Menyimpan konteks volatil sesi coding AI sebagai memori proyek — studi penerapan rhwp

Ini adalah tulisan yang merangkum metodologi kolaborasi AI yang saya alami langsung selama berkontribusi sebagai collaborator rhwp selama 3 bulan.

Tulisan ini membahas alasan AI yang bekerja dengan baik dalam vibe coding mengalami kesulitan saat diterapkan ke proyek yang sudah ada atau codebase perusahaan, bukan dari sisi performa model semata, melainkan dari sudut pandang ‘ketiadaan konteks proyek yang terakumulasi’.

rhwp mengeksternalisasi konteks yang dihasilkan selama pekerjaan melalui Hyper-Waterfall sebagai berikut.

• Secara makro, mencatat pengetahuan jangka panjang yang perlu dibagikan oleh banyak pekerjaan di mydocs/manual, mydocs/tech, dan sebagainya
• Secara mikro, mencatat pertimbangan dan hasil verifikasi, serta alasan keberhasilan dan kegagalan, dalam rencana implementasi/pelaksanaan tiap pekerjaan, laporan per tahap, dan laporan akhir
• Menyimpan dokumen-dokumen ini bersama kode ke dalam repository melalui commit agar konteks yang sama bisa terus dimanfaatkan oleh kontributor, sesi, agen, dan model lain

Sebagai contoh nyata, dokumen desain yang ditulis sebelum saya mengenal proyek ini ditemukan kembali sekitar 5 bulan kemudian dalam pekerjaan baru. Melalui dokumen itu, kontributor baru dan AI dapat kembali memahami masalah yang dipertimbangkan maintainer saat itu, arah desain, dan keputusan yang telah diambil.

Saya tidak mengklaim Hyper-Waterfall sebagai alat serbabisa yang cocok untuk semua proyek. Tulisan ini memperkenalkan cara menyimpan konteks sesi yang mudah menguap sebagai ‘memori proyek’ yang dapat ditinjau dan digunakan kembali dalam proyek kompleks jangka panjang, serta cara menerapkannya ke repository lain.