Vibe Coding Aplikasi Personal: Local-First di Pertengahan 2026

Francis Irving, developer berpengalaman dan aktivis open source asal Inggris, baru-baru ini mempublikasikan pengalamannya membangun tiga aplikasi personal hanya dengan bantuan AI coding agent. Yang menarik dan menginspirasi, aplikasi tersebut bukan sekadar eksperimen teknis atau demo konsep, melainkan tools produktivitas yang ia gunakan setiap hari untuk mengelola daftar restoran, mengingat wajah orang yang baru dikenal, dan memutar musik sesuai preferensinya.

Dipublikasikan di blog pribadinya pada 15 Agustus 2026, artikel tersebut memberikan gambaran jelas dan transparan tentang bagaimana praktik vibe coding telah berevolusi di pertengahan tahun 2026. Jauh dari stereotip coding asal-asalan tanpa arah, Irving menunjukkan workflow yang terstruktur, iteratif, dan disiplin dalam menggunakan agent AI untuk membangun software yang nyata.

Tiga Aplikasi yang Benar-Benar Dipakai Sehari-hari

Proyek bernama Toucan ini terdiri dari tiga modul utama yang masing-masing menyelesaikan masalah spesifik dalam kehidupan Irving. Pertama, Toucan Places, yang menggantikan Google Maps list untuk menyimpan rekomendasi restoran dan kafe dari teman-teman. Irving mengeluh bahwa Google Maps terlalu kaku, tidak fleksibel, dan yang paling mengganggu: mengunci data pengguna ke dalam walled garden milik korporasi. Aplikasi buatannya menyimpan data secara lokal di perangkat dengan sinkronisasi opsional ke server pribadi yang dikendalikannya sendiri.

Kedua, Toucan People, dirancang khusus untuk membantu Irving yang mengalami face blindness atau kesulitan mengingat wajah orang yang baru dikenal. Aplikasi ini menggunakan teknik spaced repetition yang terbukti secara ilmiah untuk melatih ingatan visual dan asosiasi wajah-nama, sesuatu yang tidak ditawarkan oleh aplikasi kontak konvensional mana pun di pasaran.

Ketiga, Toucan Music, merupakan custom Spotify player yang memungkinkan pengguna mengorganisir album ke dalam folder hierarkis sesuai genre, mood, atau tahun rilis. Fitur ini telah lama diminta oleh ribuan pengguna di komunitas Spotify tetapi tidak pernah diimplementasikan oleh platform streaming tersebut karena alasan bisnis yang tidak transparan.

Arsitektur Local-First sebagai Pilihan Fundamental

Keputusan paling menarik dari proyek ini bukan pada fitur individual atau desain antarmuka, melainkan pada arsitektur dasar yang dipilih Irving. Ia memilih pendekatan local-first, di mana data utama disimpan di perangkat pengguna dan sinkronisasi ke server terjadi di background secara opsional. Ini berbeda secara filosofis dari model software-as-a-service konvensional yang menempatkan server cloud sebagai source of truth absolut.

Untuk mekanisme sinkronisasi, ia menggunakan Yjs, protokol local-first dan library CRDT paling populer saat ini, yang dipasangkan dengan Hocuspocus sebagai sync server yang ringan. Data disimpan dalam format SQLite, memudahkan backup berkala, migrasi, dan hosting di server pribadi melalui penyedia lokal Mythic Beasts yang berbasis di Inggris.

Keputusan arsitektur ini didorong oleh keprihatinan privasi yang valid dan semakin relevan. Data wajah orang, nama kontak, dan preferensi musik adalah informasi sensitif yang Irving tidak ingin diserahkan begitu saja ke cloud hyperscale milik korporasi besar yang bisnis modelnya bergantung pada monetisasi data. Dengan local-first, kontrol data tetap berada di tangan pengguna secara penuh.

Workflow Vibe Coding yang Dipraktikkan Irving

Bagi developer yang penasaran bagaimana vibe coding bisa menghasilkan produk nyata dan bukan sekadar prototype instan, Irving menguraikan prosesnya secara transparan tanpa menyembunyikan kekurangan. Ia menggunakan langganan Claude seharga 18 pound sterling per bulan, dengan mayoritas tugas pengembangan dihandle oleh model Opus yang paling mumpuni dalam coding agent saat ini.

Struktur workflow-nya relatif sederhana tetapi disiplin. Ada direktori plans/ di mana setiap fitur besar didesain terlebih dahulu dalam bentuk dokumen teks panjang yang detail. Irving mengedit rencana itu secara manual, membuat keputusan arsitektural yang fundamental, lalu memberikan instruksi lengkap kepada agent untuk mengimplementasikannya sesuai spesifikasi.

Untuk perubahan UX atau desain signifikan, ia meminta Claude membuat artefak berisi beberapa opsi desain dalam satu dokumen. Setelah beberapa iterasi feedback, kualitas desain yang dihasilkan agent cukup tinggi untuk menjadi dasar implementasi frontend yang nyata.

Bug dan task dikelola dalam file TODO.md sederhana di root repository. Agent menandai item yang sudah selesai, lalu Irving melakukan QA manual secara ketat sebelum menghapusnya dari daftar. Yang paling menarik, Irving menyoroti bahwa sebagian besar task berada di bawah heading Polish. Ia memberikan feedback produk dan UX secara detail setiap hari saat menggunakan aplikasi, mencatat puluhan item kecil yang perlu diperbaiki. Menurutnya, inilah alasan utama mengapa vibe coding masih sulit diskalakan untuk orang lain: butuh pemilik produk yang sangat engaged untuk mengarahkan agent secara terus-menerus.

Implikasi untuk Developer Indonesia dan Masa Depan Personal Computing

Kisah Toucan menggambarkan masa depan personal computing yang sangat individualized dan berdaulat. Alih-alih bergantung pada SaaS milik korporasi yang seringkali mengabaikan kebutuhan niche, pengguna teknis dapat menciptakan tools custom yang tepat guna dengan biaya langganan AI agent bulanan yang relatif terjangkau.

Bagi developer di Indonesia, tren ini membuka peluang baru yang menarik. Bukan hanya sebagai konsumen pasif AI agent, tetapi sebagai arsitek aktif yang merancang workflow vibe coding untuk klien lokal atau untuk kebutuhan diri sendiri. Memahami protokol local-first seperti Yjs, CRDT (Conflict-free Replicated Data Types), dan arsitektur sync server akan menjadi keterampilan bernilai tinggi di pasar yang semakin menghargai kedaulatan data.

Selain itu, proyek ini membuktikan bahwa vibe coding bukan pengganti pemikiran produk atau desain software. Sebaliknya, vibe coding adalah accelerator yang ampuh untuk individu yang sudah memiliki visi produk yang jelas dan kemauan untuk mengarahkan agent dengan instruksi yang detail. Tanpa arah yang kuat dan feedback yang konstan, agent AI hanya akan menghasilkan spaghetti code yang tidak berguna dan sulit dipelihara.

Irving menyediakan source code Toucan di sr.ht, meskipun dengan catatan jujur bahwa ia tidak cukup bangga untuk menyebutnya sebagai rilis resmi yang siap dipakai publik. Transparansi semacam ini adalah ciri khas komunitas hacker yang jujur tentang keterbatasan karya mereka, bahkan di era AI yang seringkali menciptakan ilusi kesempurnaan instan.

Sumber: Flourish.org (Francis Irving)