Perlindungan kesehatan kognitif untuk agen AI
Lucid memantau bagaimana pengguna berinteraksi dengan sistem AI dan menyesuaikan respons secara real-time untuk mencegah ketergantungan kognitif — kecenderungan bertahap, seringkali tidak terlihat, untuk menyerahkan pemikiran kepada AI alih-alih menggunakannya sebagai alat untuk pertumbuhan.
Mengapa Lucid?
AI membuat kita lebih produktif — tetapi penelitian menunjukkan bahwa AI juga dapat membuat kita malas secara kognitif. Masalahnya halus: setiap interaksi individu tampak baik-baik saja, tetapi selama berminggu-minggu dan berbulan-bulan, pengguna secara bertahap berhenti berpikir sendiri. Lucid mendeteksi penyimpangan ini dan melakukan intervensi sebelum menjadi mengakar.
Penurunan pemikiran kritis yang terukur dengan delegasi AI yang berat
MIT Media Lab (2025)
Korelasi antara ketergantungan AI dan pemikiran kritis
Gerlich (2025)
Kerentanan lebih tinggi — korteks prefrontal belum sepenuhnya matang
Arain et al. (2013); APA (2025)
Cara Kerjanya
Lucid beroperasi sebagai lingkaran umpan balik berkelanjutan antara pengguna, AI Anda, dan sistem perlindungan kognitif. Wawasan utamanya: Lucid tidak memblokir atau menyaring apa pun. Ini menyesuaikan cara AI merespons berdasarkan pola kognitif pengguna.
Latensi nol: track() berjalan secara asinkron — tidak pernah memblokir respons AI. Pengguna mendapatkan jawaban mereka secara instan; analisis kognitif terjadi di latar belakang. Format TOON (Token-Oriented Object Notation) menghemat ~40% token pada output LLM dibandingkan dengan JSON.
Enam Dimensi Kognitif
Setiap pertukaran pesan dinilai berdasarkan enam dimensi, selaras dengan skala psikometrik yang tervalidasi (GAIDS α=.87, AIMS 2025, Cognitive Offloading Scale α=.90).
Otonomi
0 → 1Pemikiran independen vs delegasi ke AI
Pembelajaran
0 → 1Rasa ingin tahu, bertanya "mengapa", berusaha memahami
Keterlibatan
0 → 1Kualitas dan kedalaman partisipasi
Metakognisi
0 → 1Kesadaran diri tentang proses berpikir seseorang
Verifikasi
0 → 1Evaluasi kritis terhadap keluaran AI
Motivasi
typeMengapa pengguna terlibat — intrinsik, instrumental, atau penghindaran
Empat Lapisan Perlindungan
1. Adaptasi Waktu Nyata
Pedoman yang disuntikkan ke dalam prompt sistem AI mengadaptasi respons berdasarkan kondisi kognitif pengguna — otonomi, pembelajaran, metakognisi, verifikasi, motivasi.
2. Deteksi Kelelahan Sesi
Memantau durasi sesi, volume pesan, dan pola pemendekan respons untuk menyarankan istirahat sebelum terjadi kelebihan kognitif.
3. Deteksi Pergeseran Jangka Panjang
Indeks Pergeseran Kognitif (CDI) membandingkan pola mingguan awal vs. terbaru untuk menangkap penurunan bertahap yang tidak terdeteksi oleh metrik tingkat sesi.
4. Kesadaran Kepercayaan & Motivasi
Mendeteksi kepercayaan berlebihan (menerima segalanya) dan motivasi penghindaran (menggunakan AI untuk menghindari berpikir) — dua prediktor terkuat ketergantungan kognitif.
Profil Kognitif Adaptif
Skor dihaluskan menggunakan Rata-rata Bergerak Eksponensial dengan alfa adaptif. Profil pengguna baru terbentuk dengan cepat, sementara profil pengguna yang sudah mapan stabil dan tahan terhadap anomali. Satu pesan buruk tidak akan mendistorsi profil kognitif yang sudah mapan.
