00:00:00Kita sedang berada di era baru pengembangan perangkat lunak. Para pengembang meluncurkan produk dengan kecepatan
00:00:04yang belum pernah kita lihat sebelumnya. Namun, sebuah masalah muncul. Alur kerja tradisional tidak lagi relevan
00:00:08ketika agen AI terlibat. Hal ini menimbulkan pertanyaan penting. Seperti apa peran
00:00:13pengembang sekarang? Sebuah artikel terbaru dari CEO Linear menarik perhatian saya. Linear adalah alat
00:00:18manajemen proyek yang membantu tim mengatur dan melacak pekerjaan mereka khusus untuk pengembangan perangkat lunak modern.
00:00:23Wawasan ini datang dari seseorang yang telah mengalami langsung transisi dari alur kerja
00:00:27tradisional ke sistem berbasis AI saat ini. Artikel ini membuat saya memikirkan kembali lebih dari sekadar alat
00:00:33yang kita gunakan. Ini membuat saya memikirkan kembali cara kita membangun produk sepenuhnya. Ada banyak hal yang harus dibahas hari ini
00:00:37karena informasi ini secara mendasar mengubah cara kita membangun sesuatu dengan AI. Bagian tengah dari pekerjaan perangkat lunak
00:00:43mulai menghilang dan pusat perangkat lunak sebenarnya sedang bergeser. Untuk memahami apa itu bagian tengah, mari kita
00:00:47lihat bagaimana pekerjaan dibagi sebelum pengembangan AI. Ini dimulai dengan fase awal. Ini mencakup
00:00:52semua pengumpulan persyaratan dan fase perencanaan. Pada fase ini, kita membuat rencana tentang apa
00:00:57yang akan kita bangun. Kemudian datang bagian tengah. Di sinilah kita mengubah rencana menjadi produk
00:01:01nyata dan ini adalah bagian di mana penulisan kode terlibat. Ini adalah bagian yang memakan waktu
00:01:05paling banyak dari semuanya. Butuh berminggu-minggu, berbulan-bulan, atau bahkan setahun untuk memberikan pengaturan berkualitas yang berfungsi penuh. Ini
00:01:11juga merupakan bagian di mana detail paling sering campur aduk karena penerjemahan niat atau penyampaian ide
00:01:16dari satu orang ke orang lain. Setelah kode ditulis, bagian akhir mencakup berbagai bentuk
00:01:20pengujian dan peninjauan terhadap persyaratan asli. Bagian tengah adalah bagian yang mengandung
00:01:25hambatan paling besar, tetapi sang CEO mengatakan hal itu tidak akan terjadi lagi. Hal ini karena
00:01:30pekerjaan bagian tengah, bagian implementasi dan pengodean, sebenarnya sedang digantikan oleh AI. Sekarang kita tidak perlu
00:01:35menyentuh kode itu sendiri sama sekali. Ini karena agen pengodean telah menjadi sangat canggih sehingga mereka
00:01:40mampu menghasilkan kode hanya dari konteks dan perencanaan tugas saja. Sekarang ini lebih tentang menggunakan
00:01:45agen dengan cara yang benar dan mengawasi pekerjaan mereka daripada menulis kode. Jika Anda telah menonton
00:01:50video kami secara teratur, kami telah mengajarkan dan mendemonstrasikan banyak cara berbeda untuk menggunakan alur kerja pengodean
00:01:55untuk menghasilkan aplikasi tingkat produksi. Anda bisa melakukan ini hanya dengan mengawasi agen tanpa harus
00:01:59menulis satu baris kode pun. IDE telah menjadi lebih seperti penampil kode daripada alat tulis. Perubahan
00:02:04ini sangat nyata bagi saya karena sebagai pengembang, alat utama saya untuk menulis kode sekarang
00:02:09telah menjadi alat untuk meninjau kode yang dihasilkan agen. Sekarang saya hanya membuka VS Code untuk meninjau atau
