TuBrief
구독 채널
비디오
커뮤니티

Membersihkan Kode Warisan Buatan AI dengan File Aturan Cursor

TuBrief 편집팀
2026년 8월 25일
0
Computing/Software

원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.

Bahasa Indonesia한국어EnglishEspañol中文العربيةहिन्दीDeutschFrançaisPortuguêsРусский日本語

관련 영상

AI tetap saja berdampak besar13:34

AI tetap saja berdampak besar

Maximilian Schwarzmüller

커뮤니티의 다른 글

사내 시스템에 llm api 붙일 때 마주하는 현실적인 한계와 대응법

2026년 9월 13일

레거시 백엔드에 GPT-6 Astra 붙일 때 예산 승인과 보안 통과를 먼저 끝내는 법이 있습니다

2026년 9월 13일

에이전트끼리 대화하다 6천만 원 청구서가 나오는 이유

2026년 9월 13일

사내 RAG 벡터 검색에 Okta 권한 필터를 직접 거는 방법

2026년 9월 13일

브라우저 에이전트에게 내 구글 계정을 통째로 넘기면 안 되는 이유

2026년 9월 12일

Apple Won the AI Race

2026년 9월 12일

댓글 (0)

Log in to leave a comment

아직 작성된 글이 없습니다

© 2026 . All rights reserved.

TuBrief
구독 채널
비디오
커뮤니티
로그인

Membersihkan Kode Warisan Buatan AI dengan File Aturan Cursor

1. Menyetel Aturan Kustom untuk Mencegah Pencemaran Arsitektur

Kode yang ditulis oleh AI cenderung menumpuk dalam skrip tunggal. Pola objek monolitik raksasa tercipta dan merusak struktur yang sudah ada. Inilah sebabnya mengapa pengembang berpengalaman 3 hingga 7 tahun menghabiskan waktu hingga 8 jam seminggu hanya untuk melakukan debugging. Hal ini terjadi karena mereka melewatkan proses refactoring dan terus menumpuk kode.

Buat direktori .cursor/rules di root proyek dan masukkan file aturan .mdc. Nyalakan opsi alwaysApply: true pada file panduan arsitektur inti. Tetapkan arah dependensi secara berurutan: Presentation -> Application -> Domain -> Infrastructure. Batasi panjang file agar tidak melebihi 150 baris.

Saat memperbaiki komponen yang sudah kusut, masukkan tiga prompt secara berurutan. Pertama, analisis kode warisan untuk mengekstrak tipe datanya. Selanjutnya, pisahkan logika bisnis menggunakan custom hook sepanjang 100 baris. Terakhir, gabungkan Vitest dan MSW untuk mengekstrak kode pengujian unit. Melalui proses ini, waktu debugging akan turun hingga di bawah 3 jam per minggu.

2. Memaksakan Stabilitas Tipe dengan Lapisan Verifikasi Runtime

Kompilator TypeScript saja tidak cukup untuk menangkap error respons API atau kesalahan logika kondisional yang dilemparkan oleh AI. Kita harus mengunci tipe data dengan ketat pada batas runtime. Buat lapisan skema menggunakan Zod dan Effect. Zod bertugas melakukan verifikasi API eksternal, sedangkan Effect mengelola logika domain internal.

Anda perlu menyiapkan struktur agar skema Zod dideklarasikan terlebih dahulu. Minta AI untuk menulis skema Zod untuk verifikasi nilai input API pembaruan profil pengguna terlebih dahulu. Lanjutkan dengan meminta implementasi fungsi layanan yang menerima skema dan tipe tersebut untuk memperbarui database. Gabungkan logika penguraian (parsing) yang mengembalikan error 400 jika verifikasi gagal.

Hubungkan Dependency Cruiser ke pipeline CI untuk menghentikan kode yang salah masuk ke branch utama. Tuliskan aturan pelarangan dependensi melingkar dan pelanggaran lapisan pada file konfigurasi .dependency-cruiser.cjs. Masukkan perintah npx depcruise --config .dependency-cruiser.cjs src ke dalam GitHub Actions. Kode yang melanggar arsitektur akan disaring secara otomatis pada tahap pull request.

3. Menyuntikkan Konteks Panduan Migrasi Terbaru

Karena keterbatasan data pelatihan, AI sering mencampur sintaksis versi lama saat menggunakan kerangka kerja terbaru seperti Svelte 5 atau Next.js 14. Inilah penyebab utama terjadinya build error. Anda harus mengompresi panduan migrasi inti dari dokumentasi resmi dan memasukkannya ke dalam konteks.

Buat repositori dokumentasi terpisah untuk spesifikasi teknologi terbaru di dalam proyek. Buat folder .docs di root proyek dan simpan panduan migrasi dalam format Markdown. Bersihkan noise dengan mencantumkan node_modules dan folder build pada file .cursorignore. Gunakan prompt yang secara langsung merujuk pada dokumen @.docs/svelte5-migration.md untuk mendorong pembuatan kode dengan sintaksis terbaru. Waktu yang terbuang untuk meraba-raba kesalahan sintaksis versi lama akan hilang.