Pendiri Claude Code mengungkapkan: Bagaimana mengubah Claude menjadi "tim pengembangan virtual" Anda?

nol

Teks asli: Boris Cherny, pengembang Claude Code

Kompilasi & Organisasi: Xiaohu AI

Anda mungkin pernah mendengar tentang Claude Code dan bahkan menggunakannya untuk menulis kode dan memodifikasi dokumentasi. Tetapi pernahkah Anda bertanya-tanya: bagaimana AI akan mengubah cara Anda bekerja jika itu bukan “alat sementara” tetapi anggota penuh dari proses pengembangan Anda, atau bahkan sistem kolaborasi otomatis?

Boris Cherny, ayah Claude Code, menulis tweet yang sangat rinci tentang bagaimana dia menggunakan alat secara efisien dan bagaimana dia dan timnya mengintegrasikan Claude ke dalam seluruh proses rekayasa dalam praktik.

Artikel ini akan membuat ringkasan sistematis dan interpretasi populer dari pengalamannya.

Bagaimana Boris menjadikan AI sebagai mitra otomatisasi dalam alur kerjanya?

Kesimpulan utama:

Dia memperkenalkan alur kerjanya, termasuk:

Cara menggunakan Claude:

Jalankan banyak Claude bersama-sama: Buka 5 ~ 10 sesi di terminal dan halaman web untuk menangani tugas secara paralel, dan juga gunakan ponsel Anda Claude.

Jangan mengubah pengaturan default secara membabi buta: Claude bekerja langsung dari kotak, jadi tidak perlu konfigurasi yang rumit.

Gunakan model terkuat (Opus 4.5): sedikit lebih lambat, tetapi lebih pintar dan tidak terlalu bebas masalah.

Rencanakan sebelum menulis kode (Mode rencana): Biarkan Claude membantu Anda berpikir jernih sebelum menulis, dengan tingkat keberhasilan yang tinggi.

Setelah membuat kode, gunakan alat untuk memeriksa pemformatan untuk menghindari kesalahan.

Cara membuat Claude lebih pintar dan lebih pintar:

Tim mempertahankan “basis pengetahuan”: setiap kali Claude menulis sesuatu yang salah, dia menambahkan pengalaman dan tidak melakukannya lagi lain kali.

Latih Claude secara otomatis saat menulis PR: Biarkan Claude membaca PR dan mempelajari penggunaan atau spesifikasi baru.

Perintah yang umum digunakan menjadi perintah garis miring, dan Claude dapat memanggilnya secara otomatis, menghemat tenaga kerja berulang.

Gunakan “sub-agen” untuk menangani beberapa tugas tetap, seperti penyederhanaan kode, verifikasi fungsi, dll.

Cara mengelola izin:

Alih-alih melewati izin, atur perintah aman untuk diteruskan secara otomatis.

Sinkronkan alur kerja Claude di beberapa perangkat (web, terminal, seluler).

Poin terpenting:

Pastikan untuk memberi Claude “mekanisme validasi” sehingga dapat mengonfirmasi bahwa apa yang ditulisnya benar.

Misalnya, Claude secara otomatis menjalankan pengujian, membuka browser untuk menguji halaman web, dan memeriksa apakah fungsi tersebut berfungsi.

Claude Code adalah “mitra”, bukan “alat”

Boris memulai dengan menyampaikan ide inti: Claude Code bukanlah alat statis, tetapi pendamping cerdas yang dapat bekerja dengan Anda, terus belajar, dan tumbuh bersama.

Ini tidak memerlukan konfigurasi yang banyak rumit dan kuat langsung dari kotak. Tetapi jika Anda bersedia menginvestasikan waktu untuk membangun cara yang lebih baik untuk menggunakannya, keuntungan efisiensi yang dapat dibawanya sangat eksponensial.

Pemilihan model: pilih yang paling pintar, bukan yang tercepat

Boris menggunakan model andalan Claude, Opus 4.5 + Pola Pikir (“dengan pemikiran”), untuk semua tugas pengembangan.

Meskipun model ini lebih besar dan lebih lambat dari Sonnet, tetapi:

Ini lebih komprehensif

Lebih baik dengan alat

Tidak perlu bimbingan berulang, lebih sedikit komunikasi bolak-balik

Secara keseluruhan, ini menghemat lebih banyak waktu daripada menggunakan model cepat

Pencerahan: Efisiensi produksi yang sebenarnya tidak terletak pada kecepatan eksekusi, tetapi pada “lebih sedikit kesalahan, lebih sedikit pengerjaan ulang, dan penjelasan yang lebih sedikit berulang”.

