Ask HN: Kapan Anda melihat GenAI dan merasa, “Wah, ini gawat”?
(news.ycombinator.com)- Thread yang membagikan pengalaman konkret ketika orang awalnya menganggap DALL-E dan ChatGPT sebagai mainan yang sudah basi, lalu terkejut setelah menyadari batas kemampuan mereka dalam penggunaan nyata
- Contoh yang paling populer adalah reverse engineering firmware pada hardware lama atau yang sudah dibuang, seperti pengalaman menghidupkan kembali synthesizer, piano, dan Firestick dengan Claude/GHIDRA
- Di luar coding, ada banyak contoh di ranah nonspesialis yang memakai LLM untuk menyelesaikan masalah sehari-hari seperti perbaikan peralatan rumah, inspeksi properti, gugatan hukum, dan diagnosis HVAC
- Sebagian orang juga menceritakan momen "oh shit" yang negatif, seperti penurunan kualitas kode, halusinasi, kepercayaan buta tanpa verifikasi, dan kekhawatiran hilangnya pekerjaan
- Titik balik yang mengejutkan berbeda-beda menurut waktunya, mulai dari rilis ChatGPT (2022), GPT-2/GPT-3, tool calling, hingga agent
Reverse engineering firmware dan hardware
- Untuk menggantikan software yang sudah dihentikan untuk synthesizer Alesis QS8.1 dari era 90-an, seseorang menganalisis perintah sysex dan protokol encoding wave yang tidak terdokumentasi dengan GHIDRA, lalu menyelesaikan demo yang berfungsi hanya dalam semalam
- Setelah piano Kawai CA49 menjadi brick karena firmware yang salah, Claude mendekompilasi APK Android, menemukan kunci enkripsi yang di-hardcode, mendekripsi firmware, lalu memulihkannya dalam 1 jam dengan skrip flashing Bluetooth
- Enkripsi Blowfish pada DVD The Complete New Yorker dianalisis dengan GHIDRA untuk memetakan kredensial dan diimplementasikan ulang dengan skrip Python, sehingga semua file bisa dikonversi menjadi PDF biasa
- Pada Amazon Firestick generasi pertama, tanpa eksploit root publik, seseorang mengambil source kernel lalu memakai "primitive zero-write kernel FBUF/VCHIQ" untuk menambal memori kernel langsung, berhasil melakukan root permanen dan debloat
- Hanya dengan binary vendor C++ yang sudah dikompilasi dan sedikit network capture, seseorang berhasil melakukan reverse engineering protokol proprietari dengan disassembler NSA Ghidra, dan menggambarkannya sebagai "terasa seperti diturunkan menjadi QA nonteknis"
-
Pendapat terkait
- Data moat SaaS yang dulu terbentuk karena integrasi dan migrasi sulit kini mulai menghilang
- Dengan Claude Code, seseorang melakukan reverse engineering MCP SaaS yang disembunyikan di balik enterprise plan dari API internal, lalu membuat MCP dengan fitur lebih banyak daripada versi resmi dalam waktu singkat
- Claude lebih sedikit bergantung pada nama variabel dibanding manusia, sehingga pekerjaan rename/typedef jadi lebih sedikit diperlukan
Pemecahan masalah sehari-hari dan ranah nonspesialis
- Saat furnace rusak pada liburan 2025, seseorang meminta Gemini mendiagnosisnya lewat video lalu menjalankannya dengan memutar exhaust fan secara manual, meski di komentar muncul peringatan soal risiko karbon monoksida akibat bypass pengaman exhaust fan
- Penulis menjelaskan bahwa itu bukan bypass, melainkan hanya membantu start karena masalah bearing, dan monitor karbon monoksida tidak pernah aktif
- Saat AC gagal mendinginkan, ChatGPT mendiagnosis dari foto dan menyarankan penggantian kapasitor seharga $25, sehingga bisa diperbaiki sendiri dengan biaya seperempat dari service call diagnosis
- Untuk masalah gas dryer yang tidak memanas, Gemini menunjukkan lokasi thermal fuse pada foto dan bahkan memberi tautan komponen; masalah selesai dengan fuse $5 dan pembersihan ventilasi
- Saat membeli properti, seseorang memberikan foto Zillow dan nomor seri peralatan rumah tangga lalu meminta dibuatkan laporan inspeksi rumah; hasilnya menemukan hal-hal yang dilewatkan inspektur berbayar $750 seperti banjir di area rendah, sirkuit receptacle campuran, dan siding yang melintir
- Namun ada juga skeptisisme apakah dari foto saja bisa dipastikan bahwa outlet-outlet itu ada di sirkuit yang sama
- Ketika nama model pompa kolam koi sudah terhapus, seseorang mengidentifikasi modelnya dari foto dan ukuran panjang (11 inci=4500, 9 inci=2500), lalu menggantinya sendiri seharga $109 alih-alih menerima estimasi $700
- Dalam gugatan penipuan bank, seseorang melakukan counter-suit 100% dengan AI sambil saling memverifikasi ChatGPT, Grok, Claude, dan Gemini, meski ada saran untuk tetap berkonsultasi dengan pengacara dan peringatan bahwa riwayat chat tidak bersifat privileged dan bisa disubpoena
Perubahan workflow coding dan pengembangan
- Setelah update firmware printer Brother mengubah halaman CSV menjadi HTML, hanya dari satu file HTML statis dan direktori berisi Go "hello world", seseorang melakukan
/initsekali lalu Prometheus exporter otomatis ditulis dalam Go, termasuk inferensi IP default dan parsing metrik - 70 ribu baris PL/SQL pada aplikasi web Oracle Apex diringkas menjadi 700 baris kebutuhan bisnis dalam Markdown hanya dalam 15–20 menit
- Di NGO kecil, aplikasi yang terlalu di-overengineer dengan NextJS, React, dan microservices ditulis ulang 80% menjadi server-side rendering Django oleh Claude saat pemiliknya tidur, sehingga biaya server dan kompleksitas menurun
