Halo.
Saya ingin memperkenalkan aplikasi belajar iOS yang saya buat sebagai proyek pribadi.
Latar belakang pembuatan
Kalau bertanya konsep Swift ke ChatGPT atau Claude, jawaban yang rapi langsung keluar.
Namun setelah berulang kali mengalami momen beberapa hari kemudian saat konsep yang sama muncul lagi dan kepala terasa kosong, saya kembali menyadari bahwa "belajar dengan menerima jawaban" dan "belajar dengan mencari jawaban" itu berbeda.
Karena itu, saya mencoba mengimplementasikan metode Socratic—yakni pendekatan yang melempar pertanyaan alih-alih memberi jawaban agar pengguna bisa menyadarinya sendiri—sebagai tutor AI.
Sejujurnya, ini memang aplikasi yang sengaja dibuat tidak nyaman.
Aplikasi seperti apa
- 50 konsep Swift (pemula → lanjutan, termasuk async/await, Actor, Associated Types, dll.)
- Meski pengguna bertanya, AI tidak memberikan jawaban. Sebagai gantinya, AI memancing pemikiran lewat pertanyaan balik
- Struktur satu konsep per hari, mencapai "mastery" melalui percakapan
- Editor bawaan yang memungkinkan input kode Swift langsung saat percakapan berlangsung (syntax highlighting + auto indent)
- Riwayat belajar (heatmap), widget, dark mode
Tech stack
- iOS: SwiftUI + SwiftData, MVVM + @Observable, tanpa dependensi eksternal
- Backend: Node.js on Vercel Functions (streaming SSE)
- LLM: Claude Haiku 4.5 via OpenRouter. Provider diabstraksikan sehingga Gemini/OpenAI bisa diganti
- Kurikulum: 50 concept berbasis JSON, dengan prompt engineering sisi server untuk memaksa batasan "bertanya alih-alih menjawab"
Status saat ini
- Tanpa daftar/login — saat ini hanya penyimpanan lokal di perangkat, penggunaan anonim
- Tanpa iklan — karena menurut saya tidak cocok dengan nuansa aplikasi belajar
- Tanpa pembayaran — masih tahap validasi dasar. Model langganan akan dipertimbangkan nanti
Keterbatasan yang jujur / masih dipikirkan
- Ada feedback bahwa cukup berat dipakai saat perjalanan ke kantor, jadi saya sedang merancang "mode 5 menit" agar durasi sesi lebih bisa diprediksi
- Respons pertama p99 sekitar 9 detik (berdasarkan pengamatan OpenRouter). Menargetkan 3–4 detik di versi berikutnya dengan menerapkan prompt caching
- Biaya token per pengguna sekitar $0.005/DAU. Perlu ditinjau ulang saat scaling
3 komentar
Yang paling mengejutkan saat saya membuatnya adalah, karena saya mencoba membuat "AI yang tidak memberikan jawaban", saya menghabiskan lebih banyak waktu dari perkiraan untuk prompt engineering karena LLM terus berusaha melanggar batasan yang saya masukkan ke system prompt (penilaian mastery berbasis token [MASTERY]).
Dibandingkan Claude Haiku, Gemini Flash lebih patuh pada batasan ini, tetapi sebaliknya kedalaman pertanyaannya lebih bagus di Claude. Sekarang saya memakai kombinasi Claude + penyempurnaan prompt.
Kalau ada yang punya pengalaman serupa dalam merancang prompt untuk "mengekang LLM", mohon berbagi tipsnya 🙏
Apa perbedaan antara belajar dengan menetapkan role pada agen lalu bercakap-cakap langsung dengannya, dan belajar menggunakan aplikasi ini?
Saya juga pernah mencoba keduanya, GPT dan Claude, dengan custom prompt, tapi setelah beberapa hari biasanya ujung-ujungnya jadi, "Ah, langsung kasih tahu saja!" ... Dan kalau terus dipakai, situasi di mana jawabannya diberitahukan langsung juga jadi cukup sering muncul.
Jadi rasanya lebih kuat seperti mencari informasi ketimbang belajar.
Aplikasi yang saya buat menaruh system prompt dan penilaian mastery di sisi server, jadi bagian itu agak lebih sulit dibobol.
Waktu berakhirnya sesi juga sudah ditentukan, jadi menurut saya cukup nyaman dipakai saat perjalanan ke kantor.
Sebenarnya, seperti yang Anda bilang, metodenya sendiri sangat mungkin dilakukan juga dengan GPT atau Claude.
Tapi anggap saja ini format yang cocok untuk orang seperti saya yang sulit konsisten kalau belajar sendirian! :)