1. Mode rencana: Tulis kode dengan AI, jangan terburu-buru membiarkannya “menulis”

Saat kita membuka Claude, banyak orang secara intuitif mengetik “tulis antarmuka untuk saya” atau “memfaktorkan ulang kode ini”… Claude juga biasanya “menulis beberapa”, tetapi sering tersesat, melewatkan logika, atau bahkan salah memahami persyaratan.

Langkah pertama Boris tidak pernah meminta Claude untuk menulis kode. Dia menggunakan model Plan – dia bekerja dengan Claude untuk mengembangkan ide implementasi terlebih dahulu, dan kemudian beralih ke tahap eksekusi.

Bagaimana dia melakukannya?

Saat memulai PR, Boris tidak mengizinkan Claude menulis kode secara langsung, tetapi menggunakan mode Rencana:

1. Jelaskan tujuannya

2. Buat rencana dengan Claude

3. Konfirmasikan setiap langkah

4. Biarkan Claude menulis dengan tangan

Setiap kali dia perlu mengimplementasikan fitur baru, seperti “tambahkan pembatasan ke API”, dia akan mengonfirmasi dengan Claude langkah demi langkah:

Apakah itu diimplementasikan dengan middleware, atau disematkan secara logis?

Apakah konfigurasi pembatasan saat ini perlu dimodifikasi secara dinamis?

Apakah Anda membutuhkan log? Apa yang dikembalikan jika gagal?

Proses “negosiasi rencana” ini mirip dengan dua orang yang menggambar “gambar konstruksi” bersama-sama.

Setelah Claude memahami tujuannya, Boris mengaktifkan mode “terima suntingan secara otomatis”, yang memungkinkan Claude untuk memodifikasi kode, mengirimkan PR, dan terkadang bahkan menghilangkan kebutuhan untuk konfirmasi manual.

“Kualitas kode Claude tergantung pada apakah Anda setuju sebelum Anda menulis kode.” —— Boris

Wahyu: Alih-alih berulang kali menambal kesalahan Claude, mari kita gambar peta jalan yang jelas bersama-sama dari awal.

Ringkasan

Model Plan tidak membuang-buang waktu, tetapi pra-negosiasi untuk eksekusi yang stabil. Tidak peduli seberapa kuat AI, itu juga harus “Anda mengatakannya dengan jelas”.

2. Multi-Claude Parallel: Bukan AI, tetapi regu pengembangan virtual

Boris tidak hanya menggunakan satu Claude. Rutinitas hariannya seperti ini:

Buka 5 Claude lokal di terminal, dan sesi ditugaskan untuk tugas yang berbeda (seperti pemfaktoran ulang, tes penulisan, dan penyadap).

Buka 5-10 Claude lagi di browser, sejajar dengan tingkat lokal

Gunakan aplikasi Claude iOS di ponsel Anda untuk meluncurkan tugas kapan saja

Setiap instance Claude seperti “asisten khusus”: beberapa bertanggung jawab untuk menulis kode, beberapa bertanggung jawab untuk menyelesaikan dokumen, dan beberapa tergantung di latar belakang untuk waktu yang lama untuk melakukan tugas pengujian.

Dia bahkan menyiapkan notifikasi sistem sehingga dia akan diberi tahu segera setelah Claude menunggu input.

Mengapa melakukan ini?

Konteks Claude bersifat lokal dan tidak cocok untuk “satu jendela melakukan segalanya”. Boris membagi Claude menjadi beberapa karakter untuk bekerja secara paralel, mengurangi waktu tunggu dan “mengganggu memori” di sisi lain.

Dia juga mengingatkan dirinya sendiri melalui pemberitahuan sistem: “Claude 4 sedang menunggu balasan Anda” dan “Claude 1 selesai menguji”, mengelola AI ini seolah-olah mereka mengelola sistem multi-utas.

Pemahaman analogi

Bayangkan diri Anda duduk di sebelah lima magang cerdas, masing-masing ditugaskan dengan tugas. Anda tidak perlu melakukan segalanya sampai akhir, cukup “memotong orang” pada saat-saat kritis dan menjaga tugas tetap berjalan lancar.

Implikasi: Menggunakan Claude sebagai beberapa “asisten virtual” untuk melakukan tugas yang berbeda dapat secara signifikan mengurangi waktu tunggu dan biaya peralihan konteks.