- ChatGPT Code Interpreter (2023.3) bisa memuat CSV ke Pandas, membuat chart, dan mengekspor ke SQLite; ini dikenang sebagai "pengalaman pertama sebelum kategori coding agent punya nama"
-
Pengalaman coding yang negatif dan skeptis
- Ada kasus halusinasi ketika AI auto PR review dengan yakin mengatakan "menambahkan RPC baru" pada PR yang sebenarnya hanya berisi penghapusan
- Ada rekan kerja yang dikeluarkan dari proyek karena menghasilkan ribuan baris slop, misalnya agar tes lolos ia mengubah
assert status == 200menjadi== 500 - Jika spesifikasi ambigu, kode menjadi bertele-tele atau desainnya buruk, sehingga ada skeptisisme bahwa kenaikan produktivitas tidak terlalu besar jika dilihat dari kualitas dan skalabilitas proyek nyata
- Ada pengamatan bahwa dari Opus 4.6→4.7→4.8, kemampuan kecil memang meningkat, tetapi "kemampuan untuk tahu apa yang harus dilakukan" justru memburuk
Ranah noncoding, kreatif, dan kognitif
- Saat foto tanaman ditunjukkan ke Claude, ia mengenali spesiesnya lalu memberi diagnosis dan cara stek; yang mengejutkan adalah bahwa "komputer bukan sedang membicarakan komputer, melainkan mendiagnosis tanaman"
- Suno menggubah lagu tentang anjing keluarga menjadi lagu dengan refrein bergaya K-pop, memunculkan refleksi bahwa "kreativitas dulu dianggap pembeda antara manusia dan mesin"
- Ketika gambar sendiri berupa sketsa anatomi diunggah, model menunjuk hal-hal seperti "bahu membulat, perspektif salah, deltoid tidak tergambar" lalu memberi label koordinat lewat skrip Python
- Dalam eksperimen sains anak tentang elektromagnetisme, panggilan video Gemini menangkap lapisan isolasi yang belum dilepas pada sambungan baterai dengan lebih akurat daripada penglihatan langsung, lalu masalah terselesaikan
- Dalam proyek emoji satir untuk para presiden AS, model menyarankan emoji ceri untuk Zachary Taylor karena kisah ia wafat akibat makan berlebihan, dan yang menonjol adalah rasa kolaborasi seperti "sedang workshop bersama"
Titik balik yang berfokus pada sisi negatif dan kekhawatiran
- Ada kekhawatiran bahwa sisa karier akan dihabiskan untuk "bekerja bersama psikosis AI" setelah melihat rekan kerja mengirim PR besar penuh slop sambil berkata review tidak perlu, serta tidak percaya pada engineer manusia dan malah menempelkan log chat Claude
- Ada pandangan bahwa LLM memperkuat kemampuan orang—baik positif maupun negatif—sehingga perilaku antisosial akan meningkat
- Saat implementasi HTTP proxy tampak meyakinkan dengan rasionalisasi yang terdengar masuk akal tetapi sepenuhnya tidak aman karena tidak benar-benar memahami RFC, responsnya adalah "kita tamat"
- Dalam hackathon perusahaan, ada kejutan saat melihat tim yang ingin memprodukkan output LLM tanpa verifikasi seolah-olah fakta, seakan mereka percaya "generator teks ini benar-benar bernalar"
- Ada kritik bahwa klaim CEO seperti "penggantian pekerja white-collar dalam 12–18 bulan" terlalu membesar-besarkan ekspektasi, sehingga minat memudar ketika berhadapan dengan realitas model yang tidak bisa dipercaya karena halusinasi dan panduan yang buruk
- Ada juga rasa tidak suka terhadap perilaku memaksakan pembangunan data center lewat gugatan hukum meski ditolak warga sekitar
- Karena sifat LLM yang nondeterministik, ditunjukkan contoh reproduksi bahwa untuk pertanyaan seperti "berapa banyak nama hari yang mengandung huruf d", Firefox menjawab 6 dan Chrome 7, sehingga bahkan tidak konsisten dengan dirinya sendiri
Keragaman titik balik menurut waktu
- Pada 2016, peralihan Google Translate ke neural translation membuat terjemahan Jepang–Inggris untuk pertama kali terasa praktis, tetapi orang itu tetap merasa model belum bisa menerjemahkan makna (meaning), sampai terkejut pada ChatGPT 2022 ketika melihat pemahaman antecedent pronomina dan konteks kata bermakna ganda
- Pengumuman GPT-3 disebut sebagai "lompatan kualitatif", sementara chat dan tool calling setelahnya dinilai lebih sebagai evolusi rekayasa daripada terobosan ilmiah
- GPT-2 dan GAN pada 2019 dianggap sebagai titik ketika hasil bergerak dari "obviously fake" ke "sometimes real", dan setelah itu kebanyakan hanya perbaikan bertahap
- Ada yang merasa sejak rilis ChatGPT (2022.11.30) era programmer tradisional mulai berakhir, lalu keesokan harinya langsung bereksperimen dengan loop coding agentik pertama
- Momen-momen lain yang memicu kesadaran bahwa "kecerdasan benar-benar berhasil dimodelkan" mencakup medali emas IMO 2025, kemampuan menghasilkan kalimat baru, dan tool calling
3 komentar
Saya menganggap wajar kalau AI jadi makin bagus dalam hal-hal baru maupun peningkatan fitur, tetapi setiap kali saya melihat biaya tagihan yang sangat besar hanya untuk tugas sederhana, saya merasa, wah ini gawat.
Memang ada banyak hal yang mengejutkan di sisi hardware/firmware.
Tidak ada aplikasi Mac untuk hardware yang saya terima dari Kickstarter, jadi ketika saya memberinya binary versi Windows dan memintanya menganalisisnya, Codex membuat DLL palsu yang berisi Windows API terkait USB, menyisipkan kode hooking, lalu menangkap semua pesan yang bolak-balik, dan dari situ membuat aplikasi Mac yang hampir sama.
Instruksi saya cuma, "analisis versi Windows lalu buatkan versi Mac."
