Saya menggunakan Claude Cowork untuk mengotomatisasi penelitian saya, dan itu membuat laporan mingguan saya saat saya tidur
Apa gunanya alat AI kita jika tidak dapat melengkapi beberapa tugas yang paling berulang secara struktural dalam alur kerja kita? Bagaimanapun, hal tersebut merupakan bagian penting dari janji tersebut jauh sebelum salah satu utilitas tersebut masuk ke dalam tumpukan produktivitas kami, dan bahkan hingga saat ini, hal tersebut tetap menjadi ujian paling praktis untuk mengetahui apakah utilitas tersebut dapat memenuhinya. Jika Anda melihat beberapa tugas penelitian yang paling umum, seperti menyusun laporan mingguan, pengumpulan harga, dan bahkan tugas akademis seperti mengembangkan tinjauan literatur, Anda akan melihat metodologi di baliknya sebagian besar tetap sama di hampir setiap siklus. Untuk mengetahui apakah saya dapat “menyerahkan” sebagian pengumpulan dan pengorganisasian data saya ke platform agen, saya memutuskan untuk mencoba Claude Cowork. Dua minggu setelah penyiapan, saya sudah dapat melihat manfaatnya di hampir setiap alur kerja penelitian kuantitatif atau kualitatif. Inilah cara saya membangun alur kerja penelitian agen ini. Cuplikan teknologi mingguan menjadi alur kerja pertama saya yang sukses Sepuluh pencarian paralel, satu dasbor terstruktur, dan tanpa intervensi manual Pekerjaan saya mengharuskan saya untuk selalu mengikuti perubahan harga komponen, karena kendala rantai pasokan, peluncuran produk baru, dan perubahan permintaan (dan terkadang, prioritas) dari produsen. Tetap mengikuti perkembangan tersebut berarti mengulangi proses penelitian yang sama setiap minggu di seluruh listingan retailer, perkiraan analis, dan sumber berita. Ini adalah jenis alur kerja di mana metodologi pengumpulan data tidak pernah benar-benar berubah, namun perubahannya perlu didokumentasikan dari awal setiap saat. Dengan rumusan masalah yang sesederhana ini, penjelasan singkat yang saya berikan kepada Cowork sangatlah jelas. Setiap minggu, agen akan menarik harga terkini untuk kategori perangkat keras yang relevan, dan di samping itu, mengambil tren harga terbaru dari analis industri yang saya tentukan secara manual. Keahlian ini melakukan sepuluh pencarian paralel melalui agen sekaligus, dan mengumpulkan informasi dari pengecer, pelacak harga, dan publikasi lainnya sebelum mengumpulkan semuanya ke dalam satu laporan HTML. Pada titik ini, orang mungkin bertanya mengapa tidak berlangganan buletin yang ada saja. Keuntungan yang jelas di sini adalah fleksibilitas. Daripada menyesuaikan alur kerja, saya harus memilih kumpulan data, retailer, dan rekomendasi analis mana yang penting bagi saya. Yang lebih penting lagi, informasi datang dalam format yang mudah dipahami dan dipahami. Karena laporan mengikuti struktur yang sama setiap minggu, saya menghabiskan lebih sedikit waktu untuk mengatur dan menafsirkan data yang masuk dan lebih banyak waktu untuk fokus pada interpretasi. Terkait Berhenti menggunakan CLAUDE.md; inilah yang sebenarnya berfungsi untuk pengembangan yang dibantu AI. Apakah Anda benar-benar memerlukan file konteks khusus untuk setiap repositori? Namun seberapa baik kinerja Cowork dalam hal penelitian akademis? Konektor MCP memecahkan masalah besar yang dihadapi para peneliti. Laporan perangkat keras mingguan yang saya jelaskan berfungsi dengan lancar karena dua alasan. Yang pertama adalah fakta bahwa sumber-sumbernya relatif dapat diprediksi, dan yang kedua adalah bahwa daftar pengecer, perkiraan analis, dan publikasi mengikuti pola yang lazim. Penelitian akademis, di sisi lain, adalah sesuatu yang sangat berbeda. Untuk tinjauan pustaka yang sama, Anda akan