Nota Lapangan: Panduan Praktikal Pasukan untuk AI Antigravity & DSOM Bersama Cikgu Haris

​

(Berdasarkan Sesi Perkongsian & Bimbingan Cikgu Haris / LinuxMalaysia bersama Pasukan)

Sasaran: Jurutera Perisian, Pentadbir Sistem (SysAdmin), Jurutera DevOps, dan Ahli Pasukan Teknikal.
Tujuan: Panduan rujukan pantas dwibahasa (Bahasa Melayu Piawai DBP & Standard UK English) untuk memahami cara bekerja secara efektif bersama AI Agent berlandaskan rangka kerja Deep State of Mind (DSOM).

​

📌 Ringkasan Eksekutif & Minda Asas (Core Mindset)

​

🚀 Langkah 0: Memulakan Ejen AI (Onboarding Prompt)

​

📋 Salin & Tampal Prompt Ini kepada AI:

I need you to adopt Deep State Of Mind (DSOM) For My AI by reading this in detail, and make sure you also read all others supporting documents and pages and do your own deep research and make sure all into AI Agents Knowledge and .agents/brain

https://linuxmalaysia.github.io/deep-state-of-mind-for-my-ai/START-HERE/
Welcome to the Deep State of Mind (DSOM) For My AI framework. If you are adopting this repository to bootstrap a new infrastructure/software project, or onboarding a new human team member or AI agent, you must understand how to enter the system.
DSOM is a modular Sovereign AI Engine. To use it effectively, do not read every file at random. Start with the defined Entry Points depending on your role.

​

🎯 1. Pengurusan Model & Kos Token (Model Strategy & Token Budgeting)

[!TIP] Petua Jimat Token: Jangan muat naik keseluruhan kod (codebase)! Gunakan format metadata Open Knowledge Format (OKF) YAML di bahagian atas fail supaya AI hanya membaca ringkasan metadata (~50 token) berbanding teks kod mentah yang besar.

​

🧠 2. Mengatasi Sifat ‘Lupa’ AI Melalui Git Sovereignty

1. Komit Git untuk Setiap Perubahan (Atomic Commits):
   • Sentiasa arahkan Gemini/Antigravity untuk commit ke Git setiap kali ia siap melakukan perubahan kod.
   • Contoh Arahan: "Sahkan kod ini, kemudian komit fail yang diubah dengan mesej semantik discrete git commit."
2. Gunakan Perintah /learn untuk Mengekalkan Ingatan:
   • Setiap kali terdapat perubahan struktur yang besar atau anda menemui corak kerja yang bagus, arahkan AI dengan menaip /learn.
   • Ini akan menyimpan pengetahuan tersebut ke dalam struktur “Brain” AI.
   • (Nota Penting: Fitur /learn terbina terus di dalam platform Antigravity IDE untuk mengekalkan ingatan dalam fail .md tempatan).

​

📁 3. Struktur Direktori Projek yang Kemas (DSOM Footprint)

my-project/
├── .agents/
│   ├── AGENTS.md             <-- Perlembagaan & undang-undang AI (29 Rules)
│   ├── brain/                <-- Ingatan spatial (task.md, walkthrough.md)
│   └── skills/               <-- Kemahiran projek tempatan (SOP berekod)
├── docs/                     <-- Tempat AI tulis/simpan fail .md yang diwujudkan
├── references/               <-- Masukkan segala dokumen rujukan mentah berkaitan projek
├── tools/                    <-- Skrip automasi & Git Pre-Commit Guardrails
├── plugin.json               <-- Manifest Agent Plugins 1.0.0 (Google/MS/OpenAI/Cursor)
├── mcp.json                  <-- Konfigurasi FastMCP Server piawai
├── .cursorrules              <-- Gateway untuk Cursor IDE
├── CLAUDE.md                 <-- Gateway untuk Claude Desktop
├── START-HERE.md             <-- Peta orientasi onboarding pasukan
└── README.md                 <-- Lejar universal

• Folder references/: Khas untuk bahan rujukan mentah (PDF, arkitektur sistem asal, dll).
• Folder docs/: Tempat di mana agen menulis dan menyimpan dokumentasi rasmi yang ia hasilkan.
• Fail plugin.json & mcp.json: Pakej piawai Agent Plugins 1.0.0 untuk integrasi alatan MCP dan kemahiran ejen secara universal rentas pelbagai IDE (Antigravity, Cursor, Jules, Claude).

​

🛡️ 4. Disiplin Operasi: Ansible Playbook vs Terminal Terus

[!CAUTION] UNDANG-UNDANG MUTLAK KESELAMATAN: Jangan sekali-kali membenarkan agen AI melaksanakan arahan komander secara terus (run command) di atas pelayan pengeluaran (production server)!

1. Mandatori Penggunaan Ansible:
   • Beri arahan jelas kepada agen: “Jangan jalankan command secara terus. Bina Ansible playbook untuk konfigurasi ini.”
2. Kelebihan Menggunakan Ansible Playbook:
   • Rekod Audit (Trackable): Boleh disimpan dalam Git sebagai rekod siapa yang melaksanakan dan apakah perubahannya.
   • Boleh Diulang (Idempotent): Automasi ini boleh dijalankan ke sistem atau pelayan lain dengan selamat tanpa kesan sampingan.

​

⚙️ 5. Menukar Tugasan Berulang Menjadi Skills (AI SOPs)

1. Jana Kemahiran (Skill Creation):
   • Apabila satu proses rumit berjaya disiapkan, beri arahan ini kepada Antigravity:
     "Turn this action into skills" atau "Turn this successful workflow into a reusable DSOM agent skill."
2. Lokasi Penyimpanan Skills:
   • Global (Untuk kegunaan peribadi anda di semua projek): Disimpan di dalam ~/.gemini/skills atau ~/.gemini/antigravity/builtin/skills/.
   • Projek Tempatan (Untuk dikongsi bersama pasukan): Disimpan di <path/to/project/folder>/.agents/skills/<nama-skill>/SKILL.md.

​

🤝 6. Kolaborasi Multi-Agent: Google Jules & Antigravity

• Google Antigravity (Local Agent): Aplikasi meja perantara untuk pair-programming, ujian tempatan, dan penjanaan dokumen.
• Google Jules (Cloud Autonomous Agent): Agen latar belakang yang khusus digunakan untuk integrasi tugasan di GitHub secara public. Ia membaca isu (Issues) dan menolak ciri baharu melalui Pull Request (PR) tanpa perlu bantuan perantara manusia (berasaskan pelayan).

​

📋 Senarai Semak Harian Pasukan (Team Daily Checklist)

• Mula Sesi (SOD): Buka Antigravity dan baca status tugasan daripada .agents/brain/task.md.
• Rancangan: Pastikan Implementation Plan wujud di docs/ atau .agents/brain/ sebelum menulis kod besar.
• Pengujian & Komit: Gunakan Git tempatan dengan komit secara berbutir (Atomic Commits). Jika ada perintah pelayan, pastikan ia Ansible YAML!
• Tamat Sesi (EOD): Jana blok ringkasan [DSOM EPISODIC RECORD] supaya AI tidak “lupa” apabila anda mula bekerja esok hari.