Opini Hacker News
jzemeocala: Saya membeli Alesis QS8.1, piano digital/synthesizer kelas atas dari era 90-an, dengan harga sangat murah, tetapi semua perangkat lunak terkait sudah usang sehingga saya lelah harus memakai WINE setiap kali
Jadi saya mencoba membuat pengganti modern lintas platform yang menggabungkan fungsi dari beberapa program, dan meski saya kira ini akan sangat sulit karena komunikasinya hampir sepenuhnya lewat perintah SysEx, Claude membimbing saya menganalisis perangkat lunak aslinya dengan GHIDRA, lalu malam itu juga muncul demo yang berjalan, dan sekarang saya sedang menambahkan fitur baru
Saat OTA tidak berhasil, ia mengekstrak dan mendekripsi firmware piano itu, bahkan menulis skrip flash untuk memprogram piano lewat Bluetooth dari laptop saya, sehingga dalam waktu kurang dari satu jam pianonya hidup kembali
Dengan sedikit pengetahuan saja, menganalisis protokol apa pun dan membobol perangkat lunak dalam hitungan jam atau bahkan lebih cepat menjadi hal sepele, dan meskipun dampaknya besar, hal ini kurang terlihat karena ada banyak pihak berkepentingan di industri yang tidak ingin topik ini tersebar terbuka
Bukan hanya pada perangkat keras lama, pada perangkat keras baru pun makin banyak eksplorasi patching, penggantian, dan pengembangan firmware baru berkat LLM/AI generatif
[0] https://mforney.org/blog/2026-05-28-patching-my-guitar-amps-... [1] https://schwung.dev
SubiculumCode: Sejak awal
Itu berupa game dungeon yang mendeskripsikan ruangan lalu saya memilih tindakan, dan awalnya saya mengira dungeon itu dibangun di atas basis data yang kompleks
Tetapi ketika saya bilang ingin keluar, lalu ceritanya berlanjut ke penginapan, saya menggoda pelayan bar, dan tak lama kemudian sampai ke adegan menatap matahari terbenam di padang rumput, saya langsung merasa “wah, ini gawat”
Mesin itu merespons bahasa dengan bahasa seolah-olah mensimulasikan pemahaman dan kecerdasan, dan rasanya seperti pertama kali bertemu alien yang tahu bahasa saya, membuat saya merasa dunia tidak akan sama lagi
monuszero: Beberapa tahun lalu saya memasukkan fitur motion planning robot ke codebase dalam sprint sebulan, tetapi hasilnya selalu terasa kurang memuaskan
Karena tim kami kecil, kami mem-vendor OMPL serta menangani caching dan manajemen roadmap, dan meskipun saya tahu sebagian algoritme yang kami pakai bisa diparalelkan dengan SIMD atau kernel GPU, saya ragu apakah layak berjuang dengan CUDA atau Metal/Accelerate
Suatu malam saat memasak, saya memberi Opus 4.6 tinjauan literatur planner yang dibutuhkan di docs lalu memintanya mengimplementasikan roadmap planner berakselerasi native dari nol, dan saat air pasta mulai mendidih, implementasi yang memangkas waktu perencanaan kode OMPL dari beberapa detik menjadi beberapa ratus ms sudah selesai
Saat itu saya sadar nilai ekonomi dari waktu menyiapkan makan malam kini bisa dibandingkan dengan pekerjaan coding dua minggu yang sungguh-sungguh, dan hal-hal yang dulu berisiko atau terasa mewah untuk diinvestasikan waktunya kini menjadi opsi yang layak dipertimbangkan
Bagi tim kecil yang tahu apa yang mereka inginkan dan tahu cara menyiapkan agen agar berhasil, ini benar-benar game changer, dan para pemain lama yang dominan harus berhati-hati
andrewthornton: Saat liburan tahun 2025, pemanas rumah saya rusak dan jadwal servis baru tersedia dua hari kemudian, jadi rumah menjadi sangat dingin
Saya naik ke loteng, merekam beberapa video saat pemanas mencoba menyala, lalu memberikannya ke Gemini; ia langsung mendiagnosis masalahnya dan menyuruh saya memutar kipas pembuangan kecil saat proses penyalaan, dan pemanasnya langsung hidup
Saya harus mengulanginya beberapa kali sampai teknisi HVAC datang, tetapi setidaknya kami bisa bertahan
Penyewa di rumah sewaan saya bilang AC tidak dingin, jadi saya menelepon perusahaan HVAC langganan kami, tetapi yang menjawab justru asisten suara AI terbaru mereka, dan pengalamannya buruk sekali; katanya kantor akan menelepon balik, tetapi tidak pernah ada kabar
Akhirnya saya datang sendiri, memotret panel kompresor unit luar ruangan, lalu minta ChatGPT mendiagnosisnya; setelah bolak-balik soal hal-hal yang perlu diperiksa dan kode diagnosis, saya bahkan dipandu sampai perbaikan sederhana berupa mengganti kapasitor seharga 25 dolar
Padahal sebelumnya hanya ongkos kunjungan untuk diagnosis saja hampir empat kali lipat dari itu, jadi karena AI generatif saya kehilangan kepercayaan pada perusahaan HVAC, lalu berkat AI generatif lain saya justru memperbaikinya sendiri dalam sehari
Setelah saya membuka panel belakang dan mengunggah foto, ia menunjukkan lokasi sekering dengan petunjuk seperti “persegi panjang putih di atas kabel biru dan merah”, lalu memandu cara mengujinya; ketika saya memberi nomor model pengering, ia juga menemukan tautan ke komponen yang dibutuhkan
Terakhir, ia mengatakan kemungkinan besar sekering putus karena panas tidak terbuang, jadi menyarankan pembersihan ventilasi; setelah saluran buang saya bersihkan menyeluruh dan sekering 5 dolar saya ganti, alat itu kembali bekerja dengan baik
Seandainya dokumentasi IKEA tidak seburuk ini, saya mungkin tidak membutuhkannya, tetapi rasanya mirip dengan keuntungan yang didapat programmer pemula
Seorang profesional mungkin akan menertawakan hasil kerja saya, tetapi mereka mahal dan sulit diajak bekerja sama, sedangkan saya tetap berhasil menyelesaikan pekerjaan
Sebaliknya, saya tidak memakai AI untuk pekerjaan pengembangan, karena khawatir keterampilan saya akan menurun atau saya tidak benar-benar belajar hal-hal baru dengan benar
shreddude: Claude baru-baru ini mendekompilasi firmware camper van, mendokumentasikan antarmuka CAN, lalu memprogram modul ESP32 yang berkomunikasi dengan sistem terintegrasi seperti daya, HVAC, pencahayaan, dan tangki
Integrasi sistem embedded seperti ini berada di luar bidang saya, tetapi saya memakai Claude setiap hari baik untuk pekerjaan sebagai Solution Architect maupun proyek pribadi, dan sekarang bisa mengerjakan proyek-proyek yang sendirian bahkan tak akan bisa saya sentuh; jadi saya sulit memahami para skeptis AI
Jika generative AI dipakai untuk hal yang sebelumnya tak bisa dilakukan, itu alat yang menakjubkan; tetapi jika dipakai untuk hal yang sudah kita kuasai, dampaknya tidak sampai mengubah permainan, dan bagi pakar paling-paling hanya dorongan kecil
Pekerjaan banyak orang adalah melakukan hal yang memang mereka ahli di dalamnya
Namun sepertinya yang penting adalah kita sudah cukup paham lebih dulu tentang apa yang sedang dilihat
Apa sebenarnya masalah senilai 1 triliun dolar yang diselesaikan AI?