3. Perintah Tebas: Ubah apa yang Anda lakukan setiap hari menjadi pintasan untuk Claude

Ada beberapa alur kerja yang kami lakukan puluhan kali sehari:

Mengubah kode → melakukan commit → push → membuat PR

Periksa status build → beri tahu tim tentang masalah pembaruan →

Sinkronkan perubahan ke beberapa sesi di web dan lokal

Boris tidak ingin meminta Claude setiap saat: “Tolong berkomitmen, lalu dorong, lalu bangun PR …”

Dia merangkum operasi ini ke dalam perintah Slash, seperti:

/komitmen-dorong-PR

Di balik perintah ini adalah logika skrip Bash, disimpan di folder .claude/commands/, ditambahkan ke manajemen Git, dan digunakan oleh anggota tim.

Bagaimana Claude menggunakan perintah ini?

Ketika Claude menemukan perintah ini, ia tidak hanya “menjalankan perintah”, ia juga mengetahui alur kerja yang diwakilinya dan dapat secara otomatis menjalankan langkah-langkah perantara, pra-mengisi parameter, dan menghindari komunikasi berulang.

Pahami poin-poin penting

Perintah Slash seperti “tombol otomatis” yang Anda instal untuk Claude. Anda melatihnya untuk memahami alur tugas, dan kemudian dapat menjalankannya dengan satu klik.

“Saya tidak hanya dapat menghemat waktu dengan perintah, tetapi Claude juga bisa.” —— Boris

Wahyu: Jangan ulangi prompt input setiap saat, abstrak tugas frekuensi tinggi menjadi perintah, Anda dan Claude dapat bekerja sama untuk “mengotomatisasi”.

4. Basis Pengetahuan Tim: Claude tidak mengandalkan petunjuk untuk belajar, tetapi pada gen pengetahuan yang dikelola oleh tim

Tim Boris memelihara basis pengetahuan .claude dan bergabung dengan manajemen Git.

Ini seperti “Wikipedia internal” untuk Claude, mencatat:

Apa cara menulis yang benar

Apa praktik terbaik yang disepakati tim

Masalah apa yang harus diperbaiki?

Claude secara otomatis mereferensikan basis pengetahuan ini untuk memahami konteks dan menentukan gaya kode.

Apa yang harus dilakukan ketika Claude melakukan sesuatu yang salah?

Setiap kali Claude salah paham atau salah menulis logika, dia menambahkan pelajaran.

Setiap tim mempertahankan versinya sendiri.

Semua orang berkolaborasi dalam pengeditan, dan Claude membuat penilaian berdasarkan basis pengetahuan ini secara real time.

Sebagai contoh:

Jika Claude terus menulis logika penomoran halaman yang salah, tim hanya perlu menulis standar penomoran halaman yang benar ke dalam basis pengetahuan, dan setiap pengguna akan secara otomatis mendapat manfaat di masa mendatang.

Pendekatan Boris: jangan memarahinya, jangan matikan, tetapi “berlatih sekali”:

Kami tidak menulis kode ini seperti ini, tetapi menambahkannya ke basis pengetahuan

Claude tidak akan membuat kesalahan ini lagi lain kali.

Terlebih lagi, mekanisme ini tidak dikelola oleh Boris sendirian, tetapi disumbangkan dan dimodifikasi oleh seluruh tim setiap minggu.

Pencerahan: Dengan AI, tidak semua orang sendirian, tetapi untuk membangun sistem “memori kolektif”.

5. Mekanisme pembelajaran otomatis: PR sendiri adalah “data pelatihan” Claude

Boris sering @Claude PR saat melakukan tinjauan kode, seperti:

@.claude menambahkan fungsi ini ke basis pengetahuan

Bersama dengan GitHub Actions, Claude secara otomatis mempelajari maksud di balik perubahan ini dan memperbarui pengetahuan internalnya.

Ini mirip dengan “terus melatih Claude”, di mana setiap ulasan tidak hanya cocok dengan kode tetapi juga meningkatkan kemampuan AI.

Ini bukan lagi “pasca-pemeliharaan” tetapi mengintegrasikan mekanisme pembelajaran AI ke dalam kolaborasi sehari-hari.

Tim menggunakan PR untuk meningkatkan kualitas kode, dan Claude meningkatkan pengetahuan pada saat yang bersamaan.

Implikasi: PR bukan hanya proses peninjauan kode tetapi peluang bagi alat AI untuk berkembang sendiri.

6. Subagen: Biarkan Claude melakukan tugas kompleks secara modular

Selain proses tugas utama, Boris juga mendefinisikan sejumlah subagen untuk menangani tugas sekunder umum.