beralih dari arXiv ke PubMed, dari PubMed ke Google Cendekia, dari Google Cendekia ke repositori institusional, dan mungkin kembali ke arXiv. Karena materi sumber pada dasarnya unik dan tersebar di seluruh database yang belum tentu berhubungan satu sama lain dan memiliki batasan dan keunikan tersendiri, hal ini menjadikan penelitian sebagai upaya yang menantang. Kini, hal ini menimbulkan masalah unik bagi agen penelitian. Karena setiap basis data akademis memiliki protokol autentikasi, sintaksis pencarian, dan format untuk mengembalikan hasil, agen AI yang menanyakan semuanya akan memerlukan integrasi khusus yang terpisah untuk masing-masing basis data dan oleh karena itu harus menangani batas kecepatan dan aturan akses masing-masing basis data secara independen. Di sinilah saya menemukan konektor MCP sebagai solusi yang tepat. Server MCP Apify Academic Research memberi Claude akses terpadu ke arXiv, Google Cendekia, PubMed, dan sumber akademis lainnya secara bersamaan, memberikan hasil dalam format yang dioptimalkan untuk alur kerja agen. Namun, salah satu batasan terbesar yang saya temukan adalah JSTOR. Meskipun jurnal dengan akses terbuka dan kumpulan data publik didukung dengan baik, database berbayar masih bergantung pada akses institusional. Laporan pasar keuangan yang terfokus benar-benar mengubah strategi penelitian saya Konektor FMP menangani segalanya untuk saya. Salah satu kasus penggunaan yang tidak terduga yang saya temukan saat bereksperimen dengan Cowork melibatkan sesuatu yang jauh lebih pribadi, namun jauh lebih biasa, yang selama bertahun-tahun ingin saya pindahkan ke model agen yang mumpuni. Ini tentu saja melacak portofolio investasi saya. Siapa pun yang membuka situs berita keuangan setelah sesi perdagangan yang bergejolak sudah menyadari betapa kacaunya penemuan informasi. Ketika NASDAQ turun sebesar 4% pada minggu ini, setiap analis di Wall Street tiba-tiba memiliki penjelasan berbeda mengapa hal itu terjadi dan apa yang terjadi selanjutnya. Membaca lusinan ringkasan, opini, dan rekomendasi yang terburu-buru terasa seperti melompat dari satu lubang kelinci ke lubang kelinci lainnya, dan itulah masalah yang sebenarnya ingin saya hindari. Dengan menggunakan konektor FMP yang tersedia di Cowork, saya membuat ringkasan portofolio mingguan dengan kumpulan data yang sengaja dibuat berukuran kecil. Ini hanya melacak saham yang saya miliki, dan hanya melaporkan harga saat ini, metrik penilaian, konsensus analis, rata-rata pergerakan, dan target harga, semuanya dikonsolidasikan dalam laporan. Lebih penting lagi, ini membantu menjaga semua informasi relevan sesuai parameter yang saya tentukan. Setelah membaca beberapa laporan ini, saya dapat mengatakan bahwa keuntungan utama yang mereka tawarkan adalah mengatur informasi yang tersedia untuk umum dalam format yang dapat saya proses dalam hitungan menit daripada berpindah dari satu sumber ke sumber lain dalam waktu satu jam. Peningkatan alur kerja penelitian yang saya cari akhirnya hadir Setelah lebih dari dua minggu menggunakan Cowork, saya menyadari fakta bahwa keuntungan terbesar alur kerja agen adalah keringanan kognitif, baik dalam hal penemuan dan penyampaian informasi, terutama ketika metodologi untuk mengumpulkan dan menyampaikan informasi ini tetap sama. Tidak diragukan lagi, ini membantu alur kerja yang berorientasi pada penelitian dan membantu pengguna informasi membuat keputusan yang lebih baik. Ini juga salah satu contoh pertama di mana saya melihat alur kerja agen beraksi dan berpikir bahwa inilah yang mereka perlukan agar penggunaannya bermanfaat.
Diterbitkan : 2026-06-10 10:00:00
sumber : www.xda-developers.com
