Bagaimana sebuah pesan WhatsApp bisa berubah menjadi artikel yang rapi di blog Codekop? Di balik percakapan singkat seperti “buat artikel tentang teknologi terbaru”, ada alur yang menggabungkan WhatsApp, service Codekop AI, Hermes, model GPT-5.6 Luna AI, pemeriksaan sumber, dan Blog API.
Tulisan ini merupakan catatan riset dan eksperimen tentang cara kerja workflow tersebut. Fokusnya menjelaskan komponen yang terlihat dari perilaku sistem dan source code yang aman untuk dibahas.
1. Pesan masuk dari WhatsApp
Alur dimulai ketika pesan diterima melalui koneksi WhatsApp. Service Codekop menerima event pesan, mengenali session, memeriksa apakah pengirim berada dalam whitelist, lalu menentukan apakah permintaan boleh diteruskan ke AI. Pemeriksaan ini penting agar perintah coding atau operasi blog tidak bisa dijalankan oleh sembarang pengirim.
Pesan juga membawa konteks percakapan. Konteks tersebut membantu sistem membedakan antara permintaan membuat Draft, mengedit artikel, membuat thumbnail, atau mempublikasikan artikel. Dengan begitu, kalimat “buat thumbnail dan publikasi” dapat dipahami sebagai kelanjutan dari artikel yang baru saja dibuat.
2. Codekop AI menyusun intent
Setelah pesan masuk, service memproses intent. Untuk workflow blog, intent dapat berupa mencari referensi, memeriksa duplikasi, membuat konten, memperbarui Draft, mengunggah gambar, atau mengubah status publikasi. Pemisahan intent membuat satu pesan tidak langsung diterjemahkan menjadi aksi berisiko tanpa pemeriksaan.
const intent = await understand(message, context);
if (intent.mutation && !permissionGranted(context)) {
return askForApproval(intent);
}
return dispatch(intent);Pada tahap ini, sistem juga mempertahankan aturan editorial: artikel harus setia pada sumber, tidak menggandakan topik yang sudah ada, memakai kategori yang sesuai, dan dibuat sebagai Draft terlebih dahulu kecuali pengguna secara eksplisit meminta publikasi.
3. Hermes sebagai penghubung tool
Hermes berperan sebagai agent yang dapat memilih tool sesuai kebutuhan. Ia dapat membaca file dengan aman, mencari pola dalam source code, menjalankan command yang diperlukan, menggunakan client Blog API, dan memverifikasi hasil. Model tidak seharusnya mengarang bahwa suatu file sudah dibuat atau artikel sudah terbit; setiap klaim perlu didukung output tool.
Untuk tugas artikel, Hermes biasanya bekerja berurutan: memahami permintaan, mencari sumber, membaca metadata project, menulis konten, memanggil API, lalu memeriksa respons dan halaman publik. Tool digunakan ketika informasi tidak boleh ditebak, misalnya ID artikel, status, nama file thumbnail, dan HTTP response.
4. GPT-5.6 Luna Model AI menyusun tulisan
Model GPT-5.6 Luna menangani bagian penalaran dan generasi bahasa. Model menerima permintaan, konteks editorial, sumber referensi, serta batasan keamanan. Hasilnya bukan langsung dianggap benar. Konten perlu dibandingkan dengan sumber dan diperiksa agar tidak menambahkan klaim yang tidak didukung.
Standar baru Codekop juga menekankan gaya natural. Artikel tidak harus selalu memakai blok “analisis developer”, checklist, atau contoh kode. Bagian teknis hanya dimasukkan jika memang relevan dengan berita. Untuk berita bisnis, fokus dapat berada pada dampak operasional; untuk riset biologi, pembahasannya lebih tepat menyoroti metode dan keterbatasan ilmiah.
5. Pemeriksaan sumber dan duplikasi
Sebelum artikel dibuat, referensi diperiksa dari URL yang diberikan atau feed teknologi yang tersedia. Sistem juga perlu membandingkan judul, slug, dan topik dengan artikel Codekop yang sudah ada. Tujuannya bukan sekadar menghindari judul kembar, tetapi juga mencegah satu berita dibuat berkali-kali dalam bentuk yang hampir sama.
Pemeriksaan HTTP membantu memastikan sumber dapat diakses, tetapi HTTP 200 bukan jaminan bahwa seluruh isi sudah dipahami. Beberapa situs dapat memblokir automated request, melakukan redirect, atau menyajikan halaman berbeda. Karena itu, status akses dan tingkat kepastian sebaiknya dilaporkan apa adanya.
6. Blog API menyimpan Draft
Setelah konten selesai, client Blog API mengirim metadata seperti judul, HTML artikel, kategori, subkategori, tags, status publikasi, dan pengaturan komentar. Untuk artikel Riset & Eksperimen ini, subkategori yang dipakai adalah ID 16 di bawah kategori Sharing.
const draft = await createArticle({
title,
content,
category_id: 33,
subkat_id: 16,
publish: "D"
});
console.log({ id: draft.id, status: draft.publish });Token API tidak ditulis di artikel, log, atau pesan WhatsApp. Client mengambil konfigurasi melalui environment server. Dengan pola ini, model dan operator hanya berinteraksi dengan fungsi yang diperlukan tanpa memindahkan secret ke dalam prompt.
7. Thumbnail dan publikasi adalah tahap terpisah
Pembuatan thumbnail dilakukan setelah Draft dianggap siap. Gambar dibuat secara original dalam ukuran 1200×630 dan format WebP, kemudian diunggah melalui endpoint gambar. Publikasi baru dilakukan ketika pengguna memberikan instruksi eksplisit. Pemisahan ini memberi kesempatan untuk meninjau judul, isi, sumber, dan tampilan sebelum artikel terlihat publik.
Sesudah publikasi, verifikasi dilakukan dengan memeriksa status API, keberadaan thumbnail, status HTTP halaman, sumber, footer Transparansi, dan elemen konten yang diminta. Verifikasi ini penting karena respons “berhasil” dari satu tahap belum tentu menjamin halaman publik sudah menampilkan semua perubahan.
Batasan eksperimen
Workflow ini tetap memiliki keterbatasan. Model bisa salah memahami sumber, API bisa gagal, halaman referensi bisa memblokir bot, dan slug publik dapat berbeda dari perkiraan. Karena itu, manusia tetap menjadi pengambil keputusan terakhir—terutama untuk publikasi, berita sensitif, klaim keamanan, serta informasi yang berdampak pada reputasi.
Kesimpulan
Pembuatan artikel Codekop melalui WhatsApp bukan satu panggilan AI sederhana. Ia merupakan rangkaian: pesan masuk, whitelist dan permission, pemahaman intent, orkestrasi Hermes, penulisan oleh GPT-5.6 Luna AI, pemeriksaan sumber dan duplikasi, penyimpanan Draft melalui Blog API, lalu thumbnail, publikasi, dan verifikasi.
Bagian terpenting dari eksperimen ini bukan hanya kemampuan model menghasilkan teks, tetapi disiplin workflow di sekelilingnya. AI membantu mempercepat pekerjaan, sementara tool, approval, validasi, dan review manusia menjaga agar hasilnya dapat dipertanggungjawabkan.
Referensi:
- Dokumentasi Hermes Agent
- Baileys — WhatsApp Web API Library
- OpenAI Platform Documentation
- Source code service Codekop AI dan hasil observasi workflow Blog API.
