Hanya Bekerja 2 Jam Sehari? Insinyur Google Ini Menggunakan Claude untuk Mengerjakan 80% Pekerjaannya

marsbitDipublikasikan tanggal 2026-04-15Terakhir diperbarui pada 2026-04-15

Abstrak

Intisari: Seorang insinyur Google dengan 11 tahun pengalaman berhasil mengotomatisasi 80% pekerjaannya menggunakan Claude Code, sehingga hanya bekerja 2-3 jam/hari dan menghasilkan pendapatan pasif $28.000/bulan. Kunci keberhasilannya adalah tiga komponen utama: 1. **CLAUDE.md**: File panduan berbasis prinsip Karpathy (Think Before Coding, Simplicity First, Surgical Changes, Goal-Driven Execution) yang mengurangi pelanggaran aturan coding dari 40% menjadi hanya 3%. 2. **Everything Claude Code**: Sistem multi-agent yang berfungsi seperti tim rekayasa AI otomatis dengan 27 agen siap pakai, menggantikan kebutuhan mengelola berbagai alat AI secara terpisah. 3. **Perbaikan Token Tersembunyi**: Versi Claude Code v2.1.100 diam-diam mengonsumsi 20.000 token tambahan yang mengaburkan instruksi. Solusi sementara dengan downgrade ke v2.1.98 mengembalikan 40% kapasitas penggunaan. Hasilnya: developer beralih dari menulis kode 8 jam/hari menjadi hanya mereview hasil AI selama 2-3 jam/hari, dengan penghematan 100-120 jam/bulan. Sistem ini dapat diimplementasikan dalam 15-20 menit menggunakan perintah sederhana.

Catatan Editor: Ketika "AI Menulis Kode" secara bertahap menjadi konsensus industri, yang benar-benar mengubah produktivitas bukanlah model itu sendiri, tetapi bagaimana Anda menetapkan aturan untuk model, mengatur alur kerja, dan menanamkannya ke dalam sistem yang dapat berjalan berkelanjutan.

Dari file CLAUDE.md yang sederhana, hingga kolaborasi multi-agen, hingga siklus pengembangan yang terotomatisasi, metode ini mengubah proses pengembangan dari "percakapan antara manusia dan AI" menjadi "manajemen terhadap tim teknik AI". Dalam proses ini, kesalahan dibatasi sejak dini, alur kerja distrukturisasi, pembuatan kode, pengujian, dan peninjauan secara bertahap lepas dari pelaksanaan manual, dan beralih diambil alih oleh sistem.

Yang juga patut diperhatikan, artikel ini mengungkap detail yang sering diabaikan: dalam konteks panjang dan sistem yang kompleks, perilaku model tidak sepenuhnya dapat dikendalikan. Baik konsumsi token yang tersembunyi, maupun pengenceran instruksi, akan mempengaruhi kualitas output tanpa disadari. Hal ini membuat "bagaimana mengelola AI", dan bukan hanya "bagaimana menggunakan AI", menjadi kemampuan inti yang baru.

Pada titik ini, pengembang tidak lagi berfokus pada pengkodean, tetapi berputar di sekitar perancangan aturan, penjadwalan alur kerja, dan pemeriksaan hasil. Mereka yang telah menyelesaikan langkah ini lebih dulu, telah mulai beralih dari "mengerjakan sendiri" menjadi "membuat sistem yang bekerja untuk mereka".

Berikut adalah teks aslinya:

Seorang insinyur Google dengan pengalaman 11 tahun, dengan bantuan Claude Code dan aplikasi .NET sederhana, berhasil mengotomatisasi 80% pekerjaannya.

Sekarang, ia hanya perlu bekerja 2-3 jam sehari, bukan 8 jam seperti sebelumnya, sisa waktunya sebagian besar berada dalam keadaan "santai", sistem berjalan sendiri, dan memberinya pendapatan pasif $28.000 per bulan.

Apa yang dikuasainya, adalah metode yang belum Anda ketahui.

Bagian 1—Menulis CLAUDE.md sesuai Prinsip Karpathy

Andrej Karpathy—salah satu peneliti AI paling berpengaruh di dunia—pernah merangkum secara sistematis kesalahan paling umum model bahasa besar dalam menulis kode: desain berlebihan, mengabaikan pola yang ada, dan memperkenalkan dependensi tambahan yang tidak diminta.

