Workflow Coding LLM Saya Menyambut 2026 (Addy Osmani)

Workflow pemanfaatan LLM yang dirangkum oleh Addy Osmani, mantan engineer tim Google Chrome, berdasarkan 1 tahun pengalaman coding dengan AI.

Prinsip-prinsip inti:

• Mulai dari spesifikasi sebelum kode: tulis spec.md lebih dulu bersama LLM, tetapkan kebutuhan, arsitektur, dan strategi pengujian sebelum mulai coding. Ia menyebutnya sebagai "waterfall 15 menit"
• Iterasi dalam unit kecil: jangan meminta hasil besar sekaligus; pecah pekerjaan per fitur/fungsi/bug. Jika memberi bongkahan besar, hasilnya bisa terasa seperti "dibuat oleh 10 orang yang tidak pernah saling berbicara"
• Berikan konteks yang memadai: sertakan kode terkait, dokumentasi API, dan batasan secara aktif. Gunakan alat seperti gitingest, repo2txt untuk memasukkan codebase ke LLM
• Pemilihan model dan penggunaan paralel: jika satu model buntu, pindah ke model lain. Manfaatkan verifikasi silang, misalnya meminta Gemini meninjau kode yang ditulis Claude
• Manusia harus tetap di dalam loop: perlakukan LLM sebagai developer junior yang "penuh percaya diri tetapi sering salah". Tinjau dan uji semua kode yang dihasilkan, dan jangan commit kode yang tidak bisa Anda jelaskan
• Version control super-rinci: lakukan commit untuk setiap pekerjaan agar ada "save point". Jalankan beberapa sesi AI secara paralel dengan git worktree
• Tetapkan aturan dengan CLAUDE.md/GEMINI.md: tulis style guide proyek, pola yang disukai, aturan lint, dan sebagainya dalam file untuk diberikan ke AI
• Integrasi dengan CI/CD: tes otomatis dan linter menjadi quality gate bagi kode AI. Log kegagalan lalu dikirim kembali ke AI dalam loop umpan balik berulang

Poin-poin menarik untuk dicatat:

• Di Anthropic, sekitar 90% kode Claude Code ditulis oleh Claude Code itu sendiri
• AI memberi imbal hasil lebih besar pada best practice yang sudah ada. Kemampuan engineer senior (desain, pengelolaan kompleksitas, penilaian otomatisasi) paling efektif saat dipadukan dengan AI
• Alat AI memperkuat kemampuan, bukan menggantikannya. Mengandalkan AI tanpa fondasi bisa menjadi "versi efek Dunning-Kruger yang diberi steroid"