- Di saat agen coding AI makin umum, ini adalah catatan seorang developer yang justru mengikuti retret 3 bulan untuk coding dengan tangan tanpa LLM
- Kini memasuki minggu ke-6 di Recurse Center di Brooklyn, ia membangun LLM dari nol untuk pertama kalinya, memperdalam kemampuan Python, dan sekaligus memperkuat pemahaman tentang berbagai lapisan abstraksi dalam komputer
- Agen coding memungkinkan iterasi dan deployment yang cepat, tetapi saat menulis kode langsung dengan tangan, ada dua hal yang terjadi bersamaan: mengekspresikan apa yang diinginkan sambil mempelajari codebase
- Seperti analogi "menulis itu seperti olahraga" dari Cal Newport, ia membagikan pandangan bahwa upaya mental dalam membangun kode adalah elemen inti dari keterampilan teknis
- Berdasarkan pengamatan bahwa engineer yang paling piawai memakai tool AI justru memiliki pengetahuan yang mendalam, ia menekankan bahwa di era AI pun kemampuan dasar tetap menciptakan leverage
LLM dan pengalaman coding
- Selama dua tahun terakhir, ia membangun agen AI di Aily Labs di Barcelona
- Pada awal 2024, ia membuat agen pencarian web internal, sekitar 6 bulan lebih awal dari tulisan Anthropic, "Building Effective AI Agents", dan sekitar 1 tahun lebih awal dari DeepResearch milik OpenAI
- Ia termasuk pengguna awal Cursor, dan juga terlibat lebih dini dalam pembangunan knowledge graph dengan memanfaatkan LLM
- Ia memimpin journal club mingguan dan mempresentasikan paper tentang pembangunan LLM open source
- Mencakup paper seperti DeepSeek R1, Olmo 3 dari Ai2, dan Llama 3 dari Meta
- Ini membantunya memahami trade-off antara melatih model internal dan membangun workflow berbasis model tertutup SOTA
- Sejak pertama kali menggunakan LLM pada 2023, ia terus tertarik pada cara kerja dan penerapannya
Coding langsung sebagai elemen inti keterampilan
- Hal yang ia sadari sambil mempelajari LLM dan sekaligus memakainya untuk coding
- Saat menulis kode "dengan tangan", ia melakukan dua hal sekaligus: menulis apa yang diinginkan sambil mempelajari codebase
- Saat memakai agen coding, yang didapat tepat seperti yang ditentukan di prompt; jika keinginannya belum jelas, agen akan mengambil banyak asumsi (assumption) untuknya
- Dalam kondisi ini, proses belajar berkurang dan pemahaman terhadap codebase juga menurun
- Di saat yang sama, agen coding memungkinkan iterasi cepat dan deployment software yang stabil, serta bisa berperan sebagai tutor yang hebat
- Kutipan dari kolom NYT Cal Newport
- "Tulisan Anda harus menjadi milik Anda. Ketegangan yang dibutuhkan untuk menulis memo atau laporan yang jelas adalah aktivitas mental yang setara dengan latihan di gym bagi atlet, dan bukan gangguan yang harus dihilangkan, melainkan elemen inti dari keterampilan"
- Ia melihat analogi ini berlaku sama untuk menulis kode
- Programmer hebat yang bekerja bersamanya di Aily umumnya juga adalah orang-orang yang sangat piawai memanfaatkan AI, dan pengetahuan yang mendalam memberi leverage terhadap tool AI
Apa itu code retreat
- Recurse Center (RC) adalah retret pemrograman penuh waktu yang self-directed dan berlokasi di Brooklyn
- Retreat: "periode ketika seseorang mundur sejenak dari rutinitas sehari-hari untuk fokus pada aktivitas tertentu"
- Peserta bergabung setelah melalui aplikasi dan coding interview, lalu mendalami pemrograman selama 6 atau 12 minggu
- Ciri khasnya adalah lingkungan kolaboratif berbasis cohort dengan beragam keahlian, dan banyak peserta memiliki pengalaman puluhan tahun sebagai programmer
- Beroperasi secara gratis
- Tujuan di Recurse Center
-
Belajar LLM dari nol