Subagen adalah modul yang berjalan secara otomatis, seperti:

code-simplifier: Secara otomatis merampingkan struktur setelah Claude selesai menulis kode

verify-app: Jalankan pengujian lengkap untuk memverifikasi bahwa kode baru tersedia

log-analyzer: Menganalisis log kesalahan untuk menemukan masalah dengan cepat

Sub-agen ini secara otomatis terhubung ke alur kerja Claude seperti plugin, berjalan secara otomatis dan kolaboratif, tanpa perlu meminta berulang.

Wahyu: Sub-agen adalah “anggota tim” Claude, dan Claude dipromosikan dari asisten menjadi “komandan proyek”.

Claude bukan hanya satu orang, tetapi manajer kecil yang bisa Anda pimpin tim.

7. Paragraf tambahan 1: PostToolUse Hook - penjaga gerbang terakhir dari pemformatan kode

Tidak mudah untuk membuat semua orang menulis kode dengan gaya seragam dalam sebuah tim. Meskipun Claude memiliki kemampuan generasi yang kuat, pasti akan memiliki kekurangan detail seperti lekukan yang buruk dan lebih banyak garis kosong.

Apa yang dilakukan Boris adalah menyiapkan PostToolUse Hook -

Sederhananya, ini adalah “kait pasca-pemrosesan” yang secara otomatis disebut Claude setelah “menyelesaikan tugas”.

Perannya meliputi:

Memperbaiki pemformatan kode secara otomatis

Catatan tambahan yang hilang

Menangani kesalahan lint untuk menghindari CI hang

Langkah ini biasanya tidak rumit, tetapi kritis. Sama seperti menjalankan Grammarly lagi setelah menulis artikel, karya yang dikirimkan stabil dan rapi.

Untuk alat AI, kunci kesuksesan seringkali bukan pada kekuatan generatif, tetapi pada kemampuan penyelesaian.

8. Manajemen izin: Pra-otorisasi alih-alih melewatkan

Boris menjelaskan bahwa dia tidak menggunakan --dangerously-skip-permissions - parameter di Claude Code yang dapat melewati semua permintaan izin saat menjalankan perintah.

Kedengarannya nyaman, tetapi juga bisa berbahaya, seperti menghapus file secara tidak sengaja, menjalankan skrip yang salah, dll.

Alternatifnya adalah:

1. Gunakan perintah /permissions untuk secara eksplisit mendeklarasikan perintah mana yang dapat dipercaya

2. Tulis konfigurasi izin ini ke .claude/settings.json

3. Bagikan pengaturan keamanan ini dengan seluruh tim Anda

Ini seperti pra-membuka sekumpulan operasi “daftar putih” untuk Claude, seperti:

“preApprovedCommands”: [

“git komitmen”,

“npm run build”,

“tertekan”

]

Claude melakukan tindakan ini tanpa mengganggunya setiap saat.

Mekanisme izin ini dirancang agar lebih seperti sistem operasi tim daripada alat yang berdiri sendiri. Dia mengotorisasi perintah bash umum dan aman dengan perintah /permissions, yang disimpan dalam .claude/settings.json dan dibagikan oleh tim.

Implikasi: Otomatisasi AI tidak berarti lepas kendali. Memasukkan kebijakan keamanan ke dalam proses otomatisasi itu sendiri benar-benar rekayasa.

9. Hubungan multi-alat: Claude = robot multi-fungsi

Boris tidak hanya membiarkan Claude menulis kode secara lokal. Dia mengonfigurasi Claude untuk mengakses beberapa platform inti melalui MCP (modul layanan pusat):

Notifikasi Slack otomatis (seperti hasil build)

Mengkueri data BigQuery (seperti metrik perilaku pengguna)

Mengikis log Sentry (misalnya pelacakan anomali online)

Bagaimana cara mencapainya?

Konfigurasi MCP disimpan dalam .mcp.json

Claude membaca konfigurasi saat runtime, secara mandiri melakukan tugas lintas platform

Seluruh tim berbagi serangkaian konfigurasi

Semua ini dilakukan melalui integrasi MCP (sistem kontrol pusat Claude) dengan Claude, dan konfigurasi disimpan dalam .mcp.json.

Claude seperti asisten robot yang membantu Anda:

“Selesaikan penulisan kode → kirimkan PR → Tinjauan kinerja → Pemberitahuan QA → log laporan”.

Ini bukan lagi alat AI dalam arti tradisional, tetapi pusat saraf untuk sistem rekayasa.

Wahyu: Jangan biarkan AI bekerja hanya “di editor”,

Ini bisa menjadi penjadwal di seluruh ekosistem sistem Anda.

