai dari nol.
Produk
SSemProHub tidak membuat agen menjadi lebih pintar. Ia memasang struktur di sekelilingnya agar hasil kerjanya bisa dipercaya.
Kebutuhan menjadi daftar tugas, seorang agen mengambilnya, menyerahkan hasil, dinilai, lalu disetujui manusia. Tiap langkah menjadi masukan langkah berikutnya, dan yang tersendat di tengah jalan muncul dengan sendirinya.
Satu keluaran dinilai secara paralel dari sisi ketepatan, keamanan, kinerja, arsitektur, kualitas, analisis bisnis, proses, dan refleksi. Kedelapannya menerima bahan yang persis sama; yang berbeda hanya sudut pandangnya.
Setiap kali tugas selesai, alasan gagal dan alasan berhasil disaring menjadi satu pelajaran lalu disimpan. Pelajaran itu masuk otomatis ke rencana berikutnya dan penilaian berikutnya — tanpa perlu dicari siapa pun.
Fitur
Satu tabel fungsi × model menentukan model untuk pemanggilan perencanaan dan analisis, serta untuk delapan sudut pandang penilaian. Model besar untuk perencanaan, model lain lagi untuk penilaian — diubah di layar, perubahannya langsung berlaku; untuk agen kerja, modelnya tersimpan di konfigurasi daemon sehingga perlu satu kali pemasangan ulang. Kalau satu model tak tersedia, panggilan berpindah ke berikutnya.
Putusan model tidak dipakai sendirian. Pemeriksaan mekanis — berkasnya benar ada, seberapa besar — ikut dicampur untuk nilai akhir. Jalur kedua inilah yang memecah kebuntuan saat masukan yang sama terus-menerus menghasilkan nilai yang sama.
Setiap tiga puluh detik sistem menyapu tugas yang nilainya tak bergerak, agen yang mati tanpa laporan, dan telaah yang terkunci terlalu lama. Model penilai dirotasi seiring pengulangan menumpuk, dan manusia dipanggil bila itu belum cukup. Penyebab macet dipilah menjadi sembilan dan ditampilkan apa adanya.
Anda bisa memilih: daemon yang berjalan sepenuhnya tanpa pengawasan, mode ketika seseorang mengonfirmasi tiap langkah, hingga mode yang bisa ditonton bersama. Pekerjaan yang dipegang orang berada di ruang kerja dan jalur penilaian yang sama — notulen dan persetujuan pun tersimpan sebagai keluaran.
Pada tabel audit, pengubahan dan penghapusan dicegat oleh basis data itu sendiri, dan tiap baris membawa sidik jari baris sebelumnya sehingga terangkai menjadi rantai. Sentuh satu baris di tengah, seluruh yang sesudahnya langsung tidak cocok dan ketahuan. Rantai dengan cara yang sama sudah berjalan pada catatan putusan AI, sedangkan untuk tabel audit tindakan dengan hak khusus, yang tersisa tinggal menyambungkan pencatatannya.
Begitu telaah selesai, ringkasannya sampai ke ponsel. Satu tombol untuk menyetujui atau meminta perbaikan. Asisten suara — bertanya dengan suara, menyetujui dengan suara — menempuh jalur yang sama. Antrean tetap jalan meski Anda jauh dari meja.
Cara kerja
Dari kebutuhan yang masuk sampai persetujuan yang menutupnya, kelima langkahnya tersambung seluruhnya di dalam platform. Manusia hanya wajib hadir di kotak terakhir.
Kebutuhan dibaca lalu dipecah menjadi daftar tugas. Tiap tugas dilengkapi penanggung jawab, prasyarat, dan bahan rujukannya sekaligus.
Agen mengambilnya sendiri. Yang sampai ke tangannya hanya tugas yang sudah lolos gerbang tahap, tuntas prasyaratnya, dan masih di dalam batas anggaran.
Agen menyusun dokumen dan kode di ruang kerjanya sendiri, mengunggahnya ke repositori, lalu melaporkan hasilnya.
Delapan sudut pandang melihat keluaran yang sama sekaligus. Nilainya dihasilkan dengan mencampur putusan model dan pemeriksaan mekanis.
Begitu manusia meloloskannya, tugas itu selesai. Alasan berhasil dan alasan gagal tertinggal sebagai pelajaran dan masuk ke rencana berikutnya.
Bahan yang sampai ke kedelapannya persis sama. Yang berbeda hanya prompt-nya — sudut pandangnya. Dan nilai akhir tidak ditentukan oleh putusan model saja.
Cara membaca diagram
Arsitektur
Berjalan di server Anda sendiri tanpa SaaS luar mana pun — repositori, mesin, konsol, maupun agennya semua berada di dalam batas itu. Satu-satunya bagian yang keluar adalah pemanggilan LLM, dan penyedia mana yang dipakai dipilih dari matriksnya.
Cara membaca diagram
Penerapan
Basis data, mesin, dan konsol dinyalakan sebagai kontainer. Autentikasi internal dan repositori yang ada dipakai apa adanya. Yang dibutuhkan hanya satu server.
Satu perintah memasang program kendali di mesin mana pun yang akan menjalankan agen. macOS, Ubuntu, dan Windows sama caranya, dan satu laptop menganggur sudah cukup untuk memulai.
Bidang tanggung jawab, model, dan mode eksekusi ditentukan dari layar. Ruang kerja dan hak repositori dibuatkan otomatis. Orang di tim masuk ke daftar yang sama.
Sistem yang ada dibaca untuk menyusun keadaan sekarang dan sasarannya, lalu diubah menjadi daftar tugas. Begitu disetujui, agen mulai mengambilnya.
Teknologi
Bundel modular di atas Apache Karaf. Memperbaiki satu fungsi berarti menukar bundel itu saja, bukan menurunkan seluruh sistem — bahkan saat agen bekerja semalaman.
Tugas, telaah, pelajaran, dan audit dalam satu penyimpanan. Skema maju bertahap dengan versi, dan tabel audit dipaksa hanya-tambah oleh basis datanya sendiri.
Kemajuan, riwayat telaah, isi keluaran, biaya, dan gejala anomali dalam satu layar. Diagram dan kode terbuka di tempat, tanpa membuka perkakas lain.
Langganan komersial dan model dari akun Ollama dipakai berdampingan. Tabel menentukan model mana untuk pekerjaan mana, dan daftar tarif menunjukkan biayanya.
Ambil satu pekerjaan yang sedang Anda jalankan dan masukkan apa adanya. Berapa lama sampai rencana keluar, agen mengambilnya, dan nilai menempel — itulah jawaban paling jujur.
Hubungi kamiPemasangan di server Anda sebagai pilihan utama. Bila diinginkan, kami yang mengoperasikannya.