- Termasuk pretraining dan post-training, dengan target menulis Transformer sendiri alih-alih mem-fork codebase yang sudah jadi
-
Menjadi lebih mahir menulis Python dengan tangan
- Meski sudah bekerja dengan Python selama beberapa tahun, ia merasa masih banyak yang perlu dipelajari, dan ingin meminimalkan referensi ke dokumentasi atau pertanyaan ke LLM sambil membangun intuisi tentang penyusunan proyek
-
Memahami komputer secara lebih mendalam
- Ia memandang komputer sebagai mesin yang sangat kompleks dan bekerja di banyak lapisan abstraksi
- Karena tidak menempuh pendidikan formal Computer Science, ia ingin membangun mental model yang lebih baik tentang bagaimana lapisan-lapisan itu bekerja bersama
- Ia belum punya banyak rencana konkret, tetapi menilai RC adalah tempat yang tepat
Perkembangan sejauh ini
-
1. Melatih LLM dari nol
- Ia menyelesaikan assignment pertama dari kursus Stanford CS336: Language Modeling from Scratch tanpa bantuan coding LLM
- Assignment setebal 50 halaman itu dikerjakan bersama Recurser lain
- Ia menulis tokenizer yang dioptimalkan dalam Python, lalu mengimplementasikan arsitektur bergaya GPT-2 yang ditingkatkan dengan PyTorch
- Setelah menjalankan banyak ablation untuk tuning hyperparameter pada dataset Tiny Stories, ia menerapkannya ke sekitar 9 miliar token OpenWebText
- Hasil learning rate sweep untuk model 17M parameter yang ia tulis sendiri menunjukkan learning rate tinggi memicu ketidakstabilan. Pelatihan memakan waktu sekitar 1 jam di A100
- Rencana berikutnya
- Menyelesaikan sisa assignment CS336: optimasi language model, estimasi/perhitungan scaling law, konversi teks mentah menjadi data pretraining, dan post-training model
- Ia juga sudah mulai mengerjakan assignment kedua: GPU profiling dan implementasi FlashAttention2 di Triton
- Tujuan akhirnya adalah memiliki model yang ia post-train sendiri
-
2. Meningkatkan kemampuan Python
- Ia berlatih dengan menulis banyak agen kecil dan neural network menggunakan Python dan PyTorch
- Yang paling membantu adalah pair programming dengan orang yang punya pengalaman Python lebih dari 10 tahun
- Salah satu partner pair programming akan langsung membuka terminal dan mengetik contoh sederhana ketika tidak ingat sintaks atau perilaku tertentu, lalu memverifikasi hasilnya dalam waktu kurang dari satu menit
- Proses yang sudah menjadi muscle memory untuk memecahkan masalah tanpa Google Search atau query ke LLM ini sangat membantu mengatasi kebuntuan
- Ia berencana melanjutkan pendekatan ini dengan memecahkan soal seperti Advent of Code lewat pair programming
- Kolaborasi real-time awalnya membuat tegang, tetapi justru karena itu ia merasakan pertumbuhan yang cepat
-
3. Memperdalam pemahaman tentang komputer
- Ia menulis fizzbuzz dalam BASIC di komputer Apple IIe tahun 1983
- Ia merasakan langsung proses edit dan eksekusi kode yang serba manual, sambil menyadari perbedaan dan kemiripan antara komputer dulu dan sekarang
- Ia memperkuat kemampuan Unix/terminal lewat CTF Fridays
- Ia memecahkan challenge "war games" seperti Bandit lewat terminal, mengumpulkan password dan naik level
- Sekarang ia bisa memahami apa yang sedang dicoba dijalankan Claude Code di komputernya
- Ia menulis single-layer perceptron di Vim dengan tangan
- Pada awalnya sangat membosankan, tetapi membaik setelah mendapat tip dan mempelajari shortcut dari Recurser lain
- Ini sangat berguna saat perlu melakukan edit file di tahap akhir ketika job training berjalan di cloud GPU
- Ia mengikuti workshop Clojure (dipandu seseorang dengan pengalaman lebih dari 15 tahun)