10. Pemrosesan asinkron tugas panjang: agen latar belakang + plugin + kait

Dalam proyek nyata, Claude terkadang harus berurusan dengan tugas panjang, seperti:

Build + Test + Deploy

Hasilkan laporan + kirim email

Skrip migrasi data sedang berjalan

Pendekatan Boris sangat direkayasa:

Tiga cara untuk menangani tugas yang panjang:

1. Setelah Claude selesai, gunakan agen latar belakang untuk memverifikasi hasilnya

2. Gunakan Stop Hook untuk memicu tindakan tindak lanjut secara otomatis di akhir tugas

3. Gunakan plugin ralph-wiggum (diusulkan oleh @GeoffreyHuntley) untuk mengelola status proses yang panjang

Dalam skenario ini, Boris menggunakan:

–permission-mode=dontAsk

Atau masukkan tugas ke dalam kotak pasir untuk menghindari gangguan proses karena permintaan izin.

Claude bukanlah “pengawas konstan”, tetapi kolaborator yang dapat Anda percayai dalam menerima tamu Anda.

Implikasi: Alat AI tidak hanya cocok untuk operasi pendek dan cepat, tetapi juga untuk proses jangka panjang yang kompleks - asalkan Anda membangun “mekanisme hosting” untuk mereka.

11. Mekanisme verifikasi otomatis: Nilai keluaran Claude tidak sepadan, itu tergantung pada apakah itu dapat memverifikasi dirinya sendiri

Salah satu hal terpenting tentang pengalaman Boris adalah:

Setiap hasil yang dihasilkan oleh Claude harus memiliki “mekanisme validasi” untuk memeriksa kebenarannya.

Dia akan menambahkan skrip validasi atau kait ke Claude:

Setelah menulis kode, Claude secara otomatis menjalankan kasus pengujian untuk memverifikasi bahwa kode tersebut benar

Mensimulasikan interaksi pengguna di browser untuk memvalidasi pengalaman front-end

Bandingkan log dan metrik secara otomatis sebelum dan sesudah operasi

Jika tidak lolos, Claude akan secara otomatis memodifikasi dan mengeksekusi ulang. sampai berlalu.

Ini seperti Claude membawa “sistem umpan balik loop tertutup” sendiri.

Ini tidak hanya meningkatkan kualitas, tetapi juga mengurangi beban kognitif pada orang.

Pencerahan: Apa yang benar-benar menentukan kualitas hasil AI bukanlah jumlah parameter model, tetapi apakah Anda telah merancang “mekanisme pemeriksaan hasil” untuk itu.

Ringkasan: Alih-alih menggantikan manusia, biarkan AI bekerja sama seperti manusia

Pendekatan Boris tidak mengandalkan “fitur tersembunyi” atau teknologi gelap, tetapi menggunakan Claude secara teknis untuk meningkatkannya dari “alat obrolan” menjadi komponen sistem kerja yang efisien.

Penggunaan Claude-nya memiliki beberapa fitur inti:

Paralelisme multi-sesi: pembagian tugas yang lebih jelas dan efisiensi yang lebih tinggi

Rencanakan Pertama: Mode Rencana meningkatkan keselarasan tujuan Claude

Dukungan sistem pengetahuan: Tim bersama-sama memelihara basis pengetahuan AI dan terus melakukan iterasi

Otomatisasi tugas: Perintah garis miring + sub-agen, memungkinkan Claude bekerja seperti mesin proses

Mekanisme umpan balik loop tertutup: Setiap output Claude memiliki logika verifikasi, memastikan output yang stabil dan andal

Faktanya, pendekatan Boris menunjukkan cara baru menggunakan AI:

Tingkatkan Claude dari “asisten percakapan” menjadi “sistem pemrograman otomatis”

Mengubah akumulasi pengetahuan dari otak manusia menjadi basis pengetahuan untuk AI

Ubah proses dari operasi manual yang berulang menjadi alur kerja otomatis yang bernaskah, modular, dan kolaboratif

Pendekatan ini tidak mengandalkan sihir hitam, tetapi merupakan manifestasi dari kemampuan teknik. Anda juga dapat belajar dari ini untuk menggunakan Claude atau alat AI lainnya dengan lebih efisien dan cerdas.

Jika Anda sering merasa bahwa “ia tahu sedikit tetapi tidak dapat diandalkan” atau “Saya selalu perlu memperbaiki kode yang saya tulis”, masalahnya mungkin bukan pada Claude, tetapi karena Anda belum memberinya mekanisme kolaborasi yang matang.

Claude dapat menjadi magang yang memenuhi syarat atau mitra teknik yang stabil dan andal, tergantung pada bagaimana Anda menggunakannya.