๐ Jadi Gogo bikin 400+ commit per hari itu ngapain sih?
๐ฉ And is that shit commits?
๐พ Tiap save file di-commit?
๐ Emang ada hasilnya?
Awal 2025, semua orang masih pada pake Cursor/Windsurf. AI ngoding, kita review. Kita liatin itu kode satu-satu. Apapun yang masuk ke main branch kita perhatiin. Di sini kita kerja kaya mid level/senior engineer, jagain kerjaan intern dan junior engineer sambil kadang2 masih ngulik dikit2 untuk bagian2 yang kritikal yang kita ga terlalu percaya bisa dikerjain sama junior atau intern
Lalu akhir 2025, ketika Claude 4.5 rilis. Claude Code mulai mendapatkan traction yang signifikan. Di sini role kita berubah menjadi senior/staff engineer. Coding udah jadi kayak bernapas. We don't even think about it. Coding is just a means to an end. We start thinking in systems, not in code
Lalu awal 2026 muncul harness engineering, loop engineering, and eventually graph engineering. Di sini kita mulai kerja kaya TLM, engineering manager, then senior engineering manager. Ngurusin team of agents directly. Nyuruh mereka bikin fitur, nyuruh mereka refactor sampe beres, nyuruh mereka migrasi
Sekarang aku personally sedang kerja kaya Engineering Director
- We decide what metrics are important. Latency? Cost? Activation? User registration?
- Toolsnya apa aja? Ada feature flag? Boleh deploy terus2an atau sehari sekali? CI/CD?
- Kita bolehin gerakin metricsnya gmn? TDD cukup kah? Eksperimen ke end-user boleh ga?
- Guardrailnya apa? Apa yang ga boleh dilakukan? Testing ke user production boleh ga? Testing ke internal user boleh semua ga? Atau CEOnya bangsat jadi release ke semua internal user kecuali CEO?
- Kalo ada yang rusak policynya gmn? Revert? Kalo ada yang rusak, kita telen biar user experience enak atau kita bikin error merah gede-gede biar kita bisa cepet fix? Bagian produk mana yang error itu kritikal dan bagian mana yang kalo error yowis ae
- Gimana push product dari 80% jadi 99%? AI bisa bikin produk yang 80% bagus dengan cepat. UI-nya bagus. Bisa buat pamer, bagus buat demo, bikin orang pede "gw bisa 2 minggu u masa butuh 2 tahun?" Tapi bisnis butuh reliability, butuh hasil bagus yang konsisten, butuh governance. Dan kita ga bisa langsung dari 80% ke 99%. Butuh iterasi. Butuh beresin printilan edge cases kecil2 tapi buanyak yang baru ketahuan ketika produknya dah jalan di production. Butuh pikirin metrics2 baru yang mungkin sebelumnya ga kepikiran pas masih development. Butuh pikirin mana use case untuk semua orang, mana yang spesifik problem beberapa orang tertentu
Sehingga what matters now?
- Metrics understanding. Business metrics, product metrics, engineering metrics
- Figuring out levers and metrics that actually move the business. Just like in the Good to Great book
- Unblock Modern Engineering Practices. Observability, decouple deployment and release, feature flag, lead time to deployment, CI/CD
- Policies bergantung industri, organisasi, fase kumpeni lagi dmn, risk appetite dari management
- Be flexible on the approach and implementation. Be strict on results, metrics, verification
Kerja seperti Engineering Director
Apakah ada evolusinya? VP of Engineering dan CTO level?
Jujur, blom tau. VP + CTO itu set process, culture, hiring process, hiring bar, promotions, reward and punishment, technology standard, technology investment. Apakah AI butuh itu? So far sih ngga ya
Tapi mungkin nanti, eventually, tugas kita bukan bikin agent, tapi hire agent yang udah jadi dan sudah well-fine-tuned with strong domain expertise. Sehingga tugas kita set up organisasinya yang cocok dengan bisnis kita
Jadi jawabannya dari pertanyaan di awal:
๐ 400 commit per hari itu biasa, karena aku mengoperasikan AI-ku sebagai kumpulan product squad. I am the engineering director, not the manager, not the tech lead
๐ฉ Ngga, tiap commit adalah satu full fitur atau eksperimen
๐พ Ngga. Tiap hari aku biasanya punya 12 sesi. Per sesi spawn 1 agent, yang biasanya spawn 10-15 subagents. Masing2 subagents either dia riset, check grounding, menghasilkan sesuatu (coding, artifact), atau verifikasi (test result, screenshot, video)
๐ Iya semua sesi itu ada metricsnya โฌ๏ธ
- Cost saving (pindah dari Claude ke Deepseek. LLM cost dari $60k/month jadi $1500/month)
- Latency (dari 60sec jadi 3sec TTFT)
- Reliability (dari 60% jadi 99% delivered)
- Engagement (dari 20% jadi 50% user onboarded)
- Conversion (dari 0.8% jadi 2% converted jadi paying user)
Dan ini berlaku untuk fungsi di luar engineering juga. We can be our own marketing director, operations director, finance director. Tapi ga yakin apakah udah di level CMO, COO, CFO atau belum. I don't think so
we got the full Kimi K3, 2.8T params, running on 80x RTX 5090s.
20 tok/s single stream, day one, untuned. Last week we took GLM-5.2 from 30 to 110 tok/s on this same fleet. This number will climb.
A first for open weights: frontier intelligence served with zero HBM, the scarcest silicon in AI. Just GDDR7 gaming cards, plain ethernet, and the official MXFP4 weights, nothing requantized.
The most powerful open model on Earth, on the most abundant GPUs on Earth. Any lab, startup, or university can now own it, probe it, fine-tune it, run agents on it.
@Kimi_Moonshot