Menguasai Claude Code untuk Software Engineering: Tutorial Lengkap dari Nol sampai Otomasi Artikel ini berdasarkan AI Workshop “Maximizing Claude Code for Software Engineering”. Cocok untuk developer yang ingin tahu cara pakai AI secara praktis di workflow harian, bukan cuma jadi autocomplete. > “Kefasihan AI hari ini adalah pertahanan terbaik untuk posisi Anda esok hari.” --- ## Daftar Isi 1. Gambaran Umum 2. Persiapan Awal 3. Context Engineering: Prompt vs Konteks 4. Memahami Legacy Code dengan codebase-memory MCP 5. Daily SDLC Workflow 6. Mengubah Workflow jadi Skill 7. agent-dev-team: Skill Siap Pakai 8. Otomasi dari Inbox sampai PR 9. Troubleshooting Umum 10. Penutup --- ## 1. Gambaran Umum ### Apa yang akan kamu pelajari Workshop ini mengajarkan satu hal: cara membuat AI benar-benar bekerja untuk workflow developmentmu, bukan sekadar pakai ChatGPT seenaknya. Lima area utama yang dicakup: | Area | Yang kamu dapat | |------|----------------| | Context Engineering | Cara kasih konteks yang tepat supaya AI jawabannya langsung useful | | codebase-memory MCP | Onboard ke codebase baru dalam hitungan menit, bukan minggu | | Daily SDLC Workflow | Analisis alur kerja kamu sendiri — mulai dari analyst sampai QA | | Workflow → Skill | Encode workflow manual jadi file yang bisa di-invoke ulang | | End-to-end Automation | Dari email masuk sampai PR terbuka, tanpa kamu pegang | ### Kenapa ini penting — fakta di lapangan Kita lihat angka dulu: - Oracle umumkan 30.000+ PHK tahun 2025 - Meta potong 21.000+ posisi 2022–2024 - Google terus reduzongo Ini bukan siklus biasa — ini restrukturisasi berbasis AI leverage. Artinya: yang pakai AI buat multiply output mereka stay. Yang nggak, jadi angka penghematan. Kabar baiknya: tools-nya open, murah, dan berkembang cepat. --- ## 2. Persiapan Awal ### Checklist sebelum mulai Pasang ini minimal 3 hari sebelum workshop (atau sekarang, kalau kamu baca ini baru mau mulai): bash # 1. Cek Node.js version node --version # harus 18 atau lebih baru # 2. Install Claude Code CLI npm install -g @anthropic-ai/claude-code # 3. Login ke Claude account claude # akan diminta login via browser # 4. Cek Git git --version # 5. Install code editor (Cursor recommended) # Download dari cursor.com # 6. Pre-install codebase-memory MCP (recommended, lebih cepat) git clone https://github.com/deusdata/codebase-memory-mcp.git cd codebase-memory-mcp npm install # Register ke Claude Code claude mcp add codebase-memory --command "node $(pwd)/server.js" # Verifikasi claude # ketik /mcp — kamu harus lihat codebase-memory di daftar Kenapa pre-install? Karena saat workshop kamu gak mau spend 20 menit buat install di tengah lab. Pre-installed = 5 menit verifikasi aja. ### Glossarium cepat Sebelum lanjut, eight istilah yang akan sering muncul: | Istilah | Arti | |---------|------| | Prompt | Instruksi yang kamu kirim ke model | | Context | Informasi sekitar yang membentuk jawaban | | Context window | Total informasi yang bisa dibaca model sekaligus | | MCP | Model Context Protocol — bridge AI ke sistem eksternal | | Skill | Workflow yang di-encode jadi file, bisa di-invoke ulang | | Agent | Instance Claude autonomous yang jalanin multi-step task | | CLAUDE.md | File markdown di root repo yang kasih tahu Claude tentang project | | Token | Unit yang dibaca model — kurang lebih 0.75 kata Inggris | --- ## 3. Context Engineering ### Prompt itu cuma 10%. Konteks adalah 90%. Ini konsep paling penting di seluruh workshop. Lihat beda dua prompt ini: Prompt A — bare (tanpa konteks): Write me a function to validate email. Yang Claude nggak tau: - Bahasa apa? Framework apa? - Naming style? Module system? - Throw error, atau return object? - Edge case apa yang penting? - Taruh di mana? Prompt B — context-rich: Project: BookShelf (Node.js + Express). CommonJS, bukan ES modules. Existing validators live di utils/helpers.js sebagai named exports. Style: addDays, format_date, calc_fine — follow that pattern. Error handling: return { ok: false, error: "..." }. Do NOT throw. Accept: standard RFC 5322-ish. Reject: empty, no @, no dot, spaces, > 254 chars. Called from auth.js during register and login. No new dependencies — pure JS only. Task: Add validate_email(email) to utils/helpers.js. Update exports. Show me the diff only. Include 5 