Ada yang merangkum observasi ini, menyusunnya menjadi file CLAUDE.md yang terpadu.

Hasilnya, proyek ini mendapatkan 15 ribu bintang di GitHub dalam seminggu, dalam arti tertentu, bisa dibilang ada 15 ribu orang yang mengubah cara kerja mereka karenanya.

Pola pikir intinya sebenarnya sederhana: jika kesalahan dapat diprediksi, maka dapat dihindari lebih awal dengan instruksi yang jelas. Cukup dengan menempatkan file markdown di repositori kode, Anda dapat memberikan seperangkat aturan perilaku terstruktur untuk Claude Code, sehingga menyatukan pengambilan keputusan dan eksekusi di seluruh proyek.

Di dalam file ini, terutama berisi empat prinsip inti:

· Berpikir Dulu, Baru Ngoding → Hindari Asumsi yang Salah dan Pertimbangan yang Terlewat
· Sederhana yang Diutamakan → Hindari Desain Berlebihan dan Abstraksi yang Membengkak
· Modifikasi Secara Bedah → Hindari mengubah kode yang tidak diminta untuk diubah
· Eksekusi Berorientasi Target → Uji dulu, lalu verifikasi berdasarkan standar keberhasilan yang jelas

Tidak bergantung pada framework apa pun, juga tidak memerlukan alat yang rumit—hanya dengan satu file, Anda dapat mengubah perilaku Claude pada tingkat proyek.

Perbedaan sesungguhnya:

· Tanpa CLAUDE.md: Claude melanggar norma dalam ~40% kasus
· Menggunakan CLAUDE.md Karpathy: Tingkat pelanggaran turun menjadi ~3%
· Waktu setup: Hanya 5 menit

Perintah untuk membuat file CLAUDE.md Anda sendiri secara otomatis:

claude -p "Baca seluruh proyek dan buat CLAUDE.md berdasarkan:
Think Before Coding, Simplicity First, Surgical Changes, Goal-Driven Execution.
Sesuaikan dengan arsitektur nyata yang Anda lihat." --allowedTools Bash,Write,Read

Ini menggantikan Claude yang seperti ini: menghadapi tugas sederhana namun mendesain berlebihan, memperkenalkan dependensi yang tidak diminta, bahkan sembarangan mengubah file yang tidak seharusnya disentuh.

Bagian 2 Everything Claude Code: Tim Teknik Lengkap dalam Satu Repositori

Everything Claude Code (Sudah dapat lebih dari 153 ribu bintang di GitHub)

Ini bukan hanya sekumpulan prompt, tetapi lebih seperti sistem operasi AI lengkap untuk membangun produk.

Mendukung operasi di berbagai alat seperti Claude, Codex, Cursor, OpenCode, Gemini—satu sistem, dapat digunakan di mana saja.

Cara instalasi:

/plugin marketplace add affaan-m/everything-claude-code

Atau instal manual—cukup salin komponen yang Anda butuhkan ke direktori .claude/ proyek. Jangan muat semua sekaligus—memuat 27 agen dan 64 skill bersamaan, sangat mungkin akan menghabiskan kuota konteks sebelum Anda memasukkan prompt pertama. Simpan hanya bagian yang benar-benar dibutuhkan.

Perbedaan sesungguhnya:

· Sebelumnya: Anda sedang berbicara dengan AI
· Sesudahnya: Anda sedang mengelola tim teknik AI yang berjalan otomatis

Yang digantikannya: Anda yang sebelumnya perlu menghabiskan berminggu-minggu untuk membangun sistem agen sendiri, mengkonfigurasi berbagai alat perencanaan/peninjauan/keamanan secara terpisah, serta biaya $200–500 per bulan untuk berbagai layanan AI.

Bagian 3 "Skandal" Tersembunyi: Claude Code v2.1.100 Diam-diam Mengonsumsi Token Anda

Seseorang dengan membuat proxy HTTP, mencegat dan menganalisis permintaan API lengkap dari 4 versi Claude Code yang berbeda.

Mereka menemukan:

v2.1.98: 169.514 bytes request → 49.726 tokens ditagih
v2.1.100: 168.536 bytes request → 69.922 tokens ditagih
selisih: -978 bytes tetapi +20.196 tokens

v2.1.100 mengirim byte data lebih sedikit, tetapi menagih tambahan 20 ribu tokens. "Inflasi" ini sepenuhnya terjadi di sisi server—Anda tidak dapat melihatnya, juga tidak dapat memverifikasinya melalui antarmuka /context.