00:02:14menambahkan komentar agar agen AI dapat mengimplementasikan fitur yang dikomentari tersebut. Saya sangat jarang harus mengubah
00:02:19apa pun atau menulis kode sendiri sekarang karena agen sangat mampu. Namun, hal ini hanya berfungsi jika
00:02:23agen mampu memahami niat kita. Oleh karena itu, pekerjaan kita sebagai pengembang pada dasarnya telah bergeser dari
00:02:28menulis kode menjadi mengawasinya. Anda mungkin menyadari bahwa kami membangun banyak hal di video-video ini. Semua
00:02:33prompt, templat, hal-hal yang biasanya harus Anda jeda dan salin dari layar. Kami telah meletakkan
00:02:38semuanya di satu tempat. Kami baru saja meluncurkan AI Labs Pro di mana Anda mendapatkan akses ke semuanya dari
00:02:43video ini dan setiap video sebelumnya. Jika Anda merasa apa yang kami lakukan bermanfaat dan ingin mendukung kanal ini,
00:02:48ini adalah cara terbaik untuk melakukannya. Tautan ada di deskripsi. Karena AI telah mengambil alih sebagian besar
00:02:53pekerjaan pengodean, ini memicu sebuah pertanyaan. Apa yang tersisa untuk kita? Jawabannya adalah fokus pada keahlian baru dalam
00:02:59menyempurnakan niat tentang apa yang akan dibangun. Cara yang bisa Anda lakukan adalah dengan menjadikan perencanaan sebagai
00:03:03pekerjaan utama Anda. Anda perlu memahami dengan jelas masalah yang ingin Anda selesaikan. Anda perlu tahu
00:03:07apa yang sebenarnya diinginkan pelanggan Anda dan bagaimana orang akan menggunakan aplikasi Anda. Hal ini menjadi jauh
00:03:12lebih penting sekarang. Anda tidak lagi mengandalkan manusia yang dapat menafsirkan niat dari perencanaan yang buruk.
00:03:17Sebaliknya, Anda mengandalkan agen AI yang secara membabi buta mengimplementasikan apa pun yang Anda instruksikan. Baik
00:03:23Anda membangun aplikasi seluler atau aplikasi web, Anda perlu tahu persis apa yang ingin Anda bangun. Tanpa
00:03:27kejelasan itu, Anda tidak dapat melakukan perencanaan yang berarti dengan mode perencanaan agen. Perencanaan itu vital.
00:03:32Seperti yang telah kami tekankan di video sebelumnya, hanya rencana yang baik yang menghasilkan implementasi yang baik. Tidak
00:03:38peduli agen mana yang Anda gunakan. Perencanaan sangat penting karena ia mengendalikan hasil dari
00:03:42agen tersebut. Luangkan waktu sebanyak yang Anda butuhkan. Terus sempurnakan rencana sampai benar-benar memenuhi kebutuhan dan
00:03:47ekspektasi Anda. Ini akan memastikan aplikasi Anda jadi seperti yang Anda inginkan. Sampai tiga bulan lalu,
00:03:52kami tidak pernah mengandalkan mode “bypass permission” untuk membangun sesuatu karena agen sering berhalusinasi
00:03:56meskipun rencananya sudah bagus. Sekarang agen-agen tersebut sangat andal sehingga setelah menyempurnakan rencana, saya hanya menyalakan
00:04:02mode bypass permission dan membiarkan agen mengimplementasikan spesifikasi dalam satu kali jalan. Kita juga
00:04:06melihat bahwa pembuat Claude Code pun memulai implementasinya dengan mode rencana. Jika rencananya
00:04:12cukup baik, Anda dapat membiarkan agen membangun aplikasi sekaligus tanpa khawatir akan implementasi yang
00:04:16berantakan. Saya juga menghabiskan banyak waktu untuk memastikan bahwa apa yang saya bangun
00:04:21terdokumentasi sepenuhnya. Saya tidak menjejalkan semuanya ke dalam satu dokumen agar agen dapat menavigasi
00:04:26rencana dengan mudah. Saya menggunakan dokumen berbeda untuk setiap kategori seperti penilaian risiko, mitigasi,
