Cara Menggunakan AI untuk Menulis Kode yang Lebih Baik

Penggunaan AI dalam coding sudah bukan hal baru. Namun, banyak developer yang salah fokus: mereka memakai AI untuk menulis kode lebih cepat, padahal potensi sebenarnya ada pada peningkatan kualitas. Nolan Lawson, engineer berpengalaman, membagikan pendekatan yang berbeda dalam artikelnya. Di sini, kita akan breakdown langkah praktis agar kamu bisa memanfaatkan AI untuk menghasilkan kode yang lebih bersih, terstruktur, dan maintainable.

Pahami Konteks Proyek Sebelum Bertanya ke AI

Kesalahan umum adalah langsung meminta AI menulis kode tanpa memberikan konteks. AI butuh gambaran besar tentang arsitektur, tech stack, dan batasan proyekmu. Mulailah dengan menjelaskan struktur folder, library utama, dan coding standards yang digunakan. Semakin spesifik konteksnya, semakin relevan saran yang diberikan AI.

Gunakan AI untuk Review Kode, Bukan Hanya Generate

Jangan hanya meminta AI menulis fungsi baru. Copy-paste kode yang sudah ada dan minta AI meninjau potensi bug, smell code, atau pelanggaran best practice. Proses ini mirip pair programming dengan senior developer yang selalu tersedia. Kamu bisa menanyakan: Apa risiko race condition di blok ini? atau Bagaimana cara membuat fungsi ini lebih idempotent?

Iterasi Berbasis Prompt Engineering yang Spesifik

Hindari prompt generik seperti buatkan fungsi login. Gunakan teknik chain-of-thought: minta AI membuat outline terlebih dahulu, lalu tanyakan detail implementasi tiap bagian. Contoh prompt yang efektif: Buatkan service autentikasi dengan JWT refresh token, gunakan TypeScript, pisahkan concern ke file terpisah, dan sertakan unit test untuk edge case token expired.

Validasi Output dengan Running Test Manual

AI sering menghasilkan kode yang terlihat benar tapi gagal saat dijalankan. Selalu simpan output AI ke file sementara, jalankan linter dan unit test, lalu bandingkan dengan ekspektasi. Jika hasilnya error, berikan stack trace ke AI sebagai konteks perbaikan. Siklus generate-test-debug ini justru memperdalam pemahamanmu tentang codebase.

Dokumentasikan Pola yang Berhasil

Setiap kali AI menghasilkan solusi yang clean dan valid, catat prompt serta konteksnya. Buat library internal berupa markdown atau Notion berisi pola-pola efektif. Lama-kelamaan, kamu akan memiliki playbuk sendiri yang bisa di-share ke tim. Ini mengubah AI dari sekadar tool menjadi knowledge base yang terkurasi.

AI adalah force multiplier, bukan pengganti judgment. Dengan mengalihkan fokus dari kecepatan ke kualitas, kamu tidak hanya menulis kode lebih baik, tapi juga belajar lebih dalam. Selengkapnya bisa dibaca di artikel asli Nolan Lawson.