Mengapa Vibe Coding dengan Common Lisp Menarik Perhatian Developer Elite

Python, TypeScript, dan Java mungkin mendominasi percakapan seputar AI code generation. Namun, sebuah tulisan menarik dari blog funcall baru-baru ini mengungkapkan sudut pandang berbeda: mengapa Common Lisp menjadi target pilihan untuk vibe coding, meski termasuk bahasa niche dengan komunitas yang relatif kecil.

Pertanyaan dasarnya sederhana. Jika AI yang menulis sebagian besar kode, bukankah lebih masuk akal menggunakan bahasa populer dengan dataset training masif? Jawabannya tidak sesederhana itu. Popularitas bahasa pemrograman adalah proxy yang buruk untuk utility dan ekspresivitas. Ini adalah argumen klasik yang telah lama diketahui komunitas Lisp: memilih bahasa berdasarkan popularitas adalah tindakan middle manager yang ingin memastikan selalu ada orang untuk memelihara kode, bukan elite hacker yang mengutamakan kekuatan ekspresi.

Keahlian sebagai Dasar Vibe Coding

Penulis tulisan tersebut telah memprogram dalam Common Lisp selama beberapa dekade. Pengalaman mendalam ini menjadi fondasi penting dalam vibe coding. Ketika AI menghasilkan kode, manusia tetap bertugas sebagai arsitek yang mengawasi mesin. Tanpa pemahaman mendalam tentang bahasa target, mustahil mengevaluasi apakah kode yang dihasilkan berkualitas tinggi atau sekadar halusinasi model yang akan berujung jalan buntu.

Ini adalah prinsip fundamental yang sering diabaikan: vibe coding bukan berarti menyerahkan sepenuhnya kontrol ke AI. Sebaliknya, ini adalah kolaborasi di mana keahlian manusia menjadi korektor dan navigator bagi output model. Anda tidak bisa secara sukses mengorkestrasi AI dalam bahasa yang tidak Anda kuasai dengan baik. Kemampuan untuk membedakan kode berkualitas dan kode bermasalah dalam sepersekian detik adalah skill yang tidak bisa digantikan oleh AI.

Abstraksi di Atas Implementasi

Kebanyakan bahasa modern memaksa Anda untuk mendeskripsikan secara persis bagaimana mesin harus mengolah bit dan byte. Lisp dirancang sebagai bahasa untuk mengekspresikan abstraksi tingkat tinggi daripada detail implementasi yang membosankan. Ketika Anda meminta AI untuk menghasilkan kode, Anda menginginkan logika arsitektural, bukan bertarung dengan boilerplate hanya untuk mengelola state dasar.

Lisp adalah bahasa yang dirancang oleh dan untuk elite hacker, bukan untuk massa. Ia tidak memegang tangan Anda dan tidak menurunkan standar ke pola pemrograman bootcamp level terendah. Ketika Anda menggunakannya sebagai target language, Anda beroperasi di lingkungan yang dibangun untuk ekspresivitas maksimal.

Homoikonisitas: Keunggulan Teknis Terbesar

Salah satu argumen paling kuat untuk menggunakan Lisp dalam AI code generation adalah homoikonisitas. Dalam Lisp, kode distrukturkan sebagai data yang dimanipulasinya. Ini berarti ketika LLM menghasilkan Lisp, model tersebut bekerja langsung di level Abstract Syntax Tree (AST), bukan memprediksi surface syntax seperti whitespace, bracket, atau semicolon.

Ketika LLM menghasilkan Python atau Java, model harus memprediksi syntax permukaan yang kaku dengan aturan indentasi dan struktur class yang rigid. Dengan Lisp, model memprediksi struktur murni. Menghilangkan friksi sintaksis ini adalah keuntungan masif untuk AI code generation karena model bisa fokus pada logika arsitektural, bukan memperjuangkan boilerplate.

Makro sebagai Kompresi Konteks

Dalam vibe coding, context window LLM adalah sumber daya paling berharga. Sistem makro Lisp memungkinkan bentuk kompresi konteks yang sangat efektif. Alih-alih AI berulang kali menghasilkan boilerplate yang verbose, Anda bisa menyembunyikan boilerplate tersebut di balik makro. AI belajar makro tersebut, menggunakannya, dan menghemat ribuan token. Hal ini memungkinkan Anda memelihara arsitektur besar dalam batasan memori model.

Pada era di mana model AI masih memiliki batasan context window, kemampuan untuk mengompresi informasi menjadi sangat berharga. Makro Lisp memungkinkan developer mendefinisikan bahasa domain-specific yang ringkas, yang kemudian bisa dipahami dan digunakan oleh AI dalam batasan token yang tersedia.

REPL sebagai Lingkungan Hidup

Penulis juga menekankan pentingnya REPL dalam workflow vibe coding-nya. Ia tidak mengoperasikan LLM di editor teks yang steril. Sebaliknya, ia mengoperasikannya dari dalam Lisp REPL. Ini memungkinkan LLM untuk melakukan introspeksi program saat program sedang dikembangkan. Jika kita perlu mengetahui state dari objek atau fungsi tertentu, model bisa query lingkungan live secara langsung.

Anda tidak menulis teks mati. Anda berkonversasi dengan sistem yang hidup. Ketika AI menulis kode buruk, condition system Lisp menyediakan fasilitas error handling dan debugging yang superior. Alih-alih crash keras yang membutuhkan reboot penuh, error ditangkap, dan LLM bisa menganalisis stack trace serta debug kode yang dihasilkan secara interaktif, tepat di titik kegagalan.

Penggunaan REPL juga berarti Anda tidak perlu memulai program dari awal setiap kali ingin menguji perubahan. Dalam bahasa compiled mainstream, satu baris fix dari AI membutuhkan full rebuild dan reset state. Di Lisp, Anda cukup mendefinisikan ulang fungsi spesifik dan segera mengujinya di REPL sementara state aplikasi lainnya tetap utuh. Kecepatan iterasi tidak tertandingi dan ini sangat penting dalam workflow vibe coding yang iteratif.

Kesimpulan

Tidak ada yang memberikan elite hacker bahasa code monkey. Jika Anda mengharapkan AI bekerja di level elite, Anda harus memberinya tools elite, bukan bahasa yang didesain untuk mass market. Common Lisp mungkin bukan pilihan populer, tetapi untuk developer yang memahami kekuatannya, Lisp menawarkan fondasi yang kokoh untuk vibe coding yang benar-benar produktif. Kombinasi homoikonisitas, sistem makro yang kuat, dan REPL yang interaktif menciptakan lingkungan ideal di mana AI bisa berkembang sebagai arsitek kode, bukan sekadar penulis syntax. Bagi developer Indonesia yang ingin mengeksplorasi vibe coding di level lebih dalam, mempertimbangkan Lisp bisa membuka perspektif baru tentang bagaimana seharusnya manusia dan AI berkolaborasi dalam pengembangan software.

Sumber: funcall.blogspot.com