loudmax: Buat saya momennya adalah saat mengunduh bobot 7GB Meta yang bocor pada awal 2023 lewat torrent lalu menjalankan alpaca.cpp di desktop
Saya bertanya tentang Kekaisaran Romawi dan ia menjawab dalam bahasa Inggris; sebagian besar salah, tetapi tidak lebih buruk daripada tebakan mahasiswa Amerika rata-rata, dan tingkat percaya dirinya jauh lebih tinggi
Intinya bukan server mewah di pusat data Google yang sangat besar, melainkan CPU desktop saya sendiri yang menjawab pertanyaan berbahasa Inggris; apakah jawabannya bisa dipercaya tidak terlalu penting
Bisa bercakap-cakap dengan CPU terasa lebih mirip seperti berbicara dengan seekor anjing
Dalam 3 tahun, kemajuannya 100 kali lipat
jp57: Momen saya sebenarnya sangat sederhana, sekitar tahun lalu saat mencari tahu apa yang dibutuhkan untuk menarik mobil putri saya melintasi benua dengan truk
Awalnya saya melempar pertanyaan kecil satu per satu ke ChatGPT seperti memakai Google, tetapi lalu saya bertanya, “Saya ingin menarik mobil A dengan truk B dari C ke D; apa pilihannya?” dan ia menulis laporan lengkap berisi tabel perbandingan trailer/dolly, perhitungan bobot tarik, biaya, dan detail lainnya
Saat itulah saya merasa, “Ini berbeda, dan ini baru permulaan”
Saya memberinya foto listing Zillow, nomor seri peralatan, panel listrik, dan area tambahan yang saya foto sendiri saat walkthrough, lalu memintanya menulis laporan seperti inspektur rumah; hasilnya malah menemukan masalah yang terlewat oleh pemeriksa yang dibayar 750 dolar, dan benar-benar melakukan pekerjaan yang lebih baik
Karena malas, saya beberapa kali menanyakan data sederhana dan pasti seperti angka torsi dirt bike ke Claude dan ChatGPT, dan mereka sering menjawab dengan sangat yakin tetapi sepenuhnya salah
Bahkan jika PDF dimasukkan ke konteks lewat retrieval-augmented generation (RAG), saya tetap tidak tenang, jadi untuk data angka yang presisi saya sama sekali tidak pernah percaya pada LLM
yauneyz: Saya memintanya menulis cerita pendek tentang Vader dan Palpatine yang menemukan proses Gram-Schmidt
Bukan karya terbaik, tetapi nuansanya pas dan ia juga memahami apa itu Gram-Schmidt, yang saat itu terasa luar biasa gila
AussieWog93: Baru semalam saya memberi Claude Code prompt mentah agar mendiagnosis lewat adb titik crash persis saat Kodi berjalan di Chromecast 4k, lalu mengusulkan solusinya
Tanpa campur tangan manusia, ia menemukan penyebab crash, mengunduh source code Kodi, menambal bug yang sudah ada sejak 2016, lalu mengompilasi ulang, menandatangani, dan mendorongnya ke Chromecast sambil tetap mempertahankan semua pengaturan
Saya juga memintanya membuat PR; belum dipublikasikan, dan masih akan dites beberapa minggu lagi
Mungkin memang bisa, tetapi saya ingin tahu teknologi dan rantai alat seperti apa yang dipakai sampai bisa bekerja begitu
Saya penasaran apakah pekerjaan ini memakan waktu lebih dari beberapa menit, dan apakah perlu Claude Code versi berbayar
evdubs: Saya menguji apakah penyedia layanan LLM bisa menulis ulang dokumen hukum ke format yang konsisten tanpa halusinasi dan menemukan bagian yang hilang, dan ternyata bisa
Lalu saya melihat apakah LLM lokal juga mampu, dan Gemma-4 menanganinya dengan baik di kartu grafis 8GB dengan konteks besar 128k; model yang sama juga cukup bagus untuk OCR dan terjemahan
Saat itu saya sadar LLM sangat hebat untuk menangani pekerjaan yang saya sudah tahu persis apa maunya, tahu cara melakukannya, keterampilan yang didapat dari tugas itu tidak terlalu bernilai, dan kalau saya kerjakan sendiri mungkin hasilnya seadanya
Sekarang saya melihatnya lewat lensa: “Bisakah saya menyerahkan ke LLM hal-hal yang toh tidak akan terlalu saya pedulikan?”
Untuk hal-hal seperti ini, setidaknya saat ini, LLM jauh lebih cepat daripada manusia dan lebih tidak rentan terhadap kebosanan
Putra saya menanggapi gugatan awal dengan Claude dan Gemini, dan sekarang bahkan gugatan balik juga sedang ditangani 100% dengan AI
Ia memasukkannya ke beberapa AI agar saling meninjau, menggali lebih banyak ide, sempat pindah dari ChatGPT ke Grok dan Claude, dan sekarang Gemini yang hasilnya paling kuat
Situasi yang pas untuk berkata, “Panggil Claude”
kstrauser: Di tempat kerja, kami punya anggaran token yang besar, dan seorang rekan menemukan remote exploit yang tampak menakutkan di proyek terkenal saat uji kerentanan lalu meminta pendapat keduaku
Aku menjalankan proyek itu secara lokal dan mengeksekusi POC, tetapi tidak terjadi apa-apa, lalu kusadari bahwa perlu ada pengaturan yang menurunkan perlindungan keamanan default
Jadi aku meminta AI memperbaiki POC agar bisa berjalan juga pada konfigurasi default, dan beberapa menit kemudian AI itu menambalnya menjadi versi yang sudah dipersenjatai; instance lokal yang baru saja kuunduh, kukompilasi sendiri, dan kujalankan dengan pengaturan default langsung crash
Saat menatap kursor yang berkedip di konsol, aku berkeringat dingin seperti sedang memegang bom berisi informasi nuklir, lalu semalaman gelisah dan cuma tidur sekitar 30 menit
Sebagai gantinya, tim kami jadi punya arah etis yang jelas: karena kita bisa melakukan pekerjaan ini, kita harus melakukannya dan membagikan hasilnya kepada para penulis terkait
Aku ingin hidup di dunia tempat orang baik memperbaiki masalah sebelum orang jahat menemukannya, jadi sekarang aku memutuskan untuk ikut membangun dunia seperti itu
Aku tidak melihat gabungan kata sebelumnya yang tampaknya bisa menjadi singkatan itu
ddxv: Saat memakai kode yang dihasilkan LLM, kebanyakan rasanya seperti, “Oh, keren!” tetapi beberapa minggu kemudian, ketika kusadari kode “keren” yang dikeluarkan model sambil mengklaim semua tes lolos ternyata punya bug halus, dan aku sendiri tidak membacanya dengan teliti, saat itulah reaksinya jadi “eh?”
