Bagaimana Kronos Mengotomatiskan Respons Insiden Produksi

“Model lain terus-menerus menunjuk pada hal yang sama berulang kali, bahkan setelah kami memperbaikinya. Ketika kami mencoba Enter Pro, model ini berhasil menemukan apa penyebab sebenarnya.”

WhyVenv membangun Kronos, sebuah agen respons insiden otonom untuk Quackathon, guna membantu para insinyur beralih dari kesalahan produksi ke akar penyebab dengan lebih cepat.

---

Pager Hanyalah Permulaan

Ketika produksi terganggu, peringatan jarang sekali menjadi bagian yang sulit.

Grafana dapat memberi tahu Anda bahwa ada sesuatu yang tidak berfungsi. Log dapat memberi tahu Anda bahwa ada sesuatu yang gagal. Dasbor dapat berkedip merah dengan cukup keras untuk membangunkan seseorang pada jam 2 pagi.

Namun setelah itu, pekerjaan yang sebenarnya dimulai.

Seorang insinyur masih harus membuka log, memahami kesalahan, mencari melalui basis kode, menebak fungsi mana yang penting, memutuskan apakah masalah tersebut mendesak, dan mencari tahu apakah langkah selanjutnya yang tepat adalah masalah GitHub, patch, atau eskalasi penuh.

Kesenjangan antara mengetahui ada sesuatu yang rusak dan memahami apa yang rusak adalah bagian di mana respons insiden menjadi menyakitkan.

Di situlah pula Dawood Khan menemukan ide untuk Kronos.

Dawood mempelajari AI, tetapi setelah kuliah ia beralih lebih dekat ke rekayasa sistem. Minatnya tidak abstrak. Ia telah melihat bagaimana sistem produksi gagal, bagaimana tim merespons, dan seberapa banyak investigasi manual yang masih ada di antara peringatan dan perbaikan.

Pada sebuah acara Grafana di Hyderabad, masalah tersebut menjadi semakin jelas. Para insinyur menggambarkan pola yang sama: sistem mati, seseorang menerima panggilan, dan kemudian tim memulai pekerjaan yang biasa dilakukan untuk melacak kegagalan secara manual.

Quackathon menjadi momen untuk membangun sesuatu yang berbeda. Dibangun oleh WhyVenv, Kronos berhasil memenangkan Juara Kedua di Quackathon, menonjol dalam tantangan Track 01: Software - The Sentient Workspace karena mengubah respons insiden produksi menjadi alur kerja agen.

---

Apa yang Dibangun WhyVenv

Proyek WhyVenv adalah Kronos, sebuah agen respons insiden otonom yang dibangun untuk jalur Sentient Workspace di Quackathon.

Idenya sederhana, tetapi ambisius:

Kronos menerima kesalahan produksi, membaca log, mengambil kode yang relevan, meminta model AI untuk mendiagnosis kemungkinan akar penyebab, dan kemudian memutuskan apa yang harus terjadi selanjutnya.

Terkadang itu berarti membuka masalah GitHub.

Terkadang, tergantung pada tingkat keparahan masalah, itu berarti mencoba melakukan perbaikan.

Tujuannya bukan hanya untuk memberi tahu insinyur bahwa produksi terganggu. Tujuannya adalah untuk memberikan insinyur awal yang lebih cepat pada pekerjaan yang biasanya mengikuti peringatan tersebut.

Dalam kata-kata Dawood selama wawancara, peringatan Grafana memudahkan untuk mengetahui kapan ada sesuatu yang tidak berfungsi. Masalahnya adalah semua hal setelah itu: menemukan apa yang menyebabkan masalah, di mana bug itu berada, dan tindakan apa yang harus diambil oleh tim.

Kronos dibangun untuk mengotomatiskan lapisan tengah tersebut.

---

Wawasan Rekayasa di Balik Kronos

“Bagian yang paling saya banggakan adalah tahap pengambilan. Alih-alih hanya menggunakan AST atau embedding, kami bekerja dari log pelacakan, karena begitulah cara insinyur biasanya menemukan masalah.”

