Feedback untuk agen AI

Feedback biasa menghasilkan tiket buat manusia. Feedback siap-agent (agent-ready feedback) menghasilkan konteks yang bisa langsung ditindaklanjuti AI: selector elemen, screenshot, plus goal dan constraint artefak, bukan sekadar deskripsi teks bebas.

Sebuah screenshot lepas dengan "perbaiki ini" memaksa agent menebak goal dan maksudnya, dan tiap tebakan berarti satu regenerasi. Feedback terstruktur menghapus tebakan itu: agent menyunting elemen yang benar untuk memenuhi goal yang disebut.

Dalam mode artifact-review, Patchrooms melampirkan goal, constraint, dan tool ke tiap komentar, bersama selector dan screenshot. Kerja menyusun konteks terjadi sekali, saat klik, bukan tiap kali seseorang mengoper bug ke agent.

• Selector DOM dari elemen yang diklik.
• Screenshot, URL, viewport, browser, dan error console yang ada.
• Komentar teks atau voice note yang otomatis ditranskrip.
• Status per report: baru, triaged, in progress, fixed, verified, canceled.

Untuk loop yang jalan tanpa manusia menempel apa pun, server MCP untuk feedback mengekspos list_reports dan get_report (dengan screenshot inline) supaya agent membaca antrean langsung, dan set_status untuk menutup yang sudah diperbaiki. Membaca dan menutup sudah jalan sekarang; konektor native Slack, Linear, atau Jira belum.

Secret key (pr_sk_...) mengautentikasi agent ke MCP dan tidak pernah diekspos di frontend. Dokumentasi MCP tersedia dalam bahasa Inggris di docs.patchrooms.com.

Lebih suka menempel konteks sendiri? Tiap report diekspor sebagai Markdown yang kamu baca dan tempel ke Claude Code, Cursor, Codex, Windsurf, atau Cline. Teks yang dibaca agent tetap dalam bahasa Inggris (itu yang dikonsumsi model). Contoh hasil ekspor:

## Report: Checkout review
**Tool:** claude-code   **Goal:** reduce checkout friction
**Constraint:** keep the layout single-column

- **Element:** `input#coupon-code`
- **Comment:** Remove the coupon field; almost no one uses it.
- **Screenshot:** blob/scr_5da7.png
- **URL:** https://preview.example.com/checkout

Review artefak AI (AI artifact review) adalah loop-nya: generate, review di tempatnya, lalu perbaiki. Tiap komentar mendarat di dashboard dengan status, jadi tim melihat apa yang beres dan apa yang masih terbuka alih-alih membaca ulang riwayat chat.

Ini checkpoint sebelum code review dimulai: seseorang melihat apa yang benar-benar dirender agent, bukan diff-nya. Selengkapnya di agent-ready feedback dan workflows.