Jebakan vibe coding
Sejak AI makin mainstream, vibe coding jadi kebiasaan default banyak orang. Tinggal ketik prompt, biarkan AI yang ngoding, dan hasilnya kelihatan jalan. Masalahnya: sering kali kamu nggak benar-benar paham apa yang barusan agent kerjakan di balik layar.
Belajar pakai AI juga rawan terjebak pola yang sama. Pas ada yang ngejelasin, semuanya terasa masuk akal — kamu angguk-angguk paham. Tapi giliran disuruh bangun sendiri dari nol, kepala langsung blank. Paham pas diajarin, tapi mentok pas disuruh praktik.
Dua-duanya berakar dari masalah yang sama: kamu cuma jadi konsumen jawaban, bukan pembangunnya.
Mulai dari case study, bukan baca docs
Kunci workflow ini sederhana: mulai dari studi kasus nyata, bukan baca materinya duluan.
Hampir nggak ada yang lebih membosankan daripada baca dokumentasi berlembar-lembar tanpa arah yang jelas. Tapi begitu ada satu project nyata yang ingin kamu selesaikan, setiap konsep langsung punya konteks: kenapa ini dipakai, kapan dibutuhin, dan apa dampaknya kalau kamu salah implementasi.
Contoh prompt-nya sesimpel ini:
I want to learn AI agent orchestration using LangChain, with case study: AI code reviewer multi-agent (security, performance, code style).
Cukup satu prompt, dan arah belajarnya langsung terarah: teknologinya apa, project-nya apa.
Empat langkah, satu fase dalam satu waktu
Begitu arahnya jelas, minta agent menjalankan empat langkah ini:
- Research — riset teknologi, library, best practice, dan temuan teknis. Agent bakal ngecek kondisi terkini: versi berapa yang stabil, approach mana yang paling cocok, dan apa saja yang sudah deprecated atau tricky.
- Design architecture — struktur project, diagram alur data, dan roadmap pengerjaan. Kamu review dan sepakati bareng sebelum ada kode yang ditulis.
- Phase breakdown — pecah pengerjaan jadi fase-fase sekecil mungkin. Tiap fase harus cukup ringkas buat diselesaikan dalam sekali duduk.
- Iterate — eksekusi satu fase dulu, tes dan pastikan jalan, baru lanjut ke fase berikutnya.
Output-nya adalah tutorial langkah demi langkah: lengkap dengan kode dan penjelasannya. Tugasmu tinggal mengikutinya.
Aturan emas: agent DILARANG menulis kode langsung
Ini bagian paling krusial: agent dilarang keras ngetik kode ke file project kamu. Kamu, manusianya, wajib mengetiknya manual.
Kenapa? Karena proses ngetik kode sendiri itu memicu banyak pertanyaan dan error di hampir setiap baris — dan di situlah proses belajar sesungguhnya terjadi:
- "Kenapa kodenya harus begini?"
- "Baris ini fungsinya buat apa?"
- "Kok bagian ini throwing error?"
Pertanyaan-pertanyaan itu bikin sesi belajarmu jadi diskusi dua arah yang hidup. Agent menjelaskan, kamu bisa menyanggah, dan kadang kamu malah nemu cara yang lebih efisien. Bukan sekadar pasrah nerima output mentah.
Hafal dan paham, bukan sekadar asal ship
Tujuan akhirnya selalu dua hal: hafal dan paham. Bukan sekadar "yang penting project-nya jadi", tapi kamu beneran ngerti kenapa dan bagaimana tiap baris kode bekerja.
Dengan cara ini, esensi ngoding nggak hilang. Kamu tetap menulis, membaca, dan memahami logika baris demi baris — bukan serba disuapi AI. Plus, muscle memory jemari buat ngoding tetap terjaga.
Workflow ini sekarang sudah saya kemas jadi playbook publik yang bisa kamu pakai di agent mana pun: AI-Guided Learning Playbook. Tinggal arahkan agent-mu ke sana, tentukan teknologi dan project yang mau kamu ulik, sisanya tinggal ikuti ritmenya.