Risiko terbesarnya adalah menjadi malas, menyerahkan banyak file dan banyak perubahan sekaligus, lalu YOLO tanpa benar-benar memahami apa yang sudah dilakukan
Untuk frontend biasanya masih aman, tetapi pekerjaan manipulasi data kemungkinan besar tidak menghasilkan yang kita inginkan kalau kita tidak memahaminya, dan beberapa minggu kemudian kita kembali lagi untuk membongkar apa yang berubah
Mirip dengan hidup sebelum LLM saat kita copy-paste dari StackOverflow, hanya saja sekarang kecepatan copy-paste jauh lebih tinggi dan boilerplate ditangani dengan baik, jadi kita bisa fokus pada edge case
UncleOxidant: Baru-baru ini aku membuat pengklasifikasi MNIST jaringan saraf spiking yang berjalan di FPGA untuk demo bersama Claude
Claude menangani alurnya dari konsep ke PyTorch, pelatihan, implementasi Verilog, sampai sintesis FPGA, dan juga membuat aplikasi tempat angka digambar dengan mouse di PC lalu tombol klasifikasi ditekan
Aku perlu mengirim data ke FPGA dari USB lewat SPI, tetapi adaptor SPI masih dalam pengiriman, jadi aku memintanya agar kode Verilog dijalankan di simulator Verilator dan berkomunikasi lewat SPI virtual, lalu aku pergi makan siang
Saat kembali, aplikasi menggambar angka sudah terbuka di layar; aku menggambar angka '2', dan itu mengklasifikasikannya sebagai 2, sementara di jendela lain simulator Verilator menunjukkan pengiriman datanya
Itu bikin merinding
HlessClaudesman: Saat mendengarkan podcast di kafe, aku mendengar bahwa seorang penulis fiksi ilmiah menulis lebih dari 40 buku per tahun, dan kupikir pasti entah tim ghostwriter, kokain dalam jumlah besar, atau AI
Pada masa awal ChatGPT, aku mengunduh aplikasinya dan menyuruhnya melewati semua tahap penulisan novel—yaitu outline, ringkasan tokoh, ringkasan alur, draft bab, lalu bab final—dan sebelum aku sempat memikirkan kopi keduaku, naskah pra-edit sudah selesai
Novelnya memang buruk, tetapi ada kilasan ide yang bisa dipanen dan dipoles, dan itu membuktikan hipotesisku bahwa AI bisa melakukan produksi massal fiksi skala besar
Kalau tersedia banyak kokain, rasanya dengan AI pun orang bisa memompa 40 buku per minggu
mindcrime: Aku tidak ingat satu momen spesifik, tetapi sejak pertama kali berinteraksi dengan ChatGPT, kesannya sudah cukup kuat
Aku sama sekali belum siap menyebutnya AGI, tetapi jelas ini sesuatu yang baru, dan terasa intuitif bahwa “AI hari ini akan menjadi versi terburuknya ke depan” serta bahwa laju perubahannya sulit diprediksi
Semakin sering kupakai, semakin aku 100% yakin bahwa dalam arti tertentu masuk akal untuk menyebut mereka cerdas
Ini masih bukan AGI atau kecerdasan setingkat manusia, tetapi seperti istilah Demis Hassabis, “jagged intelligence”, menurutku ini adalah bentuk yang sangat cerdas di beberapa domain dan jauh kurang cerdas di domain lain
Karena aku percaya mungkin saja ada kecerdasan yang tidak bekerja seperti kecerdasan manusia, argumen jenis “itu bukan kecerdasan sungguhan” hampir tidak berbobot bagiku
Terkait itu, aku sudah lama menyimpan draft tulisan blog berjudul “The Marquee Sign Says 'Artificial' Intelligence”, dan aku tidak berniat menyuruh AI menuliskannya sebagai gantiku
Untuk riset, outline, dan brainstorming aku memakai AI, tetapi untuk tulisan yang terbit atas namaku sendiri, aku menjaga garis bahwa itu harus memakai suara asliku
ben_w: Ada beberapa momen seperti itu
Demo InstructGPT pertama sangat mengejutkan karena aku masih ingat betapa buruknya state of the art pemrosesan bahasa alami sebelumnya, dan aku tidak menyangka GPT-3.x akan melonjak dari kualitas lanjutan teks ke kepatuhan terhadap instruksi
This Person Does Not Exist pada 2019, style transfer tahun 2016 dan teknologi serupa (https://github.com/awentzonline/image-analogies) serta hal yang sekarang akan kita sebut deepfake (https://www.youtube.com/watch?v=_S1lyQbbJM4), dan pembaruan OTA self-driving Tesla tahun 2015 (https://www.popsci.com/tesla-cars-become-autonomous-overnigh...) juga terasa seperti itu
Pada 2013, word2vec dengan “man” - “woman” ~= “king” - “queen” juga memunculkan reaksi “eh?” karena aku tahu level pemrosesan bahasa alami di masa sebelumnya, dan lebih lagi saat memikirkan kemungkinan pengawasan melalui otomatisasi propaganda atau pemahaman slang seperti Polari
Aku juga ingat video demo Word Lens tahun 2010 (https://www.youtube.com/watch?v=h2OfQdYrHRs)
alexfoo: Setelah seseorang memperbarui firmware printer Brother DCP-L3550CDW, halaman CSV yang sebelumnya dipakai exporter Prometheus lama hilang dan yang tersisa hanya halaman HTML dengan informasi yang terkubur di berbagai
divSaat hendak menulis exporter dengan mem-parsing HTML secara manual, ia mencoba Claude, lalu menaruh satu file HTML statis dari halaman status printer dan file Go minimal yang hanya berisi
fmt.Printf("OK\n")di sebuah VM sandboxNama direktorinya
brother-exporter, dan tanpa instruksi lain, tanpa penjelasan tugas, bahkan tanpa diberi tahu bahasanya, hanya dengan/initClaude menyimpulkan bahwa yang harus dibuat adalah Go Prometheus exporterDalam 10 menit, Claude membuat kode yang tanpa cela untuk mengambil HTML dari printer default 192.168.1.1, mem-parsingnya, dan menyediakan metrik yang bisa di-scrape oleh Prometheus
Jika dikerjakan sendiri mungkin akan butuh beberapa jam; yang paling mengejutkan adalah betapa banyak hal yang bisa ditebak dengan tepat dari informasi yang sangat minim di awal
tern: Awalnya adalah saat Opus 3.x membuatkan sistem produktivitas dengan Obsidian MCP, lalu berikutnya ketika menemukan prompt jenis “buat model matematis dari masalah ini dan turunkan solusinya dari sana”
Momen benar-benar “hah?” datang ketika ia sudah lama menspesifikasikan compiler/runtime untuk DSP real-time dengan banyak ide baru dan itu benar-benar bekerja
Urutannya kira-kira: membantu AI memahami saya → membantu merangkai ide-ide bagus → menghasilkan ide baru bila diberi input yang tepat → membuat alat yang berguna di mesin saya → dengan pass iteratif menyintesis ide bagus menjadi ide yang lebih bagus → membangun sistem besar yang jauh melampaui kemampuan saya biasanya
Garis depan saat ini adalah menyintesis codebase besar menjadi sistem yang lebih baik lewat pass iteratif, dan kuncinya adalah melacak apakah prosesnya konvergen dan berlipat ganda, atau justru berputar di tempat atau menyimpang
Pada Maret 2024, saat mencoba meneliti dan mengimplementasikan tugas riset NLP yang sulit, saya merasa itu bisa didekati cukup baik hanya dengan prompt dan completions API
Pada pertengahan 2025, Llama 3 menganalisis codebase yang cukup besar yang sedang saya pelajari, lalu menyintesis hasil setingkat diagram yang saya buat sendiri sebagai alat penentu
Pada Desember 2025, Opus 4.5 menghasilkan modul multi-kelas dan test yang nyaris sempurna secara sintaksis, dan saya sadar kesalahannya berasal dari prompt saya yang kurang terdefinisi
Sekarang saya hampir tidak lagi menulis kode dengan tangan, karena hasilnya sudah cukup bagus dan bonus seperti test, dokumentasi, serta skrip build ikut datang gratis
notthetup: Ada rekaman audio konser unik yang rusak saat file dipindahkan selama backup
Datanya terasa masih ada, tetapi tidak ada software yang bisa memutarnya, lalu setelah dibiarkan 5 tahun ia mencoba memulihkannya dengan alat AI
