Coding Workflow Modern dengan AI Agent di 2026

Di era Coding Agent seperti Claude Code, Cursor, dan sejenisnya, cara kita membangun software berubah signifikan. Kita tidak lagi hanya menulis kode baris per baris, melainkan lebih banyak berperan sebagai orchestrator — yang merancang, mengarahkan, dan memverifikasi pekerjaan AI.

1. Prinsip Utama: Foundation First

Kesalahan paling umum saat menggunakan AI coding tools adalah langsung “lazy prompting” dari hari pertama. Hasilnya sering berantakan, technical debt cepat menumpuk, dan AI malah memperparah struktur yang sudah kacau.

Pendekatan yang lebih baik:

• Strict dan banyak guardrail di awal project
• Setelah fondasi rapi, baru gunakan gaya yang lebih santai untuk fitur-fitur kecil

Kenapa ini berhasil? Karena Coding Agent sangat bergantung pada konteks yang sudah ada. Semakin rapi arsitektur, naming convention, dan aturan project-mu, semakin bagus hasil AI meskipun prompt-mu pendek.

2. Workflow di Awal Project (Strict Phase)

Berikut alur yang direkomendasikan saat memulai project baru (khususnya Monolith Decoupled + Monorepo):

1. PRD
   Tulis requirement dan tujuan bisnis.

2. UI / Mockup / Frontend Statis
   Buat prototype flow lengkap (tanpa integrasi API). Tujuannya untuk memvalidasi user flow dan menemukan business rule yang masih implisit.

3. Database Design

   • Minta LLM generate ERD berdasarkan requirement.
   • Gunakan LLM kedua sebagai Devil Advocate untuk mengkritik desain.
   • Lakukan beberapa putaran revisi sampai ERD matang.

4. API / Backend
   Implementasi dengan Domain Separation + Service Repository Pattern.

5. Frontend Integration

6. Testing

Kenapa ERD Masih Penting?

Meskipun AI bisa langsung generate schema, ERD tetap berguna karena:

• Memaksa kita memikirkan relasi dan cardinality dengan jernih.
• Menjadi dokumen visual yang mudah dipahami tim.
• Bisa dijadikan konteks yang konsisten untuk AI di kemudian hari.

Proses loop (Generate → Devil Advocate → Review) sangat efektif untuk mencegah relasi yang salah dan struktur data yang bermasalah.

3. Spec / Architecture Notes yang Cukup

Tidak perlu dokumen super panjang. Cukup tambahkan section singkat di PRD atau buat file terpisah (docs/project-rules.md / CLAUDE.md):

Contoh minimal yang berguna:

• Tech stack (high level)
• Domain rules penting (contoh: soft delete, ownership, naming convention)
• Out of scope
• Aturan arsitektur (Domain Separation, Service + Repository, dll)

Aturan-aturan ini akan menjadi “rel” bagi AI. Semakin jelas aturannya, semakin jarang AI membuat keputusan yang menyimpang.

4. Workflow untuk Fitur Kecil (Lazy tapi Terstruktur)

Setelah project sudah berjalan dan fondasinya rapi, kita bisa lebih santai. Namun tetap ada disiplin:

Pola yang direkomendasikan:

1. Lazy Prompt
   Contoh: “Tambahkan fitur verifikasi akun”

2. Clarification Loop
   Biarkan AI bertanya hal-hal penting (pakai email atau nomor telepon? OTP atau magic link? dll). Jawab sampai semua ketidakjelasan terselesaikan.

3. Mature Plan
   Minta AI merangkum plan akhir (file apa saja yang akan diubah, langkah-langkahnya).

4. Execute
   Baru izinkan AI mengimplementasikan setelah plan disetujui.

Pola Plan → Execute ini jauh lebih aman daripada langsung membiarkan AI mengubah kode.

5. Mengapa Pendekatan Ini Berhasil?

AI bukan pengganti pemikiran arsitektural. AI adalah force multiplier yang sangat kuat jika kita memberinya konteks dan batasan yang baik.

6. Tips Praktis

• Buat file aturan project (CLAUDE.md atau .cursorrules) sedini mungkin.
• Biasakan meminta AI merangkum plan sebelum eksekusi, meskipun fiturnya kecil.
• Gunakan frontend statis sebagai sarana validasi business rule sebelum masuk ke database design.
• Jangan takut melakukan beberapa putaran revisi di tahap ERD. Investasi waktu di sini biasanya sangat berharga.
• Tetap lakukan code review, meskipun AI yang menulis sebagian besar kodenya.

Penutup

Workflow modern dengan Coding Agent bukan berarti kita menyerahkan segalanya ke AI. Justru sebaliknya: kita harus lebih sadar dalam merancang fondasi dan menjaga kualitas konteks.

Strict di awal, lalu lazy (dengan tetap ada plan) di fitur-fitur berikutnya adalah pendekatan yang seimbang antara kecepatan dan kualitas. Dengan fondasi yang rapi, bahkan prompt yang pendek pun bisa menghasilkan output yang baik dan konsisten.

Cara terbaik menggunakan AI dalam coding bukan dengan menyerahkan kendali sepenuhnya, melainkan dengan menjadi director yang baik.