Mengapa hal ini penting tidak hanya pada penagihan, 20 ribu tokens tambahan ini akan dimasukkan ke dalam jendela konteks aktual Claude.

Ini berarti:

→ Instruksi CLAUDE.md Anda akan diencerkan oleh 20 ribu "konten tersembunyi" ini

→ Dalam percakapan panjang, kualitas output akan menurun lebih cepat

→ Ketika Claude mengabaikan aturan Anda, sulit untuk menemukan penyebabnya

→ Kuota penggunaan Claude Max akan habis ~40% lebih cepat dari biasanya

Perbaikan hanya 30 detik: npx [email protected]

Ini adalah solusi sementara sebelum perbaikan resmi dari Anthropic, tetapi dalam penggunaan praktis, Anda hampir dapat langsung merasakan perubahan efek sesi.

Yang digantikannya: Anda tidak perlu lagi menebak mengapa Claude tiba-tiba tidak lagi mengikuti instruksi Anda.

Studi Kasus: Seperti Apa Sistem Otomatisasi Lengkap Itu

Seorang insinyur berpengalaman 11 tahun, membangun sistem yang terdiri dari tiga bagian:

Hasil setelah satu minggu:

· Sebelumnya: 8 jam sehari menulis kode
· Sesudahnya: Hanya 2–3 jam sehari melakukan tinjauan dan pengujian kode

· Kualitas kode: Pada dasarnya tidak berubah—karena ia akan meninjau satu per satu
· Status Teams: Selalu online—mouse bergerak otomatis setiap menit
· Waktu sisa: Bebas sepanjang hari

Ini bukanlah "sihir", tetapi hasil dari gabungan CLAUDE.md + agen yang tepat + mekanisme loop setiap 15 menit.

Daftar lengkap:

Apa yang Anda dapatkan setelah membacanya:

· Sebelumnya: Claude melanggar norma yang ada dalam 40% kasus
· Sesudahnya: Menggunakan CLAUDE.md Karpathy, tingkat pelanggaran turun menjadi 3%

· Sebelumnya: Anda perlu menghabiskan berminggu-minggu untuk membangun agen
· Sesudahnya: 27 agen siap pakai

· Sebelumnya: Claude Max habis kuotanya dalam 2–3 jam
· Sesudahnya: Downgrade ke v2.1.98 dapat memulihkan ~40% batas penggunaan

· Sebelumnya: Perlu 8 jam sehari menulis kode
· Sesudahnya: Hanya 2–3 jam untuk review, sisanya dijalankan otomatis oleh sistem

· Waktu setup: 15–20 menit
· Penghematan harian: 5–6 jam
· Penghematan bulanan: 100–120 jam

Jika nilai waktu Anda adalah $30 per jam—Anda sebenarnya "kehilangan secara tidak terlihat" $3000–3600 setiap bulan.

Jika $100 per jam—itu adalah $10000–12000 per bulan mengalir percuma, hanya karena Anda masih menulis secara manual kode yang sebenarnya dapat diselesaikan Claude sendiri.

Kebanyakan pengembang tidak akan mencapai level ini—bukan karena mereka tidak bisa, tetapi karena mereka mengira hal ini rumit. Sebenarnya, antara Anda dan "otomatisasi penuh", hanya ada tiga perintah dan satu file.

Insinyur yang saya sebutkan di awal, bukanlah jenius, juga bukan insinyur senior dari Google. Dia hanya menghabiskan waktu satu malam untuk menyiapkan sistem—sejak itu, pekerjaan diselesaikan sistem, dia hanya bertanggung jawab untuk hidup.

Anda bisa melakukan hal yang sama malam ini. Sementara yang lain masih berdebat apakah AI akan menggantikan pengembang, mereka yang telah menyiapkan sistem, hanya menerima uang dan bersantai.

Pilihannya sebenarnya jelas. Anda sedang membangun hidup Anda sendiri—maka pilih jalur yang benar.

Pertanyaan Terkait

QApa yang dimaksud dengan CLAUDE.md dan bagaimana cara kerjanya untuk meningkatkan produktivitas pengembang?

