Dipublikasikan 31 Juli 2026
MandoCode Desktop adalah native Windows AI coding assistant yang berjalan di atas Ollama, dirancang untuk developer yang ingin praktik vibe coding tanpa bergantung pada layanan cloud. Dibangun dengan .NET dan dipublikasikan sebagai open source oleh DevMando di GitHub, tool ini menggabungkan kecepatan IDE lokal dengan kecerdasan LLM yang berjalan sepenuhnya offline. Artikel ini membahas workflow lengkap vibe coding aplikasi desktop menggunakan MandoCode dan Ollama.
Vibe coding adalah pendekatan development di mana developer menjelaskan intent secara natural language, lalu AI agent menghasilkan kode, debugging, dan refactoring secara otomatis. Kebanyakan tool vibe coding populer seperti Cursor, GitHub Copilot, atau Claude Code memerlukan koneksi internet dan biaya subscription. Bagi developer di Indonesia dengan konektivitas tidak stabil atau kekhawatiran privasi kode proprietary, solusi lokal menjadi alternatif yang sangat menarik.
MandoCode Desktop hadir untuk mengisi gap tersebut. Dengan mengintegrasikan Ollama sebagai backend LLM, seluruh proses inference terjadi di mesin lokal. Tidak ada kode yang dikirim ke server eksternal. Tidak ada batasan request harian. Dan yang paling penting: latency bisa lebih rendah karena tidak melewati jaringan internet.
Sebelum memulai, pastikan sistem-mu memenuhi spesifikasi minimum:
Windows 10 atau 11 (64-bit)
Minimal 16GB RAM untuk menjalankan LLM coding yang nyaman
GPU dengan VRAM 8GB+ direkomendasikan meski tidak wajib
Ollama versi terbaru sudah terinstall
.NET 8 SDK untuk build dari source
Instalasi dimulai dengan memastikan Ollama berjalan dengan baik. Download dari ollama.com dan verifikasi dengan menjalankan:
ollama --version
ollama pull qwen2.5-coder:14b
Model Qwen 2.5 Coder 14B adalah salah satu model coding open source terbaik saat ini dan menjadi default rekomendasi untuk MandoCode. Jika hardware-mu lebih terbatas, gunakan varian 7B yang masih memberikan hasil bagus untuk tugas coding sehari-hari.
Clone repository dari GitHub dan checkout ke branch stable terbaru:
git clone https://github.com/DevMando/MandoCode.Desktop.git
cd MandoCode.Desktop
git checkout $(git describe --tags --abbrev=0)
Build project menggunakan .NET CLI:
dotnet restore
dotnet build --configuration Release
Proses build akan menghasilkan executable di folder bin/Release/net8.0-windows/. Jalankan MandoCode.Desktop.exe untuk pertama kali. Pada boot awal, aplikasi akan mendeteksi instalasi Ollama dan meminta kamu memilih model default dari daftar model yang sudah di-pull.
Jika kamu menemukan error terkait Windows Defender atau SmartScreen, tambahkan exception untuk folder build. Ini adalah false positive yang umum terjadi pada aplikasi .NET yang baru di-compile.
Setelah aplikasi terbuka, buat workspace baru dengan memilih folder project-mu. MandoCode akan mengindeks struktur file dan membangun codebase map sederhana yang membantu LLM memahami konteks project. Konfigurasi model dilakukan melalui panel Settings:
Model: qwen2.5-coder:14b
Temperature: 0.2
Context Window: 32768
System Prompt: "You are an expert Windows desktop developer using C# and WPF."
Temperature rendah (0.1-0.3) direkomendasikan untuk tugas coding agar output lebih deterministik dan jarang menghasilkan API yang tidak ada. Context window 32K cukup untuk sebagian besar project desktop skala menengah. Jika project-mu sangat besar, pertimbangkan untuk membagi tugas menjadi prompt yang lebih kecil dan spesifik.
Workflow vibe coding di MandoCode mengikuti pola iteratif yang natural. Berikut contoh session nyata membangun fitur calculator sederhana:
Prompt 1 (Intent): Buatkan window kalkulator dengan layout grid 4x4, tombol angka 0-9, operasi dasar, dan display text. Gunakan MVVM pattern.