Bagian yang paling dibanggakan oleh Dawood bukanlah dasbor, integrasi GitHub, atau bahkan diagnosis AI.

Itu adalah tahap pengambilan.

Banyak sistem pengodean AI mencoba memahami basis kode melalui embedding, penguraian AST, atau pemuatan konteks yang luas. Kronos mengambil rute yang lebih ramah insinyur: mulai dari log pelacakan dan menggunakannya untuk mempersempit pencarian.

Pilihan itu penting.

Ketika para insinyur men-debug kegagalan produksi, mereka jarang memulai dengan meminta model AI untuk membaca seluruh repositori. Mereka melihat kesalahannya. Mereka mengikuti pelacakan tumpukan. Mereka melakukan grep melalui kode. Mereka beralih dari gejala ke sumber.

Kronos dirancang berdasarkan naluri yang sama.

Sistem menggunakan log sebagai titik masuk, mengambil kode yang tampaknya paling relevan, dan baru kemudian membawa model AI ke dalam alur kerja. Hal itu membuat model tersebut tidak terlalu seperti peramal yang tahu segalanya dan lebih seperti peninjau yang bekerja dari paket bukti yang terfokus.

Dawood menjelaskan bahwa pendekatan tersebut masih memerlukan penyempurnaan sebelum dapat dipercaya dalam skala besar. Namun untuk demo, itu berhasil. Lebih penting lagi, hal itu mencerminkan naluri produk yang serius: sistem AI terbaik tidak menggantikan alur kerja rekayasa secara membabi buta. Mereka belajar dari cara para insinyur memecahkan masalah yang sudah ada.

---

Membangun Stack Observabilitas Dengan Enter Pro

Kronos harus bekerja di berbagai alat yang belum pernah digunakan secara mendalam oleh tim sebelumnya.

Grafana. Prometheus. Loki. Dasbor. Log. Metrik. Peringatan.

Bagi tim hackathon, itu adalah banyak infrastruktur yang harus dipahami bahkan sebelum produk yang sebenarnya dapat mulai bekerja.

Di sinilah Enter Pro menjadi berguna bagi WhyVenv.

Tim menggunakan Enter Pro di sepanjang proyek untuk penelitian, penyempurnaan ide, dan debugging. Dawood dan rekan satu timnya menggunakannya untuk memahami stack observabilitas, mencari tahu bagaimana komponen-komponen tersebut saling cocok, dan melewati masalah integrasi ketika sistem tidak berperilaku seperti yang diharapkan.

Satu momen sangat menonjol.

Tim sempat buntu mengenai alasan mengapa peringatan data mereka tidak masuk dengan benar. Mereka telah mencoba model AI lainnya, tetapi Dawood merasa beberapa di antaranya terus berputar di sekitar titik yang sama bahkan setelah tim memperbaikinya.

Ketika mereka mencoba Enter Pro, model ini membantu mereka mengidentifikasi penyebab sebenarnya secara lebih langsung.

Itulah jenis momen yang penting dalam sprint pembangunan. Bukan jawaban demo yang dipoles. Bukan saran umum. Dorongan nyata untuk melewati hambatan yang sebenarnya.

Bagi WhyVenv, Enter Pro bukan sekadar tempat untuk menghasilkan kode. Itu adalah cara untuk menalar melalui sistem yang tidak dikenal dengan cukup cepat untuk terus membangun.

---

Dua Hari Fokus

Dawood telah merencanakan proyek tersebut sebelum tim memulai pengembangan yang serius.

Ia tahu apa yang ingin mereka bangun. Ia telah memikirkan arsitektur dasarnya. Ia memiliki gambaran kasar tentang bagaimana pekerjaan harus dibagi.

Kemudian ritme hackathon yang sebenarnya mengambil alih.