ACLAUDE.md adalah file markdown yang berisi seperangkat aturan terstruktur untuk memandu perilaku Claude Code dalam menulis kode. File ini menerapkan empat prinsip inti: Think Before Coding (berpikir sebelum coding), Simplicity First (kesederhanaan pertama), Surgical Changes (perubahan tepat sasaran), dan Goal-Driven Execution (eksekusi berorientasi tujuan). Dengan menggunakan CLAUDE.md, tingkat pelanggaran aturan coding turun dari 40% menjadi hanya 3%, menghemat waktu pengembang dengan mencegah kesalahan yang dapat diprediksi.

QBagaimana sistem 'Everything Claude Code' mengubah cara kerja pengembang dengan AI?

AEverything Claude Code berfungsi seperti sistem operasi AI lengkap untuk membangun produk, yang terdiri dari 27 agent dan 64 skill yang dapat dikustomisasi. Alih-alih sekadar berinteraksi dengan AI, pengembang sekarang dapat 'mengelola tim teknik AI' yang berjalan otomatis. Sistem ini kompatibel dengan berbagai alat seperti Claude, Codex, Cursor, OpenCode, dan Gemini, menggantikan kebutuhan untuk membangun sistem agent secara manual dan menghemat biaya langganan AI bulanan.

QApa masalah tersembunyi yang ditemukan pada Claude Code v2.1.100 dan bagaimana dampaknya?

AVersi Claude Code v2.1.100 diam-diam mengonsumsi sekitar 20.000 token tambahan di sisi server meskipun mengirim data yang lebih sedikit. Inflasi token ini mengisi konteks Claude, mengencerkan instruksi dalam CLAUDE.md, menurunkan kualitas output dalam percakapan panjang, dan membuat kuota Claude Max habis 40% lebih cepat. Masalah ini dapat diperbaiki sementara dengan menggunakan perintah 'npx claude-token-fixer@latest' hingga Anthropic merilis perbaikan resmi.

QBagaimana contoh nyata implementasi sistem otomatisasi ini dalam kehidupan kerja seorang insinyur?

ASeorang insinyur Google dengan 11 tahun pengalaman berhasil mengotomatisasi 80% pekerjaannya menggunakan kombinasi CLAUDE.md, agent yang tepat, dan mekanisme loop 15 menit. Sistem ini memungkinkannya mengurangi waktu kerja dari 8 jam menjadi hanya 2-3 jam per hari untuk review kode dan testing, sementara sistem menjalankan sisanya secara otomatis. Ia menghasilkan $28.000 pendapatan pasif bulanan dengan kualitas kode yang tetap terjaga.

QApa dampak finansial dan waktu yang bisa dihemat dengan mengadopsi sistem otomatisasi AI ini?

ADengan waktu setup hanya 15-20 menit, sistem ini menghemat 5-6 jam per hari atau 100-120 jam per bulan. Secara finansial, jika nilai waktu seseorang adalah $30 per jam, mereka menghemat $3000-3600 per bulan. Untuk tarif $100 per jam, penghematannya mencapai $10.000-12.000 per bulan. Ini menunjukkan bahwa tidak mengadopsi otomatisasi AI sama dengan 'kehilangan uang secara tidak terlihat' karena masih menulis kode secara manual yang sebenarnya bisa dilakukan AI.

