Claude Fable bangun rig browser sendiri demi perbaikan CSS dua baris

Simon Willison memberi Claude Fable 5 satu bug kecil tapi membandel di proyek Datasette Agent-nya: horizontal scrollbar yang tidak diinginkan di sebuah modal dialog. Yang menarik dari laporannya bukan bug-nya, tapi cara modelnya mencari. Tanpa disuruh, Fable menulis file HTML uji, menyuntikkan JavaScript ke template aplikasi supaya modal otomatis terpicu saat halaman dimuat, menulis skrip PyObjC untuk memilih window Safari yang judulnya berisi "textarea", menjalankan screencapture dari command line, dan menyalakan http.server Python kecil untuk menerima JSON ukuran dari halaman tersebut via CORS. Untuk membaca properti textarea saat runtime, modelnya juga menyusup ke shadow DOM lewat Web Components.

Angka yang paling penting ada di akhir. Sesi itu memakan token senilai sekitar $12.11. Perbaikan akhirnya dua baris CSS.

Bacaan Willison: inilah bentuk konkret "agentic" sekarang. Modelnya tidak lagi menganggap batas antara "tolong cari masalahnya" dan "ayo bangun rig pengukuran" sebagai tanggung jawab user. Mahal juga. Dua belas dollar untuk perbaikan dua baris masih wajar untuk bug produksi yang nyata, tapi tidak murah kalau dipakai sebagai inner loop default yang dibiarkan jalan di tiap tiket kecil.

Kenapa ini penting

Kalau kamu memberi model kelas atas sebuah masalah plus shell access, ia akan melakukan langkah-langkah yang dulu butuh perencanaan satu sore dari engineer senior, dan ia akan membakar token banyak untuk itu. Keputusan praktis sekarang: menetapkan batas budget untuk agentic debugging, sambil menentukan jenis bug seperti apa yang pantas dibiarkan modelnya bekerja tanpa pengawasan cukup lama sampai membangun harness browser automation-nya sendiri.