Hemat Token, Hemat Waktu: Tips Ngoding Efektif Bareng AI

Makin sering saya pakai AI coding assistant buat kerjaan sehari-hari, makin sadar efektivitasnya bukan cuma soal AI-nya sepintar apa, tapi soal gimana cara saya sendiri berkomunikasi sama dia. Ini bukan daftar tips generik yang bisa ditemuin di mana aja — ini pelajaran yang saya kumpulin dari kesalahan sendiri, satu per satu.

Instruksi ambigu itu mahal, bukan cuma di token

Awal-awal pakai AI agent, saya suka kasih instruksi singkat kayak “bikin form login” tanpa jelasin scope-nya. Hasilnya sering over-engineered — validasi email pakai regex kompleks yang saya nggak minta, state management yang lebih rumit dari kebutuhan, error handling buat skenario yang nggak bakal kejadian di proyek internal kecil. Butuh beberapa kali koreksi sebelum saya sadar: makin ambigu instruksinya, makin sering agent-nya “ngisi kekosongan” dengan asumsi yang belum tentu sesuai maksud saya. Sekarang saya biasain nyebutin scope eksplisit — “form login sederhana, cuma email dan password, nggak perlu remember-me atau social login” — dan hasilnya jauh lebih deket sama yang saya bayangin dari percobaan pertama.

AI yang “yakin” itu nggak sama dengan AI yang benar

Ini yang paling bikin saya trauma. Pernah suatu kali agent bilang “sudah saya test, function-nya jalan dengan benar” — padahal begitu saya cek manual, dia cuma baca kode-nya dan nyimpulkan secara logis, bukan beneran ngejalanin test-nya. Bug-nya baru ketauan pas saya coba manual di browser. Sejak itu saya nggak pernah lagi percaya klaim “sudah jalan” tanpa liat output test-nya sendiri — command yang beneran dijalanin, hasil yang beneran keluar, bukan ringkasan yang kedengarannya masuk akal.

Konteks yang cukup itu ngurangin iterasi, bukan cuma “lebih sopan”

Saya dulu suka pelit ngasih konteks — cuma kasih satu function yang relevan, biar hemat token. Ternyata itu backfire: agent-nya nebak-nebak konvensi yang dipakai di file lain, dan hasilnya sering nggak konsisten sama pola yang udah ada. Sekarang saya lebih sering kasih dia baca dua-tiga file terkait plus satu contoh pola yang udah ada, dan total token yang kepake buat konteks awal itu biasanya lebih murah dibanding token yang kepake buat tiga-empat putaran koreksi gara-gara dia nebak salah.

Backup bukan buat “kalau-kalau”, tapi buat “pasti bakal kepake”

Ada satu kejadian yang bikin saya disiplin soal ini: agent lagi refactor satu file config, dan entah kenapa dia kebablasan ngehapus beberapa baris yang nggak related ke task-nya — ilang gitu aja tanpa saya minta. Untungnya saya kerja di branch git yang bersih, jadi tinggal git diff terus revert bagian yang nggak perlu. Kalau saya kerja langsung di working directory tanpa commit granular, saya nggak bakal ngerti persis apa yang berubah. Sekarang commit kecil-kecil sebelum kasih task besar ke agent itu bukan lagi kebiasaan baik, tapi keharusan.

Nggak semua penghematan token itu bagus

Ironisnya, kadang saya kebablasan ke arah sebaliknya — motong konteks terlalu agresif demi ngirit, terus malah harus ngulang instruksi yang sama beberapa kali karena agent-nya lupa constraint yang saya sebutin di awal sesi. Titik keseimbangannya bukan “sehemat mungkin”, tapi “cukup buat dia nggak perlu nebak”. Itu yang masih terus saya kalibrasi tiap proyek, karena tiap codebase punya level kompleksitas konteks yang beda.