inline test calls at the bottom. Prompt B hasilnya beda jauh. Prompt B langsung masuk, bener style-nya, langsung bisa dipake. ### Empat layer konteks Konteks itu berlapis. Semakin ke bawah, semakin permanen: ┌─────────────────────────┐ │ Per-prompt context │ ← Apa yang kamu ketik sekarang. Sekali pake, buang. ├─────────────────────────┤ │ CLAUDE.md / repo memory │ ← Konvensi project, stack, keputusan. Permanent. ├─────────────────────────┤ │ Skills │ ← Workflow yang bisa diulang. Bisa di-share antar project. ├─────────────────────────┤ │ MCP servers │ ← Live data + tools. Bridge ke sistem asli. └─────────────────────────┘ Semakin bawah, semakin permanen. Yang bawah sekali set, langsung kepake setiap kali tanpa kamu ulang. ### CLAUDE.md template Drop file ini di root repo. Claude Code baca otomatis setiap kali kamu masuk ke project itu: markdown # Project: <nama project> ## Stack - Language: <e.g. Node.js 18, TypeScript 5> - Framework: <e.g. Express, Next.js 14> - Database: <e.g. PostgreSQL, SQLite> ## Conventions - Module system: <CommonJS | ESM> - Error handling: <throw | return { ok, error }> - Naming: <camelCase | snake_case> - Tests: <jest | vitest | none> ## Where things live - Routes: <path/to/routes> - Business logic: <path/to/...> - Helpers: <path/to/...> ## Don't do - <e.g. don't introduce new npm dependencies without asking> - <e.g. don't break the existing auth flow> Sekilas terasa simple — dan memang begitu. Tapi impact-nya besar. Sekali tulis CLAUDE.md, setiap prompt yang kamu kasih setelahnya langsung lebih baik tanpa kamu harus ulang-ulang konteks yang sama. --- ## 4. codebase-memory MCP ### Masalah klasik: onboard ke codebase baru Tanpa AI: - README expired 3 tahun - Grep sana-sini - Tanya satu-satunya orang yang tahu - Tunggu seminggu untuk jawaban - Lupa, tanya lagi - Ulang untuk setiap new joiner Dengan codebase-memory MCP: - Index repo sekali - Tanya dalam bahasa natural ke Claude - Dapat jawaban yang grounded di source code sebenarnya - Onboard dalam setengah hari - Memory yang sama serve joiner berikutnya - README jadi living document ### Apa itu MCP? MCP = Model Context Protocol. Standar terbuka untuk nyambungin AI assistant ke sistem tempat data kamu berada. Claude (the reasoning) ↓ MCP server (the bridge) ↓ Your data (browser, files, database, API, etc.) MCPs adalah cara Claude reaches outside its own brain — ngambil data dari luar, kasih ke context yang sedang diproses. ### Apa yang codebase-memory MCP track - Functions & their callers - Modules & their dependencies - Routes, endpoints, schemas - Configuration entry points - Cross-file references Contoh pertanyaan yang bisa kamu jawab setelah indexing: - “How does auth work here?” - “Where is the loan flow handled?” - “What touches the books table?” - “Show me callers of calc_fine.” - “Where do we validate input?” ### Install bash # 1. Clone git clone https://github.com/deusdata/codebase-memory-mcp.git cd codebase-memory-mcp npm install # 2. Register ke Claude Code claude mcp add codebase-memory --command "node $(pwd)/server.js" # 3. Verifikasi claude # ketik /mcp — harus muncul codebase-memory ### Cara pakai bash # Masuk ke project yang mau di-index cd /path/ke/project-kamu # Jalankan Claude Code claude # Di prompt, ketik: /codebase-memory index # Tunggu scan selesai. Lalu tanya: > Explain how the loan flow works in this repo. > Where is the bug in BUG-002? > Show me all files that touch the users table. ### Kapan re-index Re-run /codebase-memory index ketika: - Ada refactor signifikan - Pindah branch - Ada kontributor baru yang land big changes --- ## 5. Daily SDLC Workflow ### Empat peran, satu loop Software development sehari-hari sebenarnya empat peran yang terus berputar: | Peran | Output | Pain Point | |-------|--------|------------| | Software Analyst | Specs, AC, edge cases | Specs jadi stale pas build | | Backend Dev | API, data, business logic | Re-asks analyst, block frontend | | Frontend Dev | UI, state, integration | Wait on backend; types out specs by hand | | QA | Test, regression, sign-off | Discovers context gaps last | Hidden cost: Setiap handoff kehilangan informasi. Setiap loop menambah rework. Senior engineers lebih banyak waktu re-explaining daripada building. ### Analisis alurmu sendiri Sekarang, pikirin satu task yang kamu ulang berkali-kali. Jawab ini: 1. Apa trigger-nya? (ticket, email, chat message?) 