Agentic AI coding adalah cara bekerja di mana AI tidak sekadar melengkapi baris kode, tetapi menerima tugas utuh, membaca file proyek, menyusun rencana, mengubah beberapa file, menjalankan perintah seperti test, lalu memperbaiki dirinya sendiri sampai tugas selesai. Contoh tools-nya Claude Code, mode agent di Cursor, GitHub Copilot coding agent, dan OpenAI Codex.
Bedanya dengan Autocomplete dan Chat
| Autocomplete | Chat AI | Agentic AI coding | |
|---|---|---|---|
| Satuan kerja | Satu baris atau fungsi | Potongan kode yang kamu tempel | Tugas utuh lintas file |
| Melihat proyek | File yang terbuka | Hanya yang kamu tempel | Mencari dan membaca sendiri |
| Menjalankan perintah | Tidak | Tidak | Ya: test, linter, build |
| Peranmu | Mengetik | Menyalin dan menempel | Memberi tugas, mengawasi, meninjau |
Cara Kerja Agent di Balik Layar
- Memahami tugas dari instruksimu, misalnya "tambah filter tanggal di halaman laporan".
- Menjelajah proyek: mencari file terkait, membaca controller, model, view, dan test yang relevan.
- Menyusun rencana: file mana yang akan diubah dan bagaimana.
- Mengubah kode di beberapa file.
- Memverifikasi: menjalankan test atau linter, membaca error, lalu memperbaiki.
- Melapor: ringkasan perubahan untuk kamu tinjau.
Langkah 5 yang membedakan agent dari chat biasa. Agent bisa melihat hasil kerjanya sendiri dan memperbaiki kesalahan tanpa kamu harus menyalin error.
Alur Kerja Agentic AI Coding yang Aman
1. Mulai dari branch bersih
Buat branch baru sebelum memberi tugas. Dengan begitu semua perubahan agent bisa ditinjau sebagai satu diff dan dibuang kalau tidak cocok. Kalau belum terbiasa dengan branch, baca Git untuk pemula.
2. Tulis tugas seperti tiket yang jelas
Tambahkan filter rentang tanggal di halaman Laporan Penjualan.
- Default: 30 hari terakhir
- Validasi: tanggal akhir tidak boleh sebelum tanggal awal
- Ikuti pola filter yang sudah ada di halaman Pesanan
- Tambah test untuk filter dan validasi
- Jalankan test terkait sampai lulusKalimat "ikuti pola yang sudah ada di..." sangat efektif. Agent akan membaca contoh itu dan menyesuaikan gaya kodenya.
3. Siapkan file aturan proyek
Kebanyakan agent membaca file instruksi di root proyek, misalnya CLAUDE.md, AGENTS.md, atau aturan Cursor. Isi dengan perintah test, konvensi penamaan, struktur folder, dan hal yang dilarang. Ini berlaku untuk semua tugas berikutnya, jadi kamu tidak perlu mengulang.
4. Minta rencana untuk tugas besar
Untuk perubahan yang menyentuh banyak bagian, minta agent menyusun rencana dulu tanpa mengubah kode. Setujui atau koreksi rencananya, baru izinkan eksekusi. Mengoreksi rencana jauh lebih murah daripada mengoreksi 15 file.
5. Tinjau diff seperti meninjau pekerjaan rekan
Baca setiap perubahan. Perhatikan file yang tidak kamu duga ikut berubah, test yang dihapus atau dilemahkan, dan dependensi baru. Jalankan aplikasinya dan coba fitur itu sendiri.
Tugas yang Cocok dan Tidak Cocok
Cocok:
- Fitur dengan pola yang sudah ada di proyek (CRUD baru, endpoint baru, filter, export).
- Menulis test untuk kode lama.
- Refactor mekanis: mengganti nama, memindahkan kode, upgrade sintaks.
- Menelusuri bug yang bisa direproduksi dengan test.
Kurang cocok:
- Keputusan arsitektur besar tanpa arahan.
- Kode keamanan sensitif (autentikasi, pembayaran, enkripsi) tanpa tinjauan ketat.
- Proyek tanpa test sama sekali, karena agent tidak punya cara membuktikan perubahannya benar.
Risiko yang Perlu Dijaga
- Perintah berbahaya. Atur izin agar perintah seperti menghapus file, migrasi database produksi, atau push ke remote butuh persetujuan manual.
- Kredensial. Jangan beri agent akses ke file
.envproduksi atau token deploy. - Test yang "diakali". Agent kadang membuat test lulus dengan melemahkan assertion. Periksa perubahan di file test dengan teliti.
- Pemahaman yang menurun. Kalau semua kode ditulis agent, kamu bisa kehilangan pemahaman atas proyekmu sendiri. Tetap baca dan pahami setiap perubahan penting.
Kesalahan yang Sering Terjadi
- Tugas terlalu besar dalam satu perintah. "Buatkan modul inventori lengkap" menghasilkan banyak kode yang sulit ditinjau. Pecah menjadi tugas sebesar satu pull request.
- Tidak memberi cara verifikasi. Sebut perintah test yang harus dijalankan.
- Langsung merge tanpa menjalankan aplikasi. Test lulus belum tentu tampilannya benar.
Langkah Berikutnya
Kualitas hasil agent sangat bergantung pada instruksimu. Pelajari polanya di cara prompt AI untuk coding. Untuk tugas yang membutuhkan beberapa agent sekaligus, lanjut ke multi-agent workflow. Agent juga bisa disambungkan ke database, dokumentasi, dan tools lain lewat Model Context Protocol.
