---
title: TEKO dari Taobao Mengembangkan Praktik Rekayasa Loop Mandiri untuk Verifikasi Kode AI
url: https://www.elseif.net/id/teko-dari-taobao-mengembangkan-praktik-rekayasa-loop-mandiri-untuk-verifikasi-kode-ai
published: 2026-10-19T03:15:39+00:00
language: id
section: Agen
source: https://www.infoq.cn/article/t3XbHewuN37fsodaprUC?utm_source=rss&utm_medium=article
organizations: Alibaba, TEKO
publisher: elseif
---

# TEKO dari Taobao Mengembangkan Praktik Rekayasa Loop Mandiri untuk Verifikasi Kode AI

Ling Le, pakar pengembangan pengujian senior di Alibaba Taobao Tianmao Group, akan mempresentasikan praktik rekayasa loop mandiri bernama TEKO yang mencakup proses menulis, memverifikasi, dan memperbaiki kode.

Sistem ini dirancang untuk mengatasi kesenjangan antara kecepatan produksi kode oleh asisten pemrograman AI dan kemampuan verifikasinya. Ling Le mengidentifikasi dua hambatan utama, yaitu kurangnya kriteria penilaian yang membuat AI tidak mengetahui standar kebenaran, serta kurangnya sinyal yang menghalangi AI mendapatkan umpan balik objektif. Analisis menunjukkan bahwa tingkat eksekusi gabungan hanya sebesar 6,4 persen karena kendala dalam penyiapan lingkungan, konstruksi data, eksekusi, dan tingkat otomatisasi alat.

Untuk mengatasi masalah kriteria, TEKO mengubah kemampuan kualitas menjadi keterampilan yang dapat dipanggil di setiap tahap pengembangan. Kriteria penerimaan diubah menjadi objek data terstruktur yang mengalir melalui empat tahap: dokumen kebutuhan menjadi kriteria penerimaan kebutuhan, solusi teknis dan norma infrastruktur menjadi kriteria penerimaan teknis, perbedaan kode dan pengetahuan domain menjadi titik risiko serta kasus uji, dan produk pembangunan menjadi kasus uji unit, kotak putih, atau otomatisasi antarmuka pengguna. Kriteria ini kemudian diberikan kembali ke tahap pembuatan kode sebagai bentuk pengembangan berbasis pengujian yang asli AI.

Dari sisi sinyal, aplikasi diubah menjadi lingkungan yang dapat diprogram agar dapat dialamatkan, diamati, dikendalikan, dan direproduksi oleh agen AI. Pendekatan ini melibatkan penggunaan pemotongan aspek global lingkungan terminal serta garis dasar keterujian SDK dan gerbang CI untuk memperbaiki sistem yang sebelumnya tidak dapat diuji.

Integrasi kedua aspek ini memungkinkan siklus agen AI berkembang dari satu menjadi banyak, sehingga proses pembuatan, eksekusi, observasi, penilaian, perbaikan, dan pengujian ulang dapat berjalan tanpa manusia. Selain itu, kegagalan sistem di lini produksi dan opini publik dapat secara otomatis diubah menjadi kasus uji regresi.

Implementasi ini menghasilkan cakupan 100 persen di tiga platform, waktu analisis tunggal selama 12 menit, dan lebih dari 15.000 kasus uji yang masuk ke basis data. Tingkat keberhasilan operasi mencapai 96 persen, dan waktu pembuatan laporan kinerja berkurang dari 10 hari orang menjadi 1 hari orang. Namun, terdapat tantangan pada platform HarmonyOS dengan tingkat keberhasilan 85 persen, serta adanya hambatan organisasi dalam tata kelola keterujian.