00:04:31dan spesifikasi teknis. Saya mencantumkan batasan dan timbal-balik dalam dokumen terpisah. Inilah cara agen
00:04:35memahami apa yang dapat diterima dalam hal performa, biaya, dan waktu. Pendekatan ini menghasilkan
00:04:40pengembangan yang jauh lebih terkendali. Setelah semua persyaratan diverifikasi, langkah selanjutnya adalah
00:04:45benar-benar mengelola agen dan mendapatkan apa yang kita inginkan. Tapi sebelum kita membahas itu, inilah sepatah kata dari
00:04:50sponsor kami, Dart AI. Mengelola proyek perangkat lunak yang kompleks sering kali melibatkan lebih banyak beban administratif
00:04:56daripada pengodean itu sendiri. Dart bukan sekadar alat manajemen proyek standar. Ini adalah ruang kerja asli AI
00:05:00yang dirancang untuk mengotomatiskan pekerjaan rutin bagi pengembang. Dengan obrolan AI yang sadar konteks, Anda
00:05:05bahkan dapat membuat tugas dan mengedit dokumen hanya dengan berbicara secara alami. Selain obrolan AI, Anda bahkan bisa menyertakan
00:05:11agen seperti Cursor untuk mengeksekusi pekerjaan. Dart memberi mereka konteks untuk benar-benar menulis kode Anda. Kekuatan
00:05:16sebenarnya terletak pada fitur pedoman AI-nya. Anda dapat mengonfigurasi aturan global seperti menginstruksikan AI untuk
00:05:22selalu memformat spesifikasi teknis dengan header tujuan dan persyaratan khusus, dan Dart memberlakukan
00:05:27struktur ini di setiap obrolan, tugas, dan dokumen yang dihasilkannya. Bagi kami, fitur AI skills adalah pengubah keadaan.
00:05:33Anda dapat menentukan perintah khusus seperti skill “generate project” yang secara otomatis membuat
00:05:38daftar tugas yang terisi, menetapkan prioritas, memperkirakan ukuran, dan menyusun draf ringkasan proyek dalam hitungan detik.
00:05:44Mulailah mengotomatiskan manajemen proyek Anda hari ini dengan mencoba Dart AI melalui tautan di komentar yang disematkan.
00:05:49Anda bukan lagi sekadar pembuat kode. Pekerjaan Anda sekarang lebih berpusat pada mengawasi agen daripada
00:05:54benar-benar menulis kode. Menulis kode menjadi kurang tentang menyusun solusi dan lebih tentang
00:05:58menyiapkan kondisi agar solusi yang baik muncul. Jadi bagaimana Anda menciptakan lingkungan yang tepat
00:06:03agar agen menghasilkan hasil yang berkualitas? Jawabannya adalah context engineering (rekayasa konteks). Keahlian besar berikutnya yang
00:06:08perlu Anda pelajari bukanlah tumpukan pengembangan web tertentu seperti MERN atau MEAN. Sebaliknya, itu adalah manajemen
00:06:14konteks. Kami secara konsisten melihat bahwa tanpa manajemen konteks yang tepat, AI memang mengimplementasikan
00:06:18fitur yang kita minta, tetapi ia tidak mengikuti batasan atau aturan yang seharusnya disesuaikan dengan
00:06:22implementasinya. Kita perlu memastikan konteks dikelola dengan benar. Ketika agen diberikan
00:06:27informasi yang tepat dengan gangguan minimal, ia memahami tugas dengan lebih jelas. Ia menghasilkan
00:06:32implementasi yang lebih baik dan memberikan persis apa yang Anda inginkan. Mengelola konteks melibatkan penggunaan serangkaian
00:06:37komponen seperti perintah yang dapat digunakan kembali, skill, berkas markdown, MCP, dan sub-agen. Tidak ada
00:06:43satu cara yang benar. Anda harus menggunakan beberapa metode yang berfungsi baik untuk apa yang sedang Anda bangun.