// Alfa menurun seiring dengan semakin banyaknya pesan yang dianalisis
α = max(0.02, 0.1 / log₁₀(total_messages + 10))
| Pesan | Alpha (α) | Efek |
|---|---|---|
| 1 (pengguna baru) | ~10% | Membentuk profil dengan cepat, responsif terhadap pola awal |
| 50 | ~6% | Mulai stabil, cukup stabil |
| 100 | ~5% | Sudah mapan, tahan terhadap anomali |
| 500+ | ~4% | Stabil — deteksi pergeseran jangka panjang mulai berlaku |
| 5000+ | 2% (min) | Sangat stabil, membutuhkan pergeseran yang konsisten untuk berubah |
Perancah Progresif
Berdasarkan Zona Perkembangan Proksimal Vygotsky, Lucid secara progresif mengurangi dukungan AI seiring pertumbuhan pengguna. Tingkat perancah ditentukan oleh skor otonomi, pembelajaran, dan metakognisi — metakognisi adalah sinyal terkuat untuk kesiapan.
Panduan langkah demi langkah, periksa pemahaman di setiap langkah
Petunjuk terstruktur, pertanyaan pemicu, solusi parsial
Dorongan minimal, biarkan pengguna memimpin dan mengkonfirmasi arah
Dialog Sokratik, dorong batasan, ajukan masalah yang lebih sulit
Perlindungan Berbasis Usia
Pengguna di bawah 25 tahun menerima batasan yang lebih ketat berdasarkan penelitian pematangan korteks prefrontal. Neuroplastisitas otak yang sedang berkembang membuatnya lebih mudah beradaptasi dan lebih rentan.
Dewasa (25+)
- Batas sesi: 45 menit
- Batas pesan: 30/sesi
- Pedoman standar
Di Bawah 25
- Batas sesi: 30 menit
- Batas pesan: 20/sesi
- Pendekatan mengajar-pertama yang selalu aktif
Mulai Cepat
SDK drop-in. Bekerja dengan penyedia yang kompatibel dengan OpenAI melalui baseURL.
// Install
npm install @tetiai/lucid
// Track each exchange (fire-and-forget)
lucid.track(userId, {
userMessage: "Write the code for me",
aiResponse: "Sure, here's the implementation...",
topicId: "conversation-123",
}).catch(console.error)"
// Inject guidelines into your AI system prompt
const guidelines = await lucid.getGuidelines(userId);
systemPrompt += guidelines;
Penyimpanan & Penganalisis Fleksibel
MemoryStore
devPengembangan/pengujian — tanpa konfigurasi, dalam memori
PrismaStore
prodProduksi — PostgreSQL, MySQL, SQLite, MongoDB
RedisStore
prodPenyebaran terdistribusi, sesi bersama
Penganalisis LLM menggunakan OpenAI SDK sebagai klien universal — berfungsi dengan Together AI, Groq, Ollama, OpenRouter, dan penyedia yang kompatibel melalui baseURL. Model yang murah dan cepat (Llama 3.1 8B, Gemini Flash) berfungsi dengan baik — tidak diperlukan model canggih.
Filosofi
Bukan hakim
Tidak ada skor “baik” atau “buruk”. Sistem beradaptasi, bukan mengevaluasi.
Tidak terlihat secara default
Pengguna tidak melihat skor kecuali Anda menunjukkannya.
Privasi utama
Hanya metrik agregat, tidak pernah konten pesan.
Siap GDPR
deleteUser() untuk penghapusan data lengkap sesuai permintaan.
×Teti AILucid adalah mesin di balik perlindungan kognitif Teti
Setiap percakapan di Teti AI dianalisis oleh Lucid di latar belakang. Profil kognitif Anda beradaptasi seiring waktu, dan perilaku AI bergeser sesuai — mengajukan lebih banyak pertanyaan saat Anda mendelegasikan, menantang Anda lebih jauh saat Anda berkembang, dan menyarankan istirahat saat kelelahan muncul.