- Karena pengalamannya dengan bahasa fungsional masih sedikit, topiknya sendiri sudah menarik baginya
- Setelah pengantar singkat, sesi dilanjutkan dengan mob programming, di mana peserta bergantian berkontribusi 1–2 menit untuk menyelesaikan masalah
- Ia ikut serta dalam presentasi teknis mingguan 5 menit
- Topiknya beragam, seperti "Running Rust Code", "GPUs for Dummies", "Typesafe APIs for Type B Personalities", dan "Some Useless Agents" (presentasinya sendiri)
- Sejauh ini ia sudah presentasi dua kali (arsitektur agen sederhana, penskalaan tool MCP secara efisien), dan minggu ini berencana presentasi tentang cara melakukan optimasi GPU
- Hanya dengan mendengarkan proyek dan karier peserta lain pun, pemahamannya tentang jenis masalah yang bisa diselesaikan komputer ikut meluas
6 minggu yang tersisa
- Setelah retret ini, ia berencana kembali ke pekerjaan deployment agen ke production dan menjalankan eval dengan bekal teknologi dan keterampilan baru
- Ia khawatir 6 minggu yang tersisa tidak cukup untuk menuntaskan semua hal dalam daftarnya
- Namun, nilai sejati RC bukanlah menyelesaikan semua item, melainkan mencurahkan waktu untuk coding itu sendiri
3 komentar
Saya jadi ingat postingan humor yang saya lihat belum lama ini
Katanya setelah menulis kode sendiri secara manual lalu meminta AI untuk memperbaikinya, malah muncul
Phase 1: hapus kode sampah
wkwkwk
Saya justru beralih ke nvim setelah memakai AI Agent.
Karena melihat source code jauh lebih nyaman di nvim..
Komentar Hacker News
Saya semester ini mengajar siswa berusia 18 tahun menggunakan Apple II Plus yang diemulasikan untuk belajar assembly 6502
Para siswa sebelumnya sudah belajar Python, struktur data, dan OOP di lingkungan modern
Dengan total sekitar 10 jam kelas dan praktik, mereka mempelajari register, instruksi, mode pengalamatan, peta memori, dan rutin monitor Apple, lalu bersama-sama membuat program menggambar, bola memantul, sprite buatan sendiri, dan deteksi tabrakan sederhana dengan grafis low-res 40x40
Sebagai tugas, mereka diminta membuat dan mendemokan game sederhana seperti Snake atau Tetris, lalu mempresentasikan cara kerjanya
Awalnya mereka membenci line editor, tetapi tak lama kemudian mereka mulai merencanakan dan berdiskusi sebelum menulis kode
Kebiasaan yang selalu saya tekankan di kelas-kelas sebelumnya tapi sulit tertanam, justru terbentuk secara alami saat tidak ada alat yang terlalu kuat
Belakangan para siswa bilang bahwa bahkan tanpa menampilkan seluruh kode di layar, kode itu sudah ada di kepala mereka
Pada akhirnya mereka tentu akan kembali ke alat modern, tetapi saya merasa pengalaman seperti ini jelas sangat berarti
Alasan terbesarnya adalah tipe seharusnya selalu disadari, tetapi Python justru bisa mengaburkan bagian itu
Spasi juga kadang wajib dan kadang tidak, dan meski terasa sealami bernapas bagi orang yang sudah terbiasa, bagi pemula itu bisa membingungkan
Berkat lingkungan level rendah dan alat yang terbatas, saya membangun kebiasaan berpikir sebelum menulis kode
Sampai sekarang pun, untuk pekerjaan greenfield saya biasanya mulai dengan pena dan kertas kotak-kotak, menggambar kandidat fungsi atau kelas sebagai graf longgar lalu menghubungkannya dengan panah
Tentu kalau didorong terlalu jauh, ini bisa berubah menjadi bentuk lain dari perencanaan waterfall, jadi yang penting adalah proporsinya
Hanya dengan memikirkan struktur beberapa jam di awal, waktu coding sebenarnya bisa berkurang banyak
Hampir tidak pernah hasil akhirnya persis sama dengan rancangan di kertas, tetapi proses memikirkan gambaran besar lebih dulu itu sendiri meningkatkan produktivitas