00:06:47Anda perlu membuat alur kerja yang sesuai dengan proyek Anda. Kami telah mendedikasikan seluruh video
00:06:52untuk mendemonstrasikan bagaimana Anda dapat membangun alur kerja dengan manajemen konteks. Ini memastikan model yang
00:06:56Anda gunakan mendapatkan konteks yang tepat dan dapat menghasilkan aplikasi berkualitas tinggi. Jika Anda ingin mengikutinya,
00:07:01semua sumber daya untuk video tersebut tersedia di AI Labs Pro. Pekerjaan agen
00:07:06hanya sebaik lingkungan berbasis konteks tempat ia beroperasi. Semakin ia terhubung langsung
00:07:11dengan umpan balik pelanggan dan didukung oleh alur kerja yang terstruktur, semakin baik kinerjanya. Kita perlu
00:07:16menciptakan lingkungan seperti itu karena hal itu tidak terjadi secara otomatis. Untuk alasan inilah,
00:07:20Claude memiliki konektivitas dengan Slack sehingga tim dapat melaporkan kesalahan secara langsung. Ini menciptakan putaran umpan balik
00:07:25yang berharga, yang bahkan digunakan oleh pembuat Claude Code sendiri. Tim besar sudah menghasilkan
00:07:30kode berkualitas tinggi yang dihasilkan AI. Pembuat Claude Code mengklaim bahwa dalam sebulan terakhir,
00:07:35100% kontribusinya secara efektif ditulis oleh Claude Code itu sendiri. Ini tidak terjadi begitu saja
00:07:41hanya dengan memberikan prompt. Ini membutuhkan serangkaian alur kerja dan pola orkestrasi untuk membuatnya
00:07:46mungkin terjadi. Bahkan CEO Microsoft mengakui bahwa AI kini menghasilkan 20% hingga 30% kode terintegrasi
00:07:52Microsoft di semua bahasa pemrograman. Terutama ada kemajuan yang nyata dalam Python dan C++.
00:07:58Struktur dalam alat bekerja dengan cara yang sama baik bagi manusia maupun agen. Ini mengurangi ketidakpastian dengan
00:08:03mendefinisikan secara jelas apa yang diharapkan dan kemampuan apa yang ada. Jika Anda menggunakan agen AI
00:08:08tanpa struktur, Anda hanya menggunakan sebagian kecil dari potensi mereka. Struktur tersebut dapat berupa banyak
00:08:13hal. Ini termasuk berkas Claude.md untuk panduan proyek secara keseluruhan dan log perubahan untuk melacak perubahan.
00:08:19Anda juga dapat menggunakan perintah yang dapat digunakan kembali atau berkas skill.md khusus dengan skrip dan referensi.
00:08:25Selain itu, Anda dapat menggunakan plugin dan alat MCP untuk memperluas kemampuan agen.
00:08:29Namun mengetahui alat-alat ini saja tidak cukup. Kombinasi yang tepatlah yang penting. Setiap proyek memerlukan
00:08:34pengaturan yang berbeda, jadi Anda harus membangunnya berdasarkan kebutuhan proyek Anda. Dengan keseimbangan yang tepat,
00:08:39Anda akan mendapatkan hasil sesuai keinginan. Tugas kita belum selesai setelah perencanaan dan pendelegasian
00:08:44hal itu memang menghemat banyak waktu, tetapi menuntut waktu dan perhatian kita pada hal lain.
00:08:49mode, it does save a lot of time, but it requires our time and attention towards something else.
00:08:53Tekanan bergeser ke akhir siklus. Meninjau kode menjadi lebih penting.
00:08:58Kode yang tidak ditinjau dapat menyebabkan penurunan performa dan biaya tinggi. Anda dapat menggunakan alur kerja
00:09:02terstruktur untuk mempermudah peninjauan. Ini akan menghasilkan lebih sedikit bug dan menyelamatkan Anda dari masalah di kemudian hari.