Setelah 20 menit dengan Copilot dan banyak mengutak-atik hex dump, awalnya muncul solusi setengah jalan yang hanya bisa memutar beberapa detik pertama file, tetapi pada akhirnya ia berhasil memulihkan semua file
nwhitehead: Ini cerita pasangan saya: hari ini ia memakai Claude untuk mendiagnosis bug yang menghalangi progres di game Steam yang sangat ingin dimainkan
Butuh 18 menit, tetapi Claude membongkar paket Godot, menemukan bugnya, lalu mengusulkan perbaikan dan bahkan menjelaskan solusi workaround di dalam game
Saya tidak perlu melakukan apa-apa; Claude memakai
stringsuntuk memahami struktur file.pck, lalu menulis kode Python dengan sihir khusus Godot untuk mengekstrak chunk tertentusimonw: Buat saya, itu sekitar Maret 2023 saat melihat ChatGPT Code Interpreter
Saya mengunggah CSV insiden polisi San Francisco, lalu ia membacanya dengan Pandas, menampilkan grafik, dan setelah itu mengekspornya sebagai file database SQLite untuk saya unduh
Sebagai orang yang membuat software untuk jurnalis data, hanya efek samping bahwa ia bisa menjalankan Python di folder tempat file yang diunggah berada sudah membuatnya tampak mampu melakukan semua hal yang saya inginkan dari software
Jika dipikir-pikir lagi, itu adalah pertama kalinya saya melihat coding agent, hanya saja saat itu kategori itu bahkan belum punya nama
mlmonkey: Seorang teman konsultan mengambil ceruk di Netsuite dan Oracle; dengan latar belakang akuntan, ia menghasilkan banyak uang dengan mengonfigurasi instance pelanggan dan sering main golf
Tak lama setelah ChatGPT populer, ketika saya antusias membicarakan potensi AI, ia mencoba meredamnya dengan berkata, “AI tidak akan bisa melakukan pekerjaan saya,” lalu pulang dan mengujinya di laptop
Ia memasukkan spesifikasi konfigurasi Netsuite yang biasa diterimanya dari pelanggan, bersama berbagai opsi dan konfigurasi, lalu meminta perintah penyiapannya; ChatGPT pun mengeluarkan deretan perintah yang harus dijalankan dan opsi yang harus diatur
Teman saya langsung ciut dan berkata, “Ini memang perintah persis yang saya jalankan,” tetapi setelah itu ia berhasil mengamankan beberapa perusahaan tertutup milik pemilik yang ia kenal sebagai klien langganan yang cukup stabil untuk tetap membiayai hobinya bermain golf
Pelanggan tahu bahwa bahkan jika mereka sendiri bisa menjalankan ConsultBot 2.0, seperti biasa mereka tetap menyerahkannya ke tangan yang bisa dipercaya
djfergus: Ada Amazon Firestick generasi pertama yang sudah bertahun-tahun tersimpan di laci dan ternyata diperbarui ke software terbaru sehingga tidak ada root exploit publik yang tersedia
Sepanjang sehari ia menyuruh Claude dan Codex meneliti secara bergantian; setelah mengunduh source kernel dan mencoba exploit, akhirnya ia mendapatkan akses root dengan “FBUF/VCHIQ kernel zero-write primitive to patch live kernel memory”
Ia bisa membuat root-nya permanen, menghapus aplikasi Amazon, dan menurunkan versi firmware; itu membuatnya bersemangat akan masa depan ketika lebih banyak perangkat keras lama maupun baru bisa dipakai ulang
PopePompus: Ia sedang membuat ulang aplikasi astronomi lama yang dulu ditulis untuk Nokia N900 era sebelum iPhone App Store menjadi aplikasi Android dengan Claude Code
Aplikasi aslinya membuat beberapa halaman tampilan seperti posisi planet, dan tanpa menyebutkan sama sekali kode asli maupun keberadaan aplikasi itu, ia hanya mendeskripsikan layar demi layar agar direproduksi per halaman
Setelah beberapa halaman berhasil direproduksi, Claude menambahkan satu halaman lagi yang tidak diminta; halaman itu memang ada di aplikasi Nokia asli, tetapi belum pernah diminta untuk ditambahkan ke aplikasi Android
Kode aplikasi Nokia masih ada di GitHub, dan tampaknya Claude somehow menghubungkan tugas yang diminta dengan kode Nokia di repositori GitHub miliknya; Claude lalu mengimplementasikan halaman yang hilang itu dengan tepat, sampai-sampai ia benar-benar melongo
vitorbaptistaa: Saya adalah CTO di NGO kecil beranggotakan 10 orang, dan saat itu hanya ada satu developer junior, sambil mendukung dua aplikasi yang dibuat konsultan
Arsitekturnya berantakan, dengan NextJS, React, dan 4 microservice menempel pada situs yang hanya punya 50 pengguna per minggu
Saya menyiapkan devcontainer berisi codebase lama dan repositori kosong, lalu meminta Claude menulis ulang menjadi aplikasi Django server-side rendering lawas sebelum saya tidur, dan paginya 80% sudah selesai
Setelah beberapa hari tambahan untuk prompt dan review, kesetaraan fungsinya tercapai, dan aplikasi lainnya juga ditangani dengan cara yang sama
Sekarang keduanya sudah di-deploy, biaya server dan kompleksitas menurun, kecepatannya naik beberapa kali lipat, dan tanpa agen AI ini adalah hal yang biasanya tidak akan bisa diselesaikan seperti technical debt pada umumnya, jadi bagi organisasi kecil AI sangat luar biasa berguna
dang: Momen besarnya adalah saat melihatnya menganalisis file log dalam hitungan detik
Kalau saya yang melakukannya, itu akan memakan waktu berjam-jam, bahkan praktis berhari-hari, jadi sejak awal itu adalah pekerjaan yang tidak akan saya kerjakan
Itu juga membantu menembus hambatan masuk untuk optimisasi yang saya tunda selama bertahun-tahun karena tidak sempat belajar, dan juga membantu melacak bug konkurensi seperti race condition
Ia juga menemukan informasi yang tidak bisa saya temukan lewat Google Search(https://news.ycombinator.com/item?id=42653136), dan kesamaannya adalah bukan karena hal-hal itu mustahil, melainkan karena waktu dan upaya yang dibutuhkan terlalu besar sehingga pekerjaan yang tadinya tidak akan pernah terjadi jadi benar-benar bisa terjadi
Saat saya menunjuk ekstensi ADO yang bermasalah, ia mengunduh VSIX dan mendekompilasi binary .NET untuk memastikannya, lalu berdasarkan informasi itu mengusulkan workaround yang tadinya sangat saya ragukan, dan ternyata benar-benar berhasil
Secara teknis saya juga bisa melakukannya, tetapi karena imbal hasilnya tidak jelas dan waktunya akan terlalu lama, kemungkinan besar saya tidak akan melakukannya
Kemarin saya melihatnya di urutan paling atas GitHub, menjelaskan masalahnya, dan Claude langsung menemukan bug tersebut, lalu setelah beberapa kali percakapan menghasilkan perbaikan yang memuaskan
Sekarang sepertinya saya akhirnya bisa membuat rilis final, dan rasanya menyenangkan bisa menuntaskan urusan lama yang tertunda
hgoel: Belakangan ini saya mencoba meminta bantuan Claude untuk belajar menggambar, khususnya anatomi
Saya mengunggah sketsa dan meminta umpan balik, dan di luar dugaan itu sangat berguna; ia menjelaskan dengan tepat bagian-bagian yang terasa janggal bagi saya meski tidak ada orang lain yang menunjukkannya
Karena penasaran, saya memintanya memberi label masalah langsung di atas sketsa, dan ia menulis skrip Python yang menentukan koordinat lalu menempelkan labelnya sendiri
Karena saya masih punya anggapan bahwa vLLM belum terlalu bagus untuk tugas visual, mendapatkan saran menggambar yang benar-benar berguna terasa cukup mengejutkan
Apakah umpan balik anatomi, misalnya seperti “lengan tidak menempel di situ”, atau teknik menggambar seperti tips pencahayaan dan bayangan?