Kalau membuat scaffolding di editor, saya cepat sekali terseret ke implementasi nyata; kalau di kertas, karena toh nanti harus diketik ulang, saya bisa lepas dari pikiran-pikiran kecil seperti nama variabel atau pilihan metode
Beberapa kali saat vibe coding, cara ini juga sangat berguna, dan membantu saya memberi prompt yang jauh lebih spesifik dan fokus
Tapi bagian tentang siswa yang menyimpan kode di kepala mereka membuat saya berubah pikiran
Saya jadi teringat Zed Shaw pernah mengatakan hal serupa, bahwa kode yang ditulis tanpa IDE entah kenapa tampak lebih baik
Dalam konteks mirip, saya belajar dari buku "From Nand to Tetris", dan itu sangat membantu saya memahami bagaimana komputer, assembler, dan compiler bekerja
Saat diberi masalah, dia tidak langsung mengetik, melainkan berpikir dulu, mencoret-coret sedikit di kertas, bahkan berjalan-jalan, baru kemudian duduk di depan komputer
Setelah itu dia hampir mengetik semuanya dalam sekali jalan dan tinggal compile di akhir, dan hasilnya benar-benar sering berjalan dengan baik
Bahkan typo pun jarang
Pengalaman ini membuat saya sangat merasakan betapa pentingnya kemampuan membangun ruang masalah dan programnya di kepala terlebih dahulu, lalu menalar dari situ
Dengan begitu hasil yang diharapkan jadi lebih jelas, dan saat ada hal tak terduga pun kita lebih cepat menyadarinya
Pihak atas selalu menghapusnya dengan alasan terlalu sulit dan sekarang tidak ada yang memakainya lagi
Meski begitu, saya diam-diam tetap menyelipkan sebagian materinya ke kelas lain seperti system programming, computer languages, dan computer architecture
Saat saya tumbuh besar, assembly adalah bagian dari kurikulum, dan ia menjembatani kesenjangan antara bahasa tingkat tinggi seperti C/C++ dan hardware
Itu membantu kita memahami kenapa fitur bahasa tertentu ada, dan bagaimana banyak komponen bahasa sebenarnya bekerja
Yang paling penting, seperti komentar-komentar di atas, itu sangat bagus untuk melatih cara berpikir dengan mengikuti CPU baris demi baris
Saya sering kalah untuk kelas resminya, tetapi setidaknya saya berharap sudah menanamkan benih dalam diri para mahasiswa
Saya percaya setiap orang setidaknya layak belajar satu jenis assembly sekali seumur hidup
Saya merasa seandainya ada lebih banyak investasi pada workflow autocomplete AI
Itu titik tengah yang cukup bagus
Apa yang sekarang disebut cara lama pun, jika dilihat lebih luas, menurut saya masih cukup kompetitif dibanding workflow bergaya agentic
Dengan mengetik langsung, kita jauh lebih mudah mempertahankan pengetahuan tentang codebase, dan karena prosesnya aktif memanggil kembali dan memverifikasi, pemahaman konsep juga jadi lebih dalam
Kodenya saya tulis sendiri, dan agent saya beri tugas code review
Dengan begitu insting coding dan pemahaman saya atas codebase tetap terjaga, sambil tetap terbantu menangkap bug sebelum commit
Cursor awal benar-benar mengagumkan, tetapi setelah itu autocomplete terasa hampir stagnan, dan bahkan Cursor terbaru pun makin condong ke sisi agent seperti tool-tool lain
Saya berharap suatu saat nanti ketika model diffusion mendapatkan momentum lebih besar, workflow di sekitar autocomplete bisa hidup lagi
Model Mercury dari Inception Labs terasa sedikit seperti sihir karena responsnya hampir seketika
Hanya saja saya menyesalkan belum adanya kecanggihan setingkat Cursor dan integrasi editor yang benar-benar dalam
Dan lini diffusion tampak sangat cocok untuk pemakaian lokal, jadi sayang sekali hampir tidak ada model open-weight yang berarti
