Workflow Ngoding Bareng AI Agent yang Saya Pakai Sekarang

Setelah beberapa bulan eksperimen — dan cukup banyak momen di mana saya harus benerin sendiri hasil yang saya trust terlalu cepat — ini workflow ngoding bareng AI agent yang paling efektif buat saya sejauh ini, khususnya sebagai solo developer yang harus efisien dengan waktu terbatas dan nggak punya siapa-siapa buat review kerjaan saya selain diri sendiri.

Mulai dari konteks, bukan langsung minta kode. Sebelum minta agent bikin sesuatu, saya kasih konteks: apa yang udah ada, kenapa perlu perubahan ini, batasan apa yang harus dijaga. Awal-awal saya suka males ngetik konteks panjang dan langsung minta “bikinin fitur X” — hasilnya sering kelewat generic, nggak ngikutin pola yang udah ada di codebase, dan saya malah abis waktu lebih banyak buat benerin daripada kalau saya kasih konteks di awal. Semakin jelas konteksnya, semakin jarang saya perlu koreksi hasilnya.

Task kecil, review cepat. Daripada minta “bikinin fitur X lengkap” sekaligus, saya pecah jadi task-task kecil yang bisa saya review satu-satu. Ini bikin saya tetap paham apa yang berubah di codebase, bukan cuma nge-trust blind dan baru sadar ada yang aneh pas udah numpuk banyak perubahan. Ada satu kejadian yang bikin saya makin ketat soal ini: saya pernah minta agent refactor satu module yang cukup gede sekaligus, terus saya cuma skim diffnya karena kelihatan rapi, dan dua hari kemudian baru sadar ada satu function yang keganti behavior-nya secara halus — nggak error, cuma hasil hitungnya beda dikit di satu edge case. Kalau saya review per task kecil dari awal, kemungkinan besar saya bakal nangkep itu sebelum commit.

Biarkan agent eksplorasi codebase sendiri. Agent modern bisa baca file, cari pola yang udah ada, dan ikutin konvensi yang sudah dipakai. Saya nggak perlu jelasin ulang struktur proyek tiap kali — cukup pastikan dia baca dulu sebelum nulis, biasanya dengan minta dia baca beberapa file yang mirip dulu sebelum nulis yang baru. Ini juga yang bikin saya nggak perlu nulis dokumentasi arsitektur yang detail banget cuma buat “ngasih tau AI” — kode yang konsisten itu sendiri udah jadi dokumentasi yang cukup buat agent baca.

Verifikasi, bukan cuma percaya. Setiap perubahan penting saya build dan test manual sebelum commit. AI bisa “halu” dengan cara yang bikin saya salah kaprah — bukan halu yang keliatan aneh dan gampang dicurigai, tapi halu yang kelihatan yakin dan rapi padahal salah, kadang lebih meyakinkan dibanding kode yang beneran saya tulis sendiri waktu buru-buru. Testing tetap tanggung jawab saya, nggak bisa didelegasiin ke agent yang nulis kodenya sendiri — itu kayak minta orang yang sama ngecek pekerjaannya sendiri tanpa insentif buat nemuin salahnya.

Simpan keputusan arsitektur di kepala sendiri. Hal-hal strategis — pilihan stack, struktur data, trade-off desain kayak nyimpen state di mana, kapan pakai server component vs client component — tetap saya yang putuskan. Agent bisa ngasih opsi kalau saya minta, tapi dia nggak tau konteks bisnis atau constraint klien yang nggak ada di kode, jadi keputusan akhirnya tetap harus lewat saya.

Workflow ini bukan tentang “AI ngerjain semuanya”, tapi tentang gimana saya bisa fokus ke keputusan yang penting, sambil AI handle eksekusi yang lebih mekanis. Bagian yang paling sering saya lupa justru bagian verifikasi — bukan karena saya males, tapi karena semakin bagus hasil agent, semakin gampang saya lupa kalau dia tetap bisa salah dengan cara yang nggak kelihatan sekilas.