Workflow Coding Agentik LENGKAP Saya untuk Bangun Apa Pun (Tanpa Basa-basi atau Overengineering)

하이라이트

• Pentingnya membangun "AI Layer" yang terdiri dari PRD, aturan global, dan perintah khusus sebagai fondasi proyek.

• Strategi pengurangan asumsi agen dengan meminta rangkaian pertanyaan detail sebelum penulisan kode dimulai.

• Penerapan siklus PIV (Plan, Implement, Validate) untuk menjaga kualitas dan fokus pada setiap fase pengembangan.

• Penggunaan sub-agen khusus riset untuk mengisolasi konteks dan mencegah degradasi performa model utama.

• Manajemen konteks sebagai aturan emas untuk memastikan efisiensi token dan akurasi logika pemrograman AI.

• Integrasi pengujian regresi otomatis menggunakan alat eksternal seperti QA Tech untuk menjaga stabilitas aplikasi.

• Pola pikir evolusi sistem yang menekankan perbaikan instruksi AI setiap kali ditemukan kesalahan atau bug.

타임라인

1. 00:00 - 02:30

   Pendahuluan dan Filosofi Pengembangan Greenfield

   Pembicara memperkenalkan kerangka kerja pengodean agentik yang sederhana untuk proyek baru atau disebut pengembangan Greenfield. Fokus utamanya adalah menghindari sistem multi-agen yang terlalu rumit di GitHub yang sering kali menyebabkan overengineering. Inti dari metode ini adalah penggunaan prinsip universal yang dapat diterapkan pada asisten AI apa pun seperti Claude atau ChatGPT. Penjelasan awal mencakup empat aturan emas termasuk manajemen konteks yang dianggap sebagai sumber daya paling berharga bagi pengembang. Bagian ini menekankan bahwa perencanaan yang matang di awal akan mempercepat seluruh proses implementasi di tahap berikutnya.

2. 02:31 - 05:40

   Membangun AI Layer: PRD dan Aturan Global

   Bagian ini membahas pembentukan AI Layer yang terdiri dari aset-aset dasar seperti Product Requirements Document (PRD) dan aturan global. Pembicara menjelaskan bahwa AI Layer berfungsi sebagai peta jalan bagi agen untuk memahami apa yang harus dibangun dan bagaimana cara membangunnya secara konsisten. Penggunaan perintah atau keahlian (skills) yang dapat digunakan kembali sangat disarankan agar sistem dapat berevolusi seiring pertumbuhan basis kode. Melalui contoh proyek Linktree versi hos mandiri, audiens diajarkan cara mengumpulkan ide secara tidak terstruktur sebelum diformalkan. Perencanaan awal ini mungkin terasa lambat di awal, namun krusial untuk mencegah penulisan ribuan baris kode yang salah akibat ketidakselarasan visi.

3. 05:41 - 11:15

   Proses Curah Ide dan Pengurangan Asumsi Agen

   Pembicara mendemonstrasikan teknik curah ide menggunakan alat pengubah ucapan ke teks untuk mentransfer konsep aplikasi ke Claude Code secara cepat. Strategi paling penting di sini adalah memaksa agen untuk memberikan banyak pertanyaan klarifikasi guna menghilangkan asumsi yang salah dari sisi AI. Pertanyaan pilihan ganda dari agen membantu mengunci detail teknis seperti struktur URL, batas pengguna, dan tumpukan teknologi seperti Next.js dan Neon. Penggunaan sub-agen riset juga diperkenalkan untuk menjaga kebersihan konteks utama dengan hanya menarik ringkasan temuan penting saja. Dengan menjawab puluhan pertanyaan detail, pengembang dapat menghemat waktu dari perbaikan bug logika yang mahal di masa mendatang.

4. 11:16 - 18:40

   Formalisasi PRD dan Pembuatan Aturan Instruksi

   Setelah klarifikasi selesai, langkah selanjutnya adalah menjalankan perintah khusus untuk menghasilkan PRD terstruktur dalam format Markdown. PRD ini mencakup cakupan MVP, fase kerja, struktur direktori, dan hal-hal yang berada di luar cakupan proyek saat ini. Pembicara kemudian beralih ke pembuatan aturan global dalam berkas seperti agents.md yang berisi batasan dan konvensi pengodean universal. Teknik "pengungkapan progresif" diterapkan dengan memisahkan dokumen referensi khusus seperti panduan API atau komponen agar tidak membebani konteks agen secara sekaligus. Hal ini memastikan agen hanya memuat informasi yang benar-benar dibutuhkan sesuai dengan tugas yang sedang dikerjakan.

5. 18:41 - 27:15

   Perintah Prime dan Siklus PIV (Plan, Implement, Validate)

   Sesi implementasi dimulai dengan perintah "/prime" di setiap sesi baru untuk menyelaraskan pemahaman agen terhadap kondisi terkini basis kode. Pembicara memperkenalkan metodologi PIV yang merupakan singkatan dari Plan (Rencana), Implement (Implementasi), dan Validate (Validasi). Tahap perencanaan tugas dilakukan dengan sangat detail, bahkan mencakup strategi validasi dan daftar tugas per berkas sebelum kode pertama ditulis. Salah satu aturan emas yang ditekankan kembali adalah mereset jendela konteks sebelum eksekusi untuk memastikan fokus total agen pada rencana yang telah disepakati. Metode ini mengubah gaya "vibe coding" yang tidak teratur menjadi proses delegasi pengodean yang terukur dan dapat diverifikasi.

6. 27:16 - 34:55

   Eksekusi Kode, Variabel Lingkungan, dan Demo Produk

   Pada tahap implementasi, pembicara memberikan tip penting mengenai pengaturan variabel lingkungan sebelum agen mulai bekerja agar pengujian tidak gagal. Agen kemudian mengeksekusi rencana, melakukan migrasi basis data, dan menjalankan pengujian end-to-end secara otomatis menggunakan browser CLI. Hasilnya adalah aplikasi fungsional yang memungkinkan pengguna mengatur profil, menambahkan tautan sosial, dan mengurutkannya secara visual. Meskipun agen melakukan banyak pekerjaan, validasi manusia tetap diperlukan melalui tinjauan kode dan pengujian manual di browser. Demo menunjukkan bahwa meskipun desain visual belum sempurna, fondasi fungsional aplikasi telah berhasil dibangun dengan sangat cepat melalui metode ini.

7. 34:56 - 42:22

   Memori Jangka Panjang, Pengujian Regresi, dan Penutup

   Di bagian akhir, pembicara menjelaskan pentingnya pesan commit git yang terstandarisasi sebagai memori jangka panjang bagi agen AI. Untuk menjaga stabilitas proyek dalam jangka panjang, disarankan menggunakan platform seperti QA Tech guna melakukan pengujian regresi otomatis yang terus berevolusi. Konsep terakhir adalah "Pola Pikir Evolusi Sistem" di mana setiap bug yang muncul harus memicu perbaikan pada AI Layer agar kesalahan serupa tidak terulang. Pembicara menyimpulkan bahwa proses ini menciptakan siklus pertumbuhan paralel antara kode aplikasi, rangkaian pengujian, dan instruksi AI. Video diakhiri dengan ajakan untuk bergabung dalam komunitas dan nantikan pembahasan mengenai pengembangan sistem yang sudah ada atau Brownfield.