Kalau saya sendiri yang menulis glue code yang membosankan, peta proyek terbentuk di kepala saya
Sebaliknya, jika agent membuat terlalu banyak struktur, mungkin memang langsung jalan, tetapi seminggu kemudian saat mau mengubah hal kecil saya malah harus mencari dulu apa diletakkan di mana
Ada alasan kenapa orang-orang cepat beralih ke hal lain, dan pada akhirnya itu bukan antarmuka yang berguna
Setelah sekali naik pesawat, sangat sulit untuk kembali
Judul ini terasa seperti salah satu judul paling muram yang pernah saya lihat di sini
Bisa berarti menyedihkan karena hand coding kini sudah terasa cukup asing sampai layak jadi bahan tulisan blog, atau sebaliknya bisa jadi sindiran seorang maksimalis AI terhadap coding manusia
Melihat riwayat tulisannya, tafsir pertama tampaknya yang benar
Rasanya seperti istilah wild swimming yang dulu sempat populer, seakan kita sudah melangkah terlalu jauh
Ini benar-benar tampak seperti situasi jumping the shark
Meski begitu, saya tetap merasa ini kontribusi yang sangat mengesankan
Setelah melihatnya, benar-benar konyol
Tak lama lagi rasanya saya bisa membayangkan dunia yang, sebagai lelucon, mengirim orang ke rumah sakit jiwa hanya karena bicara soal hand coding
Beberapa tahun awal karier saya dihabiskan terutama menulis kode Perl di SPARC Solaris dengan vi, dan itu vi, bukan vim
O’Reilly Perl Cookbook hampir menjadi satu-satunya penuntun, forum internet juga belum banyak, dan mesin pencari masih primitif sehingga jauh lebih sulit mencari bantuan saat buntu
Sebaliknya, lingkungan itu membuat saya benar-benar menguasai sintaks Perl, tool terminal, dan terutama keystroke vi secara mendalam
Tidak ada syntax highlighting atau IntelliSense, dan justru karena itu semuanya lebih melekat
Kalau dipikir-pikir sekarang, waktu itu gangguan dan noise jauh lebih sedikit
Tentu ada faktor karena saya masih di awal karier sehingga ekspektasinya rendah, tetapi sekarang rasanya semua hal terlalu bertumpuk dan rumit
Itu pengalaman yang cukup murni, dengan imbalan instan dan pengembangan cepat tanpa lapisan yang tidak perlu, dan justru itulah yang menarik saya ke jalur ini
Ironisnya, agentic coding mengembalikan sebagian kegembiraan itu
Karena saya tidak harus bergulat sendiri dengan semua pertimbangan enterprise yang rumit, hubungan antara pikiran dan hasil jadi terasa dekat lagi
Perubahan di industri ini benar-benar mengejutkan
Baru 2 tahun lalu ini adalah hal yang mungkin dikatakan hampir semua developer, tetapi sekarang orang yang bilang mereka coding dengan tangan tampak seperti spesies terancam punah
Semakin baru teknologi dan bahasa yang saya gunakan sepanjang setahun terakhir, justru karena sekarang hasil bisa didapat begitu mudah, saya malah merasa sedang menumpuk utang pengetahuan dalam diri sendiri
Saya sangat khawatir bagaimana generasi software engineer berikutnya akan memperoleh pemahaman mendalam tentang hal-hal ini, atau apakah mereka bahkan tidak akan pernah mendapatkannya
Kalau dianalogikan ke generasi sebelumnya, itu mirip coding tanpa IDE, dan kenyataannya cara seperti itu pun sudah cukup jarang
Saya cukup mendukung AI secara umum, terutama GenAI, tetapi saya masih menghabiskan banyak waktu coding manual
Paling jauh hanya menyalakan bantuan Copilot
Kadang saya melakukan spec-driven development dengan tool seperti SpecKit + OpenCode, atau sekadar vibe code
Namun saya belum berniat melepaskan tanggung jawab untuk memahami kode, atau meninggalkan kemampuan menulisnya sendiri
Karena itu saya baru-baru ini juga membeli beberapa buku LISP dan Java, dan sebelumnya saya juga membeli buku Forth