00:09:07Sekarang, pengujian bukan sekadar pergi ke agen Anda dan berkata “uji aplikasi saya untuk semua masalah”. Ini melibatkan
00:09:12beberapa pendekatan untuk meningkatkan prosesnya. Salah satu metodenya adalah Test-Driven Development (TDD). Kami meminta
00:09:17agen untuk menulis kasus uji untuk fitur yang ingin kami implementasikan tanpa menulis kode apa pun di awal.
00:09:22Setelah pengujian ditulis, saya menghapus konteks dan memulai jendela baru. Ini memastikan agen
00:09:26kehilangan konteks tentang bagaimana ia menulis tes tersebut. Saya meminta Claude untuk menjalankan tes dan mereka gagal karena
00:09:31belum ada kode yang ditulis. Sekarang setelah saya tahu tesnya berfungsi dengan benar, saya meminta Claude untuk
00:09:36mengimplementasikan rutenya. Saya memastikan ia tidak mengubah pengujiannya. Dengan cara ini, agen memiliki tujuan yang jelas
00:09:41untuk diiterasi. Dalam TDD, pengujian ditulis sebelum kode, tetapi pengujian juga harus dilakukan
00:09:46setelah kode ditulis. Untuk tujuan itu, ada banyak bentuk pengujian. Saya menggunakan blackbox testing
00:09:51dan membuat user stories. Ini bertindak sebagai panduan terperinci tentang bagaimana pengguna sebenarnya akan berinteraksi dengan
00:09:56sistem dan bagaimana interaksi tersebut mungkin memicu kesalahan. Blackbox testing mengevaluasi
00:10:00fungsionalitas aplikasi berdasarkan persyaratan tanpa melihat kode itu sendiri.
00:10:05Saya kemudian menggunakan ekstensi Claude di Chrome untuk melakukan pengujian dan memintanya melakukan iterasi pada setiap user story,
00:10:10bagian demi bagian. Blackbox testing terutama mengidentifikasi masalah fungsionalitas. Untuk pengujian performa,
00:10:16kita juga butuh whitebox testing. Di sinilah kita benar-benar melihat kodenya, bukan hanya
00:10:21hasilnya. Kita menelusuri bagaimana kode diimplementasikan dan menalar arsitekturnya. Untuk whitebox
00:10:25testing, saya menggunakan dokumen XML yang berisi beberapa bagian dan subbagian pengujian. Dokumen ini
00:10:31bertindak sebagai panduan bagi Claude tentang cara menavigasi kode yang tertulis dan cara menemukan masalah arsitektur.
00:10:36Untuk menyederhanakan pengujian saya, saya menggunakan perintah khusus yang mengeksekusi tes dalam dokumen
00:10:41yang saya tempatkan di folder testing. Perintah ini mencantumkan instruksi untuk inisialisasi tes,
00:10:46cara mencatat hasil ke dalam berkas dalam format terstruktur, dan di akhir, cara membuat laporan
00:10:51akhir. Perintah slash ini membuat whitebox testing menjadi mudah bagi saya karena berisi prompt yang
00:10:56terstruktur untuk pengujian. Karena bagian tengah mulai menghilang dan fokus bergeser lebih ke arah awal
00:11:01dan akhir, kita perlu memikirkan kembali prioritas kita. Apa yang perlu kita prioritaskan sekarang adalah membentuk
00:11:05niat yang tepat melalui perencanaan dan penilaian persyaratan. Kita juga harus memastikan bahwa hasilnya
00:11:10memenuhi ekspektasi melalui proses pengujian dan peninjauan yang menyeluruh. Para pengembang yang menguasai prinsip-prinsip
00:11:15ini akan menjadi orang-orang yang memimpin masa depan. Itu membawa kita ke akhir video ini. Jika Anda ingin
00:11:20mendukung kanal ini dan membantu kami terus membuat video seperti ini, Anda dapat melakukannya dengan menggunakan
00:11:24tombol Super Thanks di bawah. Seperti biasa, terima kasih telah menonton dan sampai jumpa di video berikutnya.