Prompt 2 (Refinement): Tambahkan validasi agar tidak bisa dibagi dengan nol. Tampilkan pesan error di display, jangan crash.
Prompt 3 (Polish): Ganti warna tombol operator menjadi oranye dan angka menjadi abu-abu gelap. Tambahkan keyboard shortcut untuk Enter dan Escape.
Di setiap iterasi, MandoCode mengirimkan prompt ke Ollama bersama dengan konteks file yang sedang aktif dan sebagian codebase map. LLM kemudian mengembalikan code block yang bisa langsung di-apply ke editor dengan satu klik. Jika ada error compile, salin error message ke chat dan minta LLM memperbaikinya. Siklus ini terus berulang hingga fitur selesai.
Salah satu tantangan vibe coding adalah menjaga konteks ketika perubahan melintasi banyak file. MandoCode menangani ini dengan fitur @reference. Ketika kamu mengetik @MainViewModel.cs di prompt, MandoCode akan menyertakan konten file tersebut ke context window LLM. Ini memungkinkan refactor yang melibatkan multiple class tanpa kehilangan konsistensi.
Contoh prompt multi-file:
@MainViewModel.cs @CalculatorService.cs
Refactor method Calculate() agar menggunakan CalculatorService daripada logic inline. Pastikan semua unit test di CalculatorServiceTests.cs tetap lulus.
Dengan pendekatan ini, LLM memiliki visibilitas penuh ke semua file yang relevan dan bisa menghasilkan refactor yang koheren. Kamu tetap bertanggung jawab untuk mereview hasil dan menjalankan test, tapi heavy lifting syntax dan plumbing ditangani oleh AI.
Setelah development selesai, package aplikasi-mu menggunakan MSIX atau single-file publish. MandoCode bisa membantu menghasilkan script packaging melalui prompt:
Buatkan MSIX manifest untuk aplikasi kalkulator ini. Icon ada di Assets/icon.png. Target Windows 10 19041+.
Publish dengan .NET CLI:
dotnet publish -c Release -r win-x64 --self-contained true -p:PublishSingleFile=true
Hasilnya adalah executable standalone yang bisa didistribusikan tanpa memerlukan .NET runtime terpisah di mesin target. Uji aplikasi di virtual machine atau device lain untuk memastikan tidak ada dependency yang terlewat.
Berikut beberapa tips dari komunitas developer yang menggunakan MandoCode secara aktif:
Prompt spesifik: Hindari prompt seperti "perbaiki bug". Gunakan deskripsi spesifik: "tombol sama dengan tidak merespons setelah pembagian dengan nol, perbaiki event handler di MainViewModel".
Commit sering: Vibe coding menghasilkan perubahan cepat dan besar. Buat commit setelah setiap prompt berhasil di-apply agar bisa revert jika iterasi berikutnya merusak sesuatu.
Gunakan model yang tepat: Qwen 2.5 Coder unggul di C# dan TypeScript. Untuk Python, CodeLlama atau DeepSeek Coder sering memberikan hasil lebih baik. Eksperimen dengan model berbeda untuk stack teknologi-mu.
Review manual tetap penting: LLM lokal bisa hallucinate API method yang tidak ada. Selalu review hasil sebelum compile, terutama untuk kode yang berinteraksi dengan library eksternal.
MandoCode Desktop membuktikan bahwa vibe coding tidak harus mahal atau bergantung pada cloud. Dengan menggabungkan Ollama sebagai backend LLM lokal dan antarmuka .NET yang responsif, developer bisa membangun aplikasi desktop lengkap hanya dengan menjelaskan intent dalam bahasa alami. Workflow iteratif prompt, apply, test, dan refine yang didukung oleh MandoCode menciptakan pengalaman development yang cepat dan privasi-pertama. Bagi tim Indonesia yang bekerja dengan kode sensitif atau infrastruktur terbatas, ini adalah toolchain yang layak dipertimbangkan serius.
Sumber: MandoCode Desktop di GitHub
Dapatkan feedback, users, dan eksposur dari komunitas kreator, developer, dan entrepreneur digital Indonesia.
Submit Produk → Pelajari Dulu