Setidaknya untuk beberapa waktu, mungkin bahkan selamanya, saya belum berniat berhenti coding sepenuhnya
Intinya bukan implementasi, melainkan pemahaman terhadap perilaku
Verifikasi itu dilakukan lewat unit test otomatis, integration test, dan load test
Ada yang menganggap saya naif karena bilang saya membuat situs admin web internal dengan vibe coding dan tetap memenuhi persyaratan keamanan tanpa membaca satu baris pun kode
Tetapi persyaratannya memang bahwa siapa pun yang memiliki akses ke situs harus bisa melakukan apa saja, aksesnya dilindungi oleh kredensial Amazon Cognito, dan Lambda yang menyediakannya diberi role dengan hak minimum
Jika dua invariant itu sampai rusak, menurut saya itu berarti Claude telah menemukan kerentanan AWS yang sangat besar
Saya menggunakan AI semaksimal mungkin untuk membangun banyak hal, tetapi pada saat yang sama saya selalu menyisihkan waktu untuk meninjau apakah kode buatan AI lolos ambang beban kognitif saya
Proses itu termasuk merapikan kode dan mendokumentasikannya, dan banyak hal jadi lebih mudah dengan acuan contoh AGENTS.md ini
Meski begitu, saya tetap bisa mendeteksi saat arahnya mulai aneh, dan pada saat itulah saya mengambil alih lagi
Dan ketika kreditnya habis, itulah giliran saya yang sebenarnya
Karena kodenya sudah rapi, abstraksinya masuk akal, dan komentarnya membantu, saya jadi enak melanjutkan human coding yang organik di atasnya
Sekarang, makin dekat ke batas pemakaian, saya justru meminta AI untuk menyiapkan panggung lebih dulu
Dulu ketika kredit habis, yang tersisa adalah kode yang untuk memahaminya saya masih harus belajar dulu, dan itu membuat frustrasi; sekarang saya malah menantikan brain time hand-out berikutnya
Ini mungkin terdengar aneh, tetapi bagi saya ini tetap terasa seperti semacam kerja tim
Saya sebenarnya bisa saja memakai paket yang lebih mahal, tetapi saya ingin otak saya tetap aktif
Saya setuju dengan prinsipnya, tetapi setidaknya Claude justru terlalu sering menggandakan logika, jadi saya merasa perlu mendorongnya ke arah sebaliknya
Jika LLM menulis kode untuk saya, kode itu terasa seperti black box yang hampir tak bisa saya sentuh
Kalau jalan memang saya pakai, tetapi saya tidak mempercayainya, dan kalau rusak saya cuma frustrasi
Pada akhirnya, cara yang cocok untuk saya adalah saya tetap memegang kemudi, sementara LLM berperan sebagai asisten yang menjawab pertanyaan, membantu brainstorming ide, dan membantu mengekspresikan konsep yang sudah saya pahami ke dalam sintaks bahasa tertentu
Sebenarnya yang selalu agak berat bagi saya bukan memahami konsep, melainkan menerjemahkannya ke dalam sintaks
Saya juga sedang memikirkan pendekatan membiarkan agent mengerjakan sebagian hal, tetapi sengaja menyisakan sebagian pekerjaan sebagai jatah saya agar otak tetap dipakai
Mungkin saya perlu membuat skill atau hook untuk Claude Code
Bisa menghabiskan 3 bulan dalam perjalanan belajar mendalam yang diarahkan sendiri terdengar benar-benar luar biasa
Teknologi yang mendalam seperti ini tampaknya akan tetap bernilai dalam jangka panjang, dan saya masih belum yakin apakah perubahan saat ini benar-benar jenis abstraksi yang sama dengan perpindahan dari assembly ke C
Belakangan sebagian besar kode saya memang dihasilkan oleh LLM, dan sejujurnya di akhir hari saya tidak terlalu merasakan kesenangan, pencapaian, atau kepuasan
Namun di saat yang sama saya juga menyadari bahwa bagian coding yang benar-benar saya nikmati sejak awal mungkin hanya sekitar 5–10%, sementara sisanya adalah pekerjaan membosankan dan semi-mekanis yang menopang inti yang menarik
