Cara Kerja AI Agent

AI Agent Eduverse bekerja sebagai sistem berlapis. Agent tidak hanya menerima prompt lalu menulis teks, tetapi memetakan permintaan ke aturan repository, tipe artifact, domain sumber, course, dan validasi yang relevan.

Alur Utama

Prompt pengguna
      |
      v
AGENTS.md sebagai governance root
      |
      v
MATERIAL_AGENT_ROUTER menentukan tipe artifact
      |
      +--> KNOWLEDGE_MATERIAL_AGENT untuk topic, standalone, reference
      |
      +--> ACADEMIC_MATERIAL_AGENT + course router untuk materi university
      |
      v
Agent, sumber, dan metadata yang paling sempit
      |
      v
Draft MDX di content/**
      |
      v
Audit, route check, dan types:check

1. Refresh Context

Untuk pekerjaan materi, AI membaca ulang AGENTS.md dan layer yang relevan pada sesi saat ini. Ini menjaga keputusan tetap mengikuti aturan terbaru, bukan hanya mengandalkan ingatan dari percakapan sebelumnya.

2. Klasifikasi Permintaan

MATERIAL_AGENT_ROUTER membedakan:

course untuk meeting, CPMK, RPS, assessment, atau paket kuliah;
topic-series untuk beberapa topik dalam satu learning path tanpa kalender semester;
standalone untuk satu library, framework, tool, API, atau dokumentasi;
reference untuk ringkasan cepat, glossary, atau cheat sheet.

Domain sumber juga dipisahkan menjadi university dan non-university. Perbedaan ini mencegah materi teknis biasa menerima metadata akademik yang tidak memiliki evidence.

3. Memuat Context Yang Sempit

AI membaca hanya layer yang memiliki tanggung jawab terhadap task:

root governance untuk routing, struktur, Fumadocs, dan placement;
academic agent untuk source grounding, output akademik, dan audit;
course router dan course agent untuk course tertentu;
knowledge agent untuk materi dokumentasi dan topic standalone;
source files, LOG.md, dan Docling output ketika sumber lokal diperlukan.

Layer yang lebih sempit dapat memberi detail tambahan, tetapi tidak boleh menimpa aturan root.

4. Menyiapkan Sumber

PDF dikonversi dengan Docling sebelum ekstraksi. Paper dicari melalui paper-search-mcp. Dokumentasi teknis menggunakan sumber resmi. Jika sumber tidak tersedia atau hasil pencarian tidak dapat diverifikasi, AI harus menyatakan keterbatasan dan menjaga status materi sebagai Draft.

5. Menghasilkan Materi

AI menulis output orisinal ke content/** dengan frontmatter, struktur learner-focused, contoh, referensi, dan route yang sesuai. Untuk materi university, output mengikuti format akademik yang diwajibkan. Untuk standalone atau reference, AI tidak memaksakan meeting, CPMK, atau assessment.

6. Audit Dan Validasi

Sebelum finalisasi, AI memeriksa sumber, struktur, link internal, placement, status Draft, dan kelengkapan artifact. Setelah itu Fumadocs MDX dan TypeScript dijalankan untuk memastikan content dapat dirender.

Batasan Sistem

AI Agent tidak menggantikan review manusia. Agent dapat membantu memilih konteks dan menjalankan pemeriksaan mekanis, tetapi pembuat materi tetap bertanggung jawab atas akurasi, kecocokan pedagogis, atribusi sumber, dan keputusan publikasi.