Hari pertama tidak semuanya berisi kode. Tim menghabiskan waktu bersama, mengobrol, bercanda, dan menemukan pijakan mereka. Pembangunan yang sebenarnya terjadi setelah itu: sprint terkonsentrasi di mana mereka membagi pekerjaan, meneliti bagian-bagian yang tidak dikenal, menerapkan alur inti, and menyempurnakan produk hingga dapat menyatu.

Arsitekturnya dimulai dengan sederhana:

laporan crash -> kode relevan -> diagnosis LLM -> masalah atau perbaikan.

Kemudian setiap bagian menjadi lebih tajam saat tim membangun.

Kesederhanaan itu adalah bagian dari mengapa Kronos menarik. Ini tidak dimulai dengan teori rumit tentang perangkat lunak agen. Ini dimulai dengan alur kerja yang dipahami oleh setiap insinyur on-call: ada yang rusak, temukan penyebabnya, putuskan apa yang harus dilakukan selanjutnya.

---

Apa yang Diisyaratkan Kronos Tentang Agen AI

Kronos bukanlah chatbot yang duduk di samping basis kode.

Ini lebih dekat ke agen alur kerja: sistem yang menerima sinyal dari dunia nyata, mengumpulkan bukti yang tepat, meminta penalaran hanya di bagian yang berguna, dan kemudian mengarahkan hasilnya ke alat yang sudah digunakan oleh para insinyur.

Perbedaan itu penting.

Dawood peka terhadap masalah biaya dan kontrol di sekitar sistem AI. Dalam wawancara tersebut, ia berbicara tentang penggunaan token, panggilan model yang mahal, dan pentingnya tidak membiarkan agen menangani semuanya ketika logika backend deterministik dapat melakukan sebagian pekerjaan dengan lebih efisien.

Itu adalah naluri yang matang bagi seseorang yang membangun dengan AI pada tahun 2026.

Masa depan agen AI tidak hanya tentang penggunaan model yang lebih kuat. Ini juga tentang mengetahui kapan tidak menggunakannya. Bagian mana yang harus berupa kode? Bagian mana yang harus berupa pengambilan? Bagian mana yang harus berupa penalaran model? Bagian mana yang harus tetap berada di bawah tinjauan manusia?

Kronos, bahkan sebagai proyek hackathon, mengarah ke pertanyaan tersebut.

---

Apa yang Terjadi Selanjutnya

Proyek ini masih memiliki pertanyaan untuk dijawab sebelum siap untuk produksi:

• Seberapa baik pendekatan pengambilan berskala di seluruh basis kode yang lebih besar?

• Bagaimana tingkat keparahan dan otonomi harus dikalibrasi?

• Kapan agen harus membuka masalah alih-alih mencoba melakukan perbaikan?

• Seberapa banyak konteks yang cukup bagi model untuk mendiagnosis insiden nyata?

• Apa yang harus disetujui manusia sebelum apa pun mencapai produksi?

Itu bukanlah pertanyaan kecil. Itu adalah pertanyaan-pertanyaan yang membuat Kronos layak untuk diperhatikan.

Karena insiden produksi tidak akan hilang. Satu-satunya pertanyaan adalah apakah setiap respons harus dimulai dengan kepanikan manual.

Kronos membayangkan langkah pertama yang berbeda: langkah di mana sistem yang melihat kegagalan juga dapat mulai memahaminya.

Itulah alasan keberadaan Enter untuk mendukung.

Bukan hanya kode yang lebih cepat. Pergerakan yang lebih cepat dari titik masalah yang nyata ke produk yang berfungsi.

Dan bagi WhyVenv, pergerakan itu cukup untuk mengubah pola rekayasa yang menyakitkan menjadi salah satu proyek pemenang Quackathon.

---

Jelajahi Kronos.

Kisah ini adalah bagian dari Seri Builder Quackathon kami, di mana kami membahas satu proyek pada satu waktu untuk memahami apa yang dibuat oleh para pembangun dengan Enter Pro, mengapa mereka membangunnya, dan apa yang diceritakan oleh pekerjaan mereka tentang masa depan pembuatan perangkat lunak bertenaga AI. Tetap ikuti perkembangannya.