2. Siapa yang kerja duluan? (analyst? kamu?) 3. Apa output yang diharapkan? (spec, code, test?) 4. Dimana bottleneck-nya? (tunggu balikan? konteks hilang?) 5. Dimana kamu sering ulang kerja karena someone lupa? Jawaban-jawaban ini jadi bahan untuk bikin Skill — yang bakal kita bahas sekarang. --- ## 6. Membuat Skill ### Apa itu Skill? Skill = workflow yang di-encode jadi file markdown dengan YAML front matter. Claude Code baca, tahu kapan harus pake, follow steps-nya. Kenapa beda sama prompt biasa? - Prompt manual: Hidup di kepala, diulang setiap kali, hilang kalau kamu pergi, gak konsisten antar tim, gak auditable. - Skill: Hidup di file, invoke dengan satu kata, stay kalau kamu pergi, sama untuk seluruh tim, versioned di git. ### Anatomy SKILL.md yaml --- name: bug-fixer description: | Use when fixing a bug ticket. Investigates code, proposes fix, writes test, opens PR. triggers: ["fix bug", "BUG-", "resolve ticket"] --- # Steps 1. Read the ticket + acceptance criteria. 2. Use codebase-memory to find related code. 3. Propose a minimal patch. WAIT for human approval. 4. Apply patch + add a regression test. 5. Run tests. Iterate until green. 6. Open a PR with a summary of what changed and why. # Constraints - Never modify auth.js without explicit approval. - Never bump dependencies as part of a bug fix. # Examples ## Good run Ticket: BUG-002. Investigated routes/loans.js, found the decrement was commented out. Re-enabled inside a transaction. Added a test that asserts available_copies goes to 0 after the last loan and the next borrow is rejected. ### Checklist anatomy skill yang bagus - [ ] Name — pendek, deskriptif, kebab-case (bug-fixer, api-builder) - [ ] Description — apa yang dilakukan + kapan harus pake. 2 baris pertama paling penting - [ ] Triggers — frase yang bikin skill aktif otomatis - [ ] Steps — numbered, atomic, berurutan. 5–10 step adalah sweet spot - [ ] Constraints — apa yang TIDAK boleh dilakukan. Explicit lebih baik dari clever - [ ] Examples — minimal 1 contoh good run, sebaiknya ada juga bad-run-corrected ### Where to put skills | Scope | Path | |-------|------| | Project-scoped | ./.claude/skills/<skill-name>/SKILL.md | | User-scoped | ~/.claude/skills/<skill-name>/SKILL.md | | Team-shared | Check .claude/ directory into git | ### Latihan: convert workflow jadi skill 1. Pick — pilih satu task yang kamu ulang weekly 2. Write down — steps yang kamu ambil (5–10) 3. Fill — SKILL.md template 4. Drop — taruh di .claude/skills/your-skill/ 5. Test — invoke dengan trigger phrase, lihat apakah flow-nya bener Contoh task yang cocok dijadikan skill pertama: - “Fix bug dari ticket” — umum, sering, impact langsung keliatan - “Review PR dan kasih feedback” — consistency penting - “Scaffold endpoint baru” — repetitive, banyak boilerplate - “Write release notes” — mudah terlewat, perfect buat automation --- ## 7. agent-dev-team ### Concept agent-dev-team adalah skill yang menjalankan empat peran — Analyst → Backend → Frontend → QA — secara berurutan pada satu ticket. Skill ini created by workshop trainer, tapi bisa kamu ambil, fork, replace peran mana aja dengan konvensi timmu sendiri. Source: uscloud3.dxn2u.net:3000/cipta/agent-dev-team ### Empat stage Stage 1 — Analyst Maper jelasin acceptance criteria, list asumsi, flag edge cases. Stage 2 — Backend Baca codebase-memory, propose changes, minta approval sebelum write. Stage 3 — Frontend Integrate dengan contract dari backend. Skip kalau change-nya backend-only. Stage 4 — QA Tulis tests, jalanin, report pass/fail dengan reproductions. ### ROI nyata | | Before | After | |—|--------|-------| | Per ticket | 2–3 jam | 3–5 menit | | Context switching | Between roles, re-reading specs, copy-paste fatigue | Satu invoke, semua peran, human review di final output | --- ## 8. Otomasi dari Inbox sampai PR ### Pattern: email-triggered agent run Inilah yang terjadi di edge-of-workshop demo — email masuk → agent jalan → reply terkirim → PR terbuka: Inbox ├── Customer feedback email ├── ↓ ├── Cowork watch (polls inbox, triggers) ├── ↓ ├── Claude Code runs agent-dev-team ├── ↓ └── Reply + commit ├── Auto reply dengan summary └── PR terbuka di branch, bukan main Yang dibuka: Feedback