Jika dilihat dari seluruh sejarah manusia, masa bekerja dengan komputer sendiri hanyalah momen yang sangat singkat, dan saya penasaran bagaimana era hand coding akan terlihat 100 tahun dari sekarang
Mungkin itu hanya akan jadi catatan kaki, atau disatukan begitu saja dengan semua masa sebelum mesin mampu mengotomatisasi dirinya sendiri
Dulu orang menulis assembly langsung, lalu berpindah ke bahasa terkompilasi seperti C, dan assembly tetap berguna tetapi menjadi keahlian yang niche
Sama seperti sekarang kita menyerahkan kode ke compiler dan biasanya tidak melihat output internalnya, ke depan mayoritas pengembangan mungkin akan berpindah ke lapisan abstraksi LLM
Kompetensi inti pun bisa bergeser ke penulisan prompt yang baik, pengelolaan context window, serta operasi agent dan memori
Sebagian developer mungkin masih akan mampu membaca kode buatan LLM dan menemukan masalahnya, tetapi mayoritas mungkin tidak
Perasaan saya sendiri campur aduk
Sejak ChatGPT muncul sampai beberapa bulan lalu saya cukup skeptis terhadap pemrograman dengan LLM, dan model-model baru pun terasa hanya seperti variasi dari output berkualitas rendah yang sama
Tetapi belakangan model-model itu tampaknya sudah melewati semacam titik ambang, dan saya sendiri, meski masih memakai Claude dengan hati-hati, benar-benar terbantu untuk mempercepat implementasi fitur atau menemukan lokasi bug hanya dari log
Saya masih belum setuju dengan klaim berlebihan bahwa coding sudah terpecahkan, tetapi saya memang merasa sedang menyaksikan salah satu perubahan terbesar sejak hadirnya bahasa tingkat tinggi
Saya mulai memakai Zed sebagai semacam kompromi setengah jalan
Ke depan saya ingin lebih banyak memakai AI untuk perencanaan dan usulan langkah, bukan untuk implementasinya sendiri
Belakangan saya juga melihat orang-orang nonteknis mulai membuat app dengan Claude, dan melihat Openclaw serta arus obsesi terhadap agent, saya merasa terus menempuh jalur over-investasi AI ini tidak terlalu praktis
Di area lain dalam hidup, saya selalu dinilai dari kemampuan memperhatikan detail internal dan menyelesaikan masalah baru dengan turun tangan langsung
Saya penasaran bagaimana pasar akan beradaptasi ke depan, dan bagaimana orang akan menyampaikan serta membuktikan kemampuan menangani nuansa seperti ini
Saya jadi penasaran setelah membaca di situs Recurse Center kalimat bahwa “tidak ada guru atau kurikulum tetap, dan yang diminta hanya komitmen penuh waktu selama retret”
Saya ingin tahu bagaimana orang yang bekerja penuh waktu biasanya ikut retret coding seperti ini
Saya juga penasaran apakah ini terutama program untuk orang yang baru masuk industri atau yang sedang berada di sela-sela perpindahan kerja
Tulisannya sendiri bercerita tentang apa yang dibuat selama retret, tetapi justru membuat saya ingin mencobanya sendiri
Banyak yang sengaja resign demi RC, atau mendaftar setelah terkena PHK
Cukup banyak juga yang memanfaatkan cuti sabatikal resmi, garden leave, atau libur musim panas mahasiswa S1 dan S2
Freelancer, kontraktor independen, dan pensiunan juga tidak sedikit yang datang
Ada juga yang datang untuk masuk ke industri, tetapi banyak peserta sudah punya pengalaman bekerja sebagai programmer
Rentang usia peserta beragam dari 12 tahun sampai awal 70-an, tetapi distribusi utamanya berada di usia 20-an hingga 40-an
Detail lebih lanjut tentang peserta bisa dilihat di halaman tentang Recurse Center
Kalau tidak, secara realistis Anda perlu bisa mengambil cuti sabatikal sekitar 6 minggu dengan kemungkinan kembali ke pekerjaan Anda saat ini