takee: Saat melakukan eksperimen elektromagnetisme dengan anak berusia 10 tahun untuk dipertunjukkan di pameran sains sekolah, muncul masalah yang saya sendiri tidak bisa debug
Saya menyalakan panggilan video live Gemini dan meminta bantuan menganalisis penyebabnya, lalu setelah ia menjelaskan kemungkinan masalah dengan jelas, kami akhirnya berhasil membuat perangkat itu bekerja seperti yang diharapkan
Penyebabnya adalah isolasi pada sisi sambungan baterai dari kabel yang dililitkan ke sekrup tidak terkelupas dengan benar, dan Gemini menangkap detail yang tidak bisa saya lihat dengan mata telanjang
Anak saya dan dua temannya takjub bukan hanya pada eksperimennya, tetapi juga pada percakapan suara dan video real-time dengan AI yang terasa nyaris seperti sihir
lodovic: Saya menempelkan screenshot thread review PR dan hanya berkata, “ada komentar review, jadi tolong perbaiki,” lalu saya kaget ketika ia menyelesaikannya dengan sempurna, membuat commit-commit kecil, dan mendorongnya ke upstream
Setelah itu, untuk melihat sejauh mana ia memahami maksud saya, saya terus memberinya tugas yang tampaknya mustahil, proyek raksasa, dan arsitektur kompleks
Belakangan ini ia menulis OS lengkap dari nol hanya dalam seminggu, beberapa jam per hari, termasuk MPI, TCP/IP, GUI, dan bahkan bisa menjalankan Doom
Coding sebagai profesi memang sudah selesai, tetapi karena perbedaan hasilnya begitu besar saat didekati dengan pola pikir profesional, saya tetap melihat discipline rekayasa perangkat lunak masih bisa memberi nilai yang sangat besar
jmkni: Bukan coding, melainkan membaca log
Saya sedang mencari bug mimpi buruk yang hanya terjadi di production, dan Claude Code bisa terhubung ke Google Cloud untuk membaca log secara real-time
Saat saya mereproduksi bug di UI, ia langsung mengidentifikasi masalah di log, dan karena ia juga memiliki konteks seluruh codebase, ia bahkan menunjuk tepat ke baris kode yang menjadi penyebabnya
Itu jelas momen “hah?” bagi saya
marcus_holmes: Saya memotret tanaman yang layu dan menunjukkannya ke Claude, lalu ia memberi tahu cara memulihkannya hingga sehat kembali dan cara memperbanyaknya lewat stek
Contoh-contoh coding masih masuk akal karena itu komputer berbicara tentang komputer, tetapi ketika saya menunjukkan foto tanaman ke komputer lalu ia mengenali tanamannya, mendiagnosisnya, dan tahu apa yang harus dilakukan, itu terasa seperti fiksi ilmiah dan benar-benar mengejutkan
bonoboTP: Momen terbesarnya adalah tepat setelah rilis ChatGPT pada 2022, khususnya saat ia bermain peran sebagai terminal Linux dan setelah dideskripsikan bahwa “kebakaran terjadi di pusat data”, jika
nvidia-smi“dijalankan” maka suhu GPU akan muncul tinggiKita juga bisa “menjelajahi” home directory atau home directory milik tokoh terkenal, dan kalau ia memahami terminal sebaik ini, saya yakin penggunaan alat dan agen sudah di depan mata
Opus 4.5 membuat saya merasa itu akhirnya benar-benar tiba, tetapi pada 2022 saya sebenarnya mengira itu akan datang lebih cepat lagi, pada 2023~2024
Untuk gambar, setelah melihat nano banana saya merasa gambar AI benar-benar sudah layak, dan menjadi jelas bahwa masalah sementara seperti tangan·anggota tubuh atau “tidak bisa membuat astronot menunggang kuda” akan hilang
Pembuatan film panjang juga sudah masuk ke ranah yang mungkin, dengan agen yang mengoordinasikan naskah, karakter, dan shot saat menghasilkan film, dan terlepas dari apakah ceritanya layak ditonton, itu tetap akan menjadi sebuah “film”
Setelahnya memang ada banyak tugas yang lebih mengesankan, tetapi tidak ada yang menimbulkan rasa takjub murni seperti saat itu
jb_briant: Saya sedang membuat game 3D, dan karena tidak suka dunia yang datar, saya ingin memakai planet
Permukaannya tidak berkembang sehingga secara gameplay tetap terbatas, tetapi pada saat yang sama terasa seperti tak terbatas karena tidak menabrak batas dunia, dan itu terasa elegan
Koordinat Kartesius tidak terlalu cocok untuk pemain, jadi saya membutuhkan sistem grid lintang/bujur/ketinggian, dan saya bisa saja menghabiskan berhari-hari membongkar StackOverflow sambil men-debug implementasi yang penuh cacat
Pada 2024, versi web ChatGPT membuat helper-helpernya hampir sekaligus, dan itu mengesankan karena jebakannya memang sangat banyak
Game arkade retro inspirasi Rally-X yang berjalan di browser: https://linsomniac.github.io/rally-xy/
Saya juga membuat game shooter labirin multiplayer jaringan bergaya nsnipes, dan walaupun berbasis browser, multiplayer jaringannya tetap memerlukan server: https://github.com/linsomniac/isnipes
vishvananda: Itu terjadi saat saya mengeluarkan lagi proyek-proyek lama yang sempat mandek awal tahun ini dan menyerahkannya ke agen
Dalam beberapa hari, ia membuat klon implementasi AlphaZero yang dibuat tim Oracle(https://medium.com/oracledevs/lessons-from-implementing-alph...), mem-port emulator NES hobi saya dari JavaScript ke Rust(https://github.com/vishvananda/popeye), dan mengimplementasikan semua pelajaran dari C++ Grandmasters Challenge hingga akhirnya berlanjut menjadi compiler C++ lengkap(https://medium.com/@vishvananda/i-spent-2-billion-tokens-wri...)
