Review artefak AI

Review artefak AI (AI artifact review) adalah me-review di tempatnya apa yang dihasilkan agent (preview, halaman, atau aplikasi) dan mengembalikan feedback terstruktur yang bisa langsung ditindaklanjutinya. Ini bukan tiket buat manusia: ini konteks yang dibaca dan dieksekusi agent yang membangun artefak itu.

Loop-nya tiga langkah: agent generate artefak, seseorang review hasil yang jalan, lalu agent fix hal yang persis. Makin cepat AI membangun, makin mahal celah review ini, karena prompt berikutnya keluar tanpa konteks nyata dan agent menebak.

Saat agent seperti Lovable, Bolt, atau Claude Code menghasilkan preview, feedback-nya tercecer di thread Slack, dok Notion, dan screenshot lepas. Tidak ada yang menempel ke artefak, jadi prompt berikutnya tidak membawa konteks dan agent menebak goal-nya.

Tiap tebakan berarti satu regenerasi, dan sering kali agent memperbaiki hal yang salah. Feedback yang menempel ke elemen menutup celah itu: agent menyunting elemen yang benar untuk memenuhi goal yang disebut, tanpa ronde "yang mana tadi?".

Dengan Patchrooms yang di-embed dalam mode artifact-review, reviewer klik elemen di preview yang jalan dan komentar, lewat teks atau voice note yang otomatis ditranskrip. Kliknya menangkap konteks sendiri, tanpa lompat ke Slack, Notion, atau tracker:

• Selector DOM dari elemen yang diklik.
• Screenshot, URL, viewport, dan state console.
• Tool, goal, dan constraint artefak, terlampir di tiap komentar.
• Komentar teks atau voice note yang otomatis ditranskrip.

Reviewer tidak butuh akun: cukup link preview. Komentar masuk ke dashboard kamu secara real-time.

Tiap komentar mendarat di satu dashboard dengan status (baru, triaged, in progress, fixed, verified, canceled), jadi tim melihat apa yang beres dan apa yang masih terbuka alih-alih membaca ulang riwayat chat. Satu room adalah satu report: satu potong feedback beserta thread-nya; rooms hidup di dalam project, satu per aplikasi atau repo.

Ini checkpoint sebelum code review dimulai: seseorang melihat apa yang benar-benar dirender agent, bukan diff-nya.

Tiap report diekspor sebagai Markdown yang membawa selector, goal, dan constraint. Kamu tempel ke agent dan ia memperbaiki hal yang persis tanpa ronde tanya-jawab, atau kamu biarkan agent membaca antrean langsung lewat server MCP (list_reports / get_report, dengan screenshot inline). Membaca dan menutup (set_status) sudah jalan sekarang; konektor native Slack, Linear, atau Jira belum.

Teks yang dibaca agent tetap dalam bahasa Inggris (itu yang dikonsumsi model). Beginilah hasil ekspornya:

## Report: Onboarding flow review
**Tool:** lovable   **Goal:** reduce signup friction
**Constraint:** keep the flow single-column

- **Element:** `button.onboarding-continue`
- **Comment:** Should stay disabled until the form is valid.
- **Screenshot:** blob/scr_9f2a.png
- **URL:** https://preview.lovable.app/onboarding

Selengkapnya di feedback siap-agent dan workflows.