gak pernah nunggu di inbox. Ticket bergerak waktu kamu tidur. Human stay di loop buat review — bukan buat grunt work. ### Guardrails — non-negotiable Sebelum kamu implement automation, five guardrails ini WAJIB ada: | Guardrail | Why | |-----------|-----| | Human-in-the-loop review | Auto-commit ke branch, bukan main. PR butuh human merge. | | Audit trail | Every action logged. Every reply traceable ke source email. | | Cost caps | Daily budget per agent. Hard stop on runaway loops. | | Sandboxed write access | Agents work di dedicated repos/branches/containers. | | Kill switch | Satu command untuk disable semua automation. | ### Automation variants yang lebih kecil Gak harus langsung full email-to-PR. Mulai dari yang kecil: 1. Daily 6am report: “What changed in our repo yesterday?” → posted to Slack 2. PR triage bot: saat PR terbuka, run skill yang adds review comments 3. Weekly digest: scan support tickets, group by root cause, draft summary email --- ## 9. Troubleshooting ### Claude Code CLI masalah Problem: claude: command not found Fix: bash npm install -g @anthropic-ai/claude-code # Kalau masih gak works: npm list -g @anthropic-ai/claude-code # Verify installation: claude --version Problem: Login gagal atau token expired Fix: bash claude auth logout claude # akan minta login ulang via browser ### codebase-memory MCP masalah Problem: MCP gak muncul di /mcp Fix: bash # Verifikasi path claude mcp add codebase-memory --command "node /path/to/codebase-memory-mcp/server.js" # Verifikasi server.js executable cd /path/to/codebase-memory-mcp node server.js # harus jalan tanpa error Problem: Index stuck atau timeout Fix: - Repo terlalu besar — coba perkecil scope dengan .codebaseignore - Re-run dari awal: /codebase-memory reset lalu /codebase-memory index ### Skill gak ter-trigger Problem: Skill gak aktif pas dipanggil Fix: - Cek trigger phrases di front matter — apakah exact match atau proximity? - Skill paling spesifik akan lebih diutamakan (higher priority wins) - Verifikasi skill file ada di path yang benar: ~/.claude/skills/ atau ./.claude/skills/ --- ## 10. Penutup ### Rangkuman Kita sudah bahas: 1. Reality check — AI restrukturisasi who keeps a seat. AI fluency bukan pilihan, sudah jadi kebutuhan. 2. Context engineering — Prompts cuma 10%. Konteks adalah 90%. Layer your context dari per-prompt sampai MCP. 3. codebase-memory MCP — Onboard legacy app dalam menit, bukan minggu. Tanya codebase dalam bahasa natural. 4. Daily SDLC workflow — Nama role, find friction. AI bantu ngurangin context-switching cost. 5. Workflow → Skill — Encode once, reuse forever. Skill stays when you leave. 6. agent-dev-team — Empat peran dalam satu skill. 2–3 jam per ticket jadi 3–5 menit. 7. End-to-end automation — Email-triggered agents yang works while you sleep, dengan human-in-the-loop guardrails. ### Roadmap minggu pertama | Waktu | Aksi | |-------|------| | Hari ini | Install Claude Code di work machine | | Day 1 | Index SATU codebase dengan codebase-memory MCP | | Day 2 | Tulis CLAUDE.md untuk repo itu. Commit. | | Week 1 | Convert SATU recurring task jadi skill | | Week 2 | Share skill itu ke satu teammate | | Month 1 | Hook SATU automation trigger ke inbox atau chat | --- ### Download Materials | File | Ukuran | |------|--------| | 📊 Trainer Deck — 33 slides | 360 KB | | 📖 Participant Handbook — 15 pages | 212 KB | | ✏️ Lab Exercises | 149 KB | | 🐛 Bug Tickets | 106 KB | | 🗺️ The Claude Code Blueprint — visual guide | 16 MB | | 🏚️ Sample Legacy App | 94 KB | --- ### Referensi | Resource | URL | |----------|-----| | Claude Code home | https://claude.com/claude-code | | Claude Code docs | https://docs.claude.com/en/docs/claude-code/overview | | Claude Code skills | https://docs.claude.com/en/docs/claude-code/skills | | MCP overview | https://modelcontextprotocol.io | | Prompt engineering guide | https://docs.claude.com/en/docs/build-with-claude/prompt-engineering/overview | | codebase-memory MCP | https://deusdata.github.io/codebase-memory-mcp/ | | agent-dev-team (Cipta) | https://uscloud3.dxn2u.net:3000/cipta/agent-dev-team | Source: AI Workshop “Maximizing Claude Code for Software Engineering”. Materials mencakup Trainer Deck (33 slides), Participant Handbook (15 pages), dan Claude Code Blueprint (14 pages visual guide).