Membangun Lingkungan Otomatisasi Riset dengan Claude Code dan Obsidian

Menginstal Claude Code Tanpa Kesalahan Izin Terminal

Terminal adalah alat yang tidak ramah sebelum Anda terbiasa dengannya. Saat menginstal Claude Code, seringkali Anda akan menemui kesalahan izin seperti EACCES, yang biasanya terjadi karena modul Node mencoba masuk ke area administrator dan akhirnya diblokir. Untuk menghindari situasi yang merepotkan ini, Anthropic merekomendasikan metode pembuatan ruang independen di dalam direktori home pengguna.

Masalah tidak selesai hanya dengan instalasi. Jika Anda menggunakan pengelola versi Node seperti NVM, jalur (path) bisa menjadi kacau setiap kali versi berubah, menyebabkan situasi menyebalkan di mana aplikasi tidak bisa dijalankan. Salin dan tempelkan tiga baris di bawah ini secara berurutan. Melalui proses ini saja, Anda bisa menghemat 2 jam waktu yang biasanya terbuang setiap hari untuk pengaturan.

1. Gunakan perintah nvm install --lts && nvm use --lts untuk menetapkan lingkungan Node yang paling stabil terlebih dahulu.
2. Ketik perintah npm config set prefix '~/.npm-global' untuk memindahkan jalur instalasi ke folder pengguna. Sekarang, tidak akan ada lagi masalah pemblokiran karena izin.
3. Jalankan npm install -g @anthropic-ai/claude-code && claude doctor untuk melakukan pemeriksaan akhir pada status instalasi dan jaringan.

---

Koreksi Otomatis Data NotebookLM ke Standar Obsidian

File Markdown yang diekstraksi dari Google NotebookLM agak berantakan jika langsung digunakan. Data tanpa metadata akan menjadi sampah yang tidak bisa dicari dan tidak diketahui asalnya seiring berjalannya waktu. Saya langsung mengubah data ini menjadi struktur YAML yang mudah dibaca oleh Obsidian. Lima item berikut: type, source-url, tags, created-date, dan status harus dicantumkan di bagian atas file agar Anda tidak kesulitan mencarinya nanti.

Jika Anda menyerahkan pekerjaan kasar ini kepada Claude Code, ribuan file pun akan tertata dalam sekejap.

1. Buka sesi Claude Code dan masuk ke folder yang relevan.
2. Berikan perintah: "Tambahkan properti YAML di bagian atas, ekstrak 3 kata kunci dari isi teks, dan masukkan ke dalam daftar tag."
3. Lanjutkan dengan: "Pindahkan URL sumber ke bidang terpisah dan pertahankan format wikilink apa adanya."

Dengan merapikannya seperti ini, basis pengetahuan yang memungkinkan Anda menemukan informasi yang diperlukan dalam 5 detik akan selesai.

---

Pengaturan Skill Claude Code yang Mengurangi Biaya API sebesar 80%

Claude Code sangat kompeten, tetapi dompet Anda akan cepat terkuras jika ia membaca semua yang diperintahkan. Jika Anda memberikan perintah tanpa batasan, ia akan membuang-buang token dengan memindai file yang bahkan tidak relevan. Menurut panduan Anthropic, Anda dapat mencegah pengeluaran biaya hingga 80% hanya dengan menuliskan radius aktivitas agen secara jelas di file SKILL.md.

Berikut adalah metode pengaturan untuk mempertahankan biaya bulanan di kisaran 50.000 won sambil tetap mendapatkan efisiensi riset.

• Batasi Ruang Lingkup File: Di dalam file SKILL.md, instruksikan dengan tegas untuk hanya melihat folder riset (misalnya: 01_Research).
• Tekan Token Penalaran: Atur MAX_THINKING_TOKENS=8000 atau lebih rendah. Untuk tugas ringkasan sederhana, model spesifikasi tinggi tidak perlu berpikir terlalu dalam.
• Kontrol Izin Alat: Di allowed-tools, matikan pencarian web dan hanya izinkan baca/tulis file agar lebih aman.

---

Rutinitas Pembersihan Data Setiap Hari Minggu

Hanya mengumpulkan informasi melalui otomatisasi akan membuatnya menjadi tumpukan sampah. Untuk mengubahnya menjadi konten yang menghasilkan uang, diperlukan pengelolaan rutin. Setiap hari Minggu, saya menjalankan Claude Code untuk membuat MOC (Map of Content). Ini adalah pekerjaan menghubungkan potongan-potongan pengetahuan untuk menggambar sebuah peta.

1. Minta untuk menemukan semua file Markdown baru yang dibuat dalam 7 hari terakhir dan kelompokkan berdasarkan topik.
2. Masukkan tautan catatan baru secara otomatis ke dalam file indeks setiap topik berdasarkan tingkat kepentingannya.
3. Temukan titik penghubung dengan catatan yang sudah ada dan tambahkan wikilink, maka memo yang terfragmentasi akan berevolusi menjadi kurikulum kuliah atau draf artikel.

---

Mencegah Bom Biaya dengan Memeriksa Penggunaan Real-time

Claude Code mengonsumsi token dalam jumlah besar saat membaca file besar. Jika Anda tidak waspada, Anda mungkin akan terkejut dengan SMS tagihan. Menetapkan batas bulanan sekitar 40 dolar di konsol Anthropic adalah garis pertahanan yang paling pasti. Jika itu masih membuat cemas, Anda harus mengelolanya dengan lebih ketat.

• Periksa Sesering Mungkin: Ketik perintah /cost selama bekerja. Biaya yang dihabiskan untuk percakapan saat ini akan langsung muncul.
• Bersihkan Konteks: Jika biaya terasa agak tinggi, gunakan /clear untuk menghapus isi percakapan sebelumnya atau /compact untuk mengompres riwayat percakapan guna mengurangi konsumsi token.
• Pemisahan Model: Untuk tugas yang tidak memerlukan penalaran luar biasa, cara cerdasnya adalah menggunakan perintah /model untuk beralih ke model yang lebih murah.

Metrik Pemantauan	Tujuan Pengukuran	Tindakan Respons
Penggunaan Token Real-time	Memeriksa lonjakan biaya	Hentikan pekerjaan jika terjadi anomali
Proporsi Biaya per Model	Optimalisasi efisiensi operasional	Alihkan tugas sederhana ke model berbiaya rendah
Efisiensi Prompt Caching	Pengurangan biaya duplikasi	Rancang prompt dengan struktur yang dapat di-cache