Khusus porting emulator NES, itu bahkan tidak sampai 30 menit dan langsung berjalan pada percobaan pertama
Yang menyalakan saklarnya adalah kenyataan bahwa saya menyuruhnya membuat ulang hal-hal yang sebelumnya saya bangun sendiri dengan susah payah, dan karena saya tahu betapa sulitnya itu, dampaknya terasa jauh lebih besar daripada proyek lain
a_bonobo: Di tempat kerja sebelumnya saya merapikan catatan penampakan hewan yang belum terverifikasi, dan secara terpisah ada juga database probabilitas kemunculan hewan berbasis peta persebaran spesies
Saya bukan ahli statistik, tetapi jika diberikan penampakan, probabilitas dasar kemunculan di area tersebut, dan asumsi tentang noise penampakan, pekerjaan menghitung probabilitas bahwa spesies itu benar-benar termasuk tampak sangat cocok untuk teorema Bayes
Claude mengajukan tiga pertanyaan lalu menulis implementasi Python yang indah, yang mengueri peta dan mengeluarkan tabel probabilitas yang sudah dikoreksi
Saya merasakan sensasi kuat bahwa sekarang saya bisa melakukan hal seperti ini “sendirian”, tanpa harus menunggu sampai menemukan orang yang tepat atau lebih dulu mempelajari pengetahuan yang benar
dannyobrien: Saya mendapatkan akses awal ke OpenAI API sebelum ChatGPT, sekitar 2019 saat di kantor kami menyiapkan game JackBox livestream untuk acara amal
Dulu saya pernah bekerja sebagai penulis untuk versi Inggris dari game asli You Don't Know Jack, dengan tugas menghasilkan banyak lelucon satu baris lucu tentang suatu topik lalu hanya memakai sebagian kecilnya untuk rekaman
Sebagai percobaan, saya memasukkan kalimat pengaturan semacam itu ke OpenAI API, dan meski 90% hasilnya tidak lucu atau incoherent, 1 dari 10 tidak buruk atau bahkan lumayan bagus
Mungkin itu tidak terlalu mengesankan bagi orang lain, tetapi karena saya pernah mengalami lingkungan ruang penulis tempat semua orang menghabiskan waktu berjam-jam melakukan pekerjaan seperti ini, saya sadar ini bisa menjadi pelengkap yang sempurna sebagai alat bantu kreatif
Ia juga lumayan bagus sebagai pemain JackBox
xtracto: Mungkin akan dikecam, tapi dengan bantuan LLM saya menulis program kecil yang menangkap video game FPS online Xbox Live di layar browser, lalu mengenali bentuk manusia dengan jaringan saraf kecil yang sudah dilatih dan menampilkannya di layar lain
Caranya dengan menaruh overlay hijau di atas musuh dalam match PVP agar lebih mudah terlihat, dan semuanya jadi sekitar 100 baris kode termasuk melatih/finetune jaringan saraf YOLO kecil
Bagi yang tidak tahu mungkin terkesan seperti curang, tapi pada dasarnya ini latihan computer vision
Alat-alat jenis DMA di ranah modding game juga menghasilkan uang lewat layanan berlangganan, jadi ini mengesankan sekaligus anehnya sangat tertutup, dan menarik juga melihat seberapa baik alat seperti itu dan hardware mux bekerja
Kalau sampai digabung dengan hardware seperti DGA yang punya memori onboard dan interconnect lebih cepat, ini akan jadi masa yang sangat menarik bagi orang-orang yang memahami reverse engineering, analisis malware, dan forensik
tejohnso: Tidak ada momen panik besar, tapi dalam setahun terakhir cara saya mendekati pemrograman berubah
Dulu saat memulai proyek saya memikirkan sendiri strukturnya, interaksi antarbagian besar, detail implementasi, alternatif, dan konsekuensinya
Sekarang, alih-alih berpikir sendirian, saya menjalankannya sambil berdialog dengan LLM, mengumpulkan informasi dari berbagai sumber dengan cepat, meminta tautan ke referensi utama, dan menanyakan trade-off antaralternatif yang sebelumnya tidak saya pertimbangkan untuk sampai ke analisis yang lebih mendetail
Saat pengembangan pun saya terus menempatkan partner agen baru itu dalam konteks untuk berdiskusi, memberi saran, dan membantu memecahkan masalah
Memang belum bisa dipercaya sepenuhnya, tapi untuk tujuan saya ini sudah cukup bisa diandalkan sebagai alat alur kerja, dan kecepatannya berubah dari mainan menarik menjadi alat yang sepenuhnya terintegrasi terasa sangat cepat
tobyhinloopen: Seorang staf nonteknis dari klien membuat aplikasi dengan vibe coding, lalu meminta saya me-review dan men-deploy-nya
Hasilnya cukup baik dan tidak ada masalah serius
Pada saat yang sama, saya memasukkan seluruh PDF umpan balik klien, screenshot, dan lain-lain ke Claude, lalu selama 7 jam ia hampir tanpa campur tangan mereproduksi dan memperbaiki masalah sambil membuat beberapa MR
Sebagian besar perbaikannya bagus, dan beberapa memang benar secara teknis tapi bukan yang diinginkan klien, jadi ketika saya mengatakan itu Claude pun memperbaikinya
Jadi saya membangun startup dengan ide itu sebagai pusatnya
rerdavies: Saya sedang mengerjakan kompiler Spice yang mengubah skematik pedal gitar klasik menjadi kode yang bisa dieksekusi secara real time
Saya memberi Claude nomor halaman dan nomor persamaan dari The Spice Manual 2nd ed. lalu memintanya mengimplementasikannya, dan sejujurnya saya tidak berharap berhasil
Tapi ternyata ia bukan hanya mengimplementasikan persamaan itu, melainkan juga menghitung Lagrangian dari fungsi yang ada 30 baris di bawahnya, yang membutuhkan turunan parsial simbolik untuk fungsi yang tidak sepele serta menentukan variabel mana yang berarti apa dalam matriks hasil
Teks aslinya hanya mengatakan “Lagrangian of” dan tidak memberikan persamaan turunan parsial, tetapi tetap berhasil, bahkan menambahkan komentar dengan nomor halaman sumber dan nomor persamaan untuk persamaan Lagrangian tersebut
Saya bisa saja langsung menyuruh Claude melakukannya, tapi penasaran apakah Anda berencana membagikannya