Alasan Saya Berhenti Melakukan Vibe Coding

• Tulisan yang merefleksikan secara kritis tentang Vibe Coding, yaitu mengalami keadaan tenggelam dalam pekerjaan (Flow) bersama AI saat mengembangkan software
• Selama dua bulan terakhir penulis bergantung pada vibe coding, tetapi menyimpulkan bahwa hasilnya tidak memuaskan dari sisi produktivitas maupun biaya
• Vibe Coding bukan metodologi pengembangan tertentu, melainkan semacam keadaan atau gaya pengembangan yang berpusat pada emosi
  • Menulis kode dengan mengikuti arus sambil bergantung pada asisten coding AI (Cline, Roo Code, Cursor, dll.)
  • Bekerja tanpa rencana yang jelas, hanya mengandalkan intuisi dan rasa tenggelam, serta mengejar 'perasaan ada kemajuan' yang didorong dopamin

Masalah Vibe Coding

• Membuang waktu: pada awalnya terasa berjalan cepat, tetapi karena tidak ada struktur, pekerjaan jadi terseret oleh error atau perubahan
• Biaya meningkat: makin besar context window AI, makin tinggi pula biaya panggilan API
  • Contoh: mengirim ratusan ribu token, menghasilkan ribuan baris → pada akhirnya menjadi beban biaya
• Pekerjaan ulang bertambah: kode yang dibuat cepat di awal ternyata tidak sesuai tujuan sehingga muncul situasi di mana semuanya harus diperbaiki ulang

Tetap Ada Kelebihannya

• Melalui debugging berulang dan memahami ulang, pemahaman terhadap struktur kode dan bahasa itu sendiri meningkat
• Penulis saat ini fokus mempelajari Python, dan sedikit demi sedikit membangun kemampuan memahami error dan mengarahkan model dengan benar

Vibe Coding vs. AI Chat vs. Pencarian Web

• Vibe Coding: berguna untuk eksplorasi awal atau percobaan eksperimental, tetapi tidak cocok untuk pengembangan yang terstruktur
• AI Chat (ChatGPT, dll.): berguna untuk jawaban cepat dan pembuatan boilerplate, tetapi berbahaya jika dipercaya mentah-mentah (ada kemungkinan halusinasi AI)
• Pencarian web: penting untuk mencari konsep dan solusi yang akurat, tetapi bisa memakan waktu lama

Kombinasi yang Saat Ini Disukai: Gemini + Open WebUI

• Gemini Code Assist (digunakan di VS Code):
  • Gratis, dan kuat untuk pembuatan kode tes serta perbaikan error
  • Sangat berguna terutama bagi orang yang baru pertama kali mencoba unit test
• Open WebUI:
  • Mendukung berbagai model dan bisa dikustomisasi
  • Dapat mengatur prompt sesuai tujuan tertentu (coding, paper, paten, dll.)
  • Cocok untuk pekerjaan yang efisien dari sisi biaya, seperti perapian teks, konversi tabel, dan sebagainya

Pilihan yang Tidak Efisien: Agen AI Tanpa Batas

• Roo Code, Cline, dll. berjalan lama dan menggunakan token dalam jumlah besar
  • Khususnya yang berbasis Claude, performanya memang bagus tetapi biayanya terlalu besar
• Sebagai gantinya, Gemini 2.0, DeepSeek V3/Chat, dll. gratis atau murah, dan performanya juga layak

Kesimpulan: Sedang Mencari Keseimbangan

• Vibe Coding tidak bisa dibilang sepenuhnya buruk
  • Membantu dalam menyalurkan kreativitas dan mengeksplorasi ide
• Namun, ini bukan cara pengembangan yang berkelanjutan
  • Di hadapan tenggat waktu dan biaya, dibutuhkan alternatif yang realistis
• Kombinasi optimal penulis saat ini:
  • Gemini Code Assist (gratis, kuat untuk unit test)
  • Open WebUI (unggul dari sisi kontrol dan biaya)
• Rencana ke depan:
  • Mempertimbangkan aplikasi chat berbayar seperti Perplexity ($20/bulan, juga ada tier gratis)
  • Karena biaya API sudah melebihi $30 per bulan, perlu penghematan biaya yang lebih terstruktur
  • Dalam jangka panjang, juga mempertimbangkan menjalankan model lokal, dan ada kemungkinan beralih jika muncul model yang lebih efisien

[GN⁺]

Komentar Hacker News

• Menarik membaca laporan tentang bagaimana orang lain menggunakan LLMs untuk coding

  • Secara pribadi, LLMs telah melewati "uncanny valley" dalam pemrograman dan sangat meningkatkan produktivitas
  • Jika masalah dan batasannya dijelaskan dengan baik, LLMs dapat menghasilkan ribuan baris kode dengan akurat
  • Penting untuk meninjau kode yang dihasilkan LLM, dan jika diminta secara spesifik, hasilnya bagus
  • Permintaan seperti "tolong jelaskan rencana untuk mengimplementasikan solusinya" itu berguna
  • Hasilnya mengejutkan. Gayanya bisa berbeda, tetapi secara struktural sangat akurat

• Vibe coding cocok untuk prototipe eksploratif, bukan untuk menulis kode produksi

  • Cocok untuk alat pribadi, tetapi tidak cocok untuk kode yang akan didistribusikan ke orang lain
  • Diperlukan pemahaman dan iterasi terhadap kode
  • Vibe coding didefinisikan sebagai tindakan tidak terlalu memedulikan kodenya

• Vibe coding adalah masuk ke dalam "flow" dan menghasilkan kode dengan mudah

  • Candaan bahwa adegan hacker di film akan terlihat lebih keren jika menggunakan ChatGPT
  • Menilai akurasi kode hanya berdasarkan apakah kodenya berjalan bukanlah hal yang baik
  • Setidaknya penting untuk meninjau output LLM

• Saya rasa vibe coding tidak ada hubungannya dengan coding

  • Bahkan nonprofesional pun bisa membuat kode skala kecil, tetapi sistem skala besar itu sulit
  • LLMs berguna untuk menghasilkan boilerplate code, tetapi saat ada masalah tetap perlu diperbaiki
  • 'vibe coders' baru tidak memahami masalahnya dan terus mencoba berulang-ulang

• Menghabiskan $30 per hari untuk menggunakan Claude Code

  • Mengeluarkan banyak biaya untuk vibe coding

• Bekerja dengan struktur pohon itu berguna

  • Menggambar gambaran besar lalu mengisi detailnya
  • Efektif saat bekerja bersama LLMs
  • Terstruktur, tetapi tetap bisa dianggap sebagai vibe coding

• Karpathy pandai memberi nama

  • Nama baru itu melekat dengan baik

• Saya sering menggunakan LLM, tetapi konsep vibe berawal dari lelucon online

  • Penting untuk menyusun pertanyaan dengan baik, dan ini mirip dengan coding
  • Pengujian itu penting, dan pembelajaran berlangsung cepat melalui LLM

• Ada nilai dalam mengekspresikan pikiran sendiri dengan bahasa formal

  • Matematika juga bisa diekspresikan dalam bahasa alami, tetapi kejelasan dan keringkasan formalisasi itu berguna
  • Kode adalah sarana untuk memperjelas ide yang ambigu
  • Tidak diinginkan jika semua sistem ditulis dalam bahasa yang ambigu

• Chat AI memberikan hasil yang lebih baik daripada pencarian web

  • Saat menulis kueri SQL, Gemini memberikan hasil yang lebih baik