Bacaan Terkait

Fidelity Mid-Year Review: 6 Tren Kunci Aset Digital 2026

Tengah tahun menjadi saat yang tepat untuk meninjau dinamika pasar digital. Fidelity Digital Assets menyoroti enam tren kunci dalam "Outlook 2026" yang masih berlanjut hingga pertengahan tahun ini, meskipun ada tekanan pasar jangka pendek. **1. Integrasi dengan Pasar Modal:** Aset digital semakin terintegrasi dengan sistem keuangan tradisional. Produk seperti opsi Bitcoin ETP mendapatkan traksi dari investor institusi, sementara tokenisasi dan regulasi yang lebih jelas (seperti panduan SEC/CFTC) mendorong adopsi. **2. Hak Pemegang Token:** Eksperimen untuk memperkuat hak pemegang token (seperti pembelian kembali dan struktur tata kelola baru) terus berlanjut, meski "premium" atas hak ini belum sepenuhnya tercermin dalam harga pasar. **3. AI & Penambangan Bitcoin:** Pertumbuhan hashrate Bitcoin melambat, diduga karena penambang beralih ke pusat data AI yang lebih menguntungkan. Ini menunjukkan awal pergeseran struktural dalam industri penambangan. **4. Titik Balik Bitcoin:** Pembesaran kapasitas data OP_RETURN tidak membebani jaringan secara signifikan. Namun, fluktuasi node Bitcoin Knots menimbulkan risiko pemisahan kecil, sementara pengembangan keamanan (seperti BIP-360) untuk ancaman kuantum terus maju. **5. Dominasi Jangka Pendek Bearish:** Tekanan makro (inflasi, geopolitik) membuat pasar bearish mendominasi, dengan harga Bitcoin turun. Namun, aset kripto menunjukkan ketahanan relatif selama periode stres, didukung oleh dasar struktural yang kuat seperti masuknya modal institusional. **6. Kinerja Emas yang Kuat:** Emas tetap kuat didorong oleh permintaan bank sentral dan tren dedolarisasi, sesuai prediksi awal. Prediksi kinerja superior Bitcoin menyusul emas belum terwujud. **Kesimpulan:** Di balik volatilitas harga jangka pendek, fondasi struktural untuk pertumbuhan aset digital jangka panjang sedang dibangun. Tren integrasi kelembagaan, regulasi, dan infrastruktur terus berkembang, meski beberapa tema lain masih dalam tahap awal.

marsbit4j yang lalu

Fidelity Mid-Year Review: 6 Tren Kunci Aset Digital 2026

marsbit4j yang lalu

Tinjauan Pertengahan Tahun Fidelity: 6 Tren Kunci Aset Digital pada 2026

Titik tengah tahun adalah saat yang tepat untuk meninjau tren utama aset digital yang diuraikan dalam "Outlook 2026" oleh Fidelity Digital Assets. Laporan ini mengidentifikasi enam tren kunci yang terus berkembang, meski harga bergerak sideways atau turun. **1. Integrasi dengan Pasar Modal:** Aset digital semakin terintegrasi dengan sistem keuangan tradisional. Produk seperti opsi untuk ETP Bitcoin spot telah mendapat daya tarik, dan tokenisasi terus mendapatkan momentum. Kejelasan regulasi juga meningkat. **2. Hak Pemegang Token:** Eksperimen untuk lebih mengaitkan kepentingan pemegang token dengan keberhasilan proyek (melalui mekanisme seperti pembelian kembali) terus berlangsung, meski premium harga yang jelas dari hak-hak ini belum sepenuhnya terwujud. **3. AI dan Penambangan Bitcoin:** Permintaan komputasi untuk AI mulai bersaing dengan penambangan Bitcoin. Pertumbuhan hashrate Bitcoin melambat, menunjukkan kemungkinan peralihan sumber daya penambang ke operasi AI yang lebih menguntungkan. **4. Bitcoin di Titik Infleksi:** Peningkatan kapasitas data untuk OP_RETURN tidak membebani jaringan. Namun, perhatian beralih ke dinamika konsensus, dengan peningkatan node Bitcoin Knots yang tidak biasa yang menimbulkan risiko pemisahan teoritis (walau rendah). Persiapan keamanan jangka panjang, seperti protokol tahan kuantum, juga berkembang. **5. Kendali Pihak Bearish (Penjual):** Skenario bearish mendominasi paruh pertama tahun karena penurunan harga Bitcoin, dipicu oleh likuidasi, inflasi, dan ketidakpastian geopolitik. Namun, pemulihan dan kinerja yang relatif kuat di tengah gejolak menyoroti perannya sebagai aset netral dan likuid. Dasar-dasar struktural tetap positif. **6. Kinerja Emas yang Kuat:** Emas menunjukkan performa solid, didukung oleh pembelian bank sentral dan tren diversifikasi dari dolar AS. Ini sesuai dengan perkiraan, meski performa unggul Bitcoin yang diantisipasi menyusulnya belum terwujud. **Kesimpulan:** Lanskap aset digital 2026 menunjukkan keseimbangan antara tekanan jangka pendek dan kemajuan struktural jangka panjang. Fondasi untuk fase pertumbuhan berikutnya sedang dibangun, meski belum sepenuhnya tercermin dalam harga. Investor disarankan untuk melihat melampaui volatilitas jangka pendek dan fokus pada transformasi mendasar ini.

链捕手4j yang lalu

Tinjauan Pertengahan Tahun Fidelity: 6 Tren Kunci Aset Digital pada 2026

链捕手4j yang lalu

Trading

Spot
Futures
活动图片