Pertama, mohon maaf karena sepertinya saya memposting setiap hari dan merepotkan. 🙇‍♂️

https://damoang.net/ai/2904 Saat saya mencari bagian yang berguna dari keterampilan yang sangat direkomendasikan oleh Kalsseudeng, saya teringat dan mencoba menulisnya. Saya ragu untuk menganalisis seseorang yang begitu luar biasa seperti ini, tetapi saya berharap ini mungkin bermanfaat bagi seseorang, dan saya telah membuat plugin untuk Claude Code terkait dengan artikel GPT + Local LLM yang saya tulis kemarin, jadi saya meminta maaf terlebih dahulu karena khawatir ini akan terlihat seperti spam dan kemudian mulai. 🙇‍♂️🙇‍♂️🙇‍♂️

mattpocock/skills adalah repositori yang sedang trending di GitHub. 62.000 bintang, 5.400 fork. Ini sedang menjadi topik hangat di antara pengguna Claude Code. Ini adalah format di mana pengguna membuka direktori .claude/ mereka sendiri, dan merupakan kumpulan keterampilan alur kerja yang dipanggil dengan perintah garis miring.

Karena jumlah bintangnya begitu besar, saya ingin memisahkan apakah ini "benar-benar alat yang bagus" atau "diperbesar oleh pengaruh influencer", jadi saya menggunakannya selama beberapa hari. Untuk memotong cerita pendek, keduanya benar. Ini benar-benar alat yang dibuat dengan baik, dan pada saat yang sama, sebagian besar dari 60.000 bintang tersebut dibuat oleh pengaruh Matt. Ini adalah fakta yang terpisah, dan Anda perlu menerima keduanya untuk mengevaluasi dengan akurat.

Siapa itu Matt Pocock

Pertama-tama tentang orangnya. Dia adalah seorang pendidik yang cukup terkenal di komunitas TypeScript. Dia adalah operator situs kursus berbayar "Total TypeScript", memiliki ratusan ribu pengikut Twitter, dan baru-baru ini juga menjalankan situs kursus pengkodean AI bernama "AI Hero". Dengan kata lain, dia adalah seseorang yang sudah memiliki audiens besar pada saat repositori dibuka.

Mengapa ini penting: Anda perlu dapat memisahkan berapa banyak dari 60.000 bintang yang merupakan nilai alat yang sebenarnya dan berapa banyak yang merupakan efek influencer untuk membuat penilaian yang objektif. Jika dia melemparkan "Saya membuka direktori .claude saya" kepada audiens Twitter-nya sekali, itu sendiri menjamin puluhan ribu bintang. Ini adalah mekanisme terpisah dari kualitas objektif alat itu sendiri.

Namun, juga tidak akurat untuk menyimpulkan bahwa ini adalah "alat yang diperbesar melalui pemasaran". Jika Matt hanya memiliki keterampilan penjualan, itu tidak akan mencapai 60.000 bintang. Pengaruh influencer adalah titik awal, dan apa yang membawanya ke tingkat berikutnya adalah kualitas aktual alat tersebut. Kombinasi dari keduanya menciptakan 60.000 bintang, dan jika Anda menghitungnya dengan angka yang sebenarnya, "jika seseorang selain Matt membuat ini, mungkin akan memiliki sekitar 5.000-10.000 bintang." Itu berarti itu adalah alat OSS yang objectively baik.

Bagian yang benar-benar baik - 4 Mode Kegagalan

Ini sebenarnya adalah inti dari artikel ini. "4 mode kegagalan yang Anda temui saat menggunakan Claude Code" yang Matt tunjukkan di README sangat akurat.

#1 Agent tidak melakukan apa yang saya inginkan - Dia menyebutnya "misalignment", dan ini adalah tempat di mana pengguna yang baru memulai dengan agen AI paling sering tersandung. Pola di mana Anda melemparkan persyaratan yang samar-samar di kepala Anda dan kemudian berkata "Mengapa dia tidak mengerti?"

#2 Agent terlalu verbose - Karena dia tidak tahu istilah domain, dia memperluas apa yang bisa dikatakan dalam satu kata menjadi 20 kata. Ketika ini terakumulasi, itu membuang token dan merusak keterbacaan.

#3 Kode tidak berfungsi - Kasus di mana formatnya benar tetapi kode sebenarnya rusak. Penyebabnya adalah tidak adanya loop umpan balik.

#4 Ball of Mud - Karena agent mempercepat kecepatan pengkodean, "entropi basis kode" juga mempercepat. Seminggu kemudian, Anda tidak dapat memahami kode Anda sendiri.

Diagnosis ini sendiri sangat berharga. Ini adalah pola yang hanya dapat diatur oleh seseorang yang telah serius menjalankan agen pengkodean AI sejak awal. Indera itu terkandung dengan baik dalam README.

Keterampilan yang Layak Direkomendasikan - 4

Ada lebih dari 40 keterampilan, tetapi saya telah menyaring mereka menjadi sekitar 4 yang patut dipertimbangkan dengan serius.

1. /grill-with-docs - Alat Alignment Sebelum Memulai Pekerjaan

Ini adalah keterampilan terbaik. Ketika pengguna berkata "Buat fitur X", alih-alih langsung menulis kode, agent sebaliknya melakukan wawancara dengan pengguna. Modul mana yang akan ditambahkan, bagaimana cara terhubung dengan pola yang ada, apa titik tepinya. Saat menjawab, pengguna sendiri menjadi lebih jelas tentang "apa yang saya inginkan". (Fungsi serupa baru-baru ini ditambahkan ke Opus 4.7 juga)

Satu langkah lebih lanjut: Hasil sesi grill diperbarui bersama dengan CONTEXT.md (kamus bahasa domain) dan docs/adr/ (dokumentasi keputusan arsitektur). Jika agent membaca kedua file ini dalam sesi berikutnya, biaya alignment akan jauh lebih rendah. Ini adalah otomasi kecil, tetapi efek kumulatifnya sangat besar.

2. /diagnose - Debugging Loop

Reproduksi → Minimalisasi → Hipotesis → Instrumentasi → Perbaikan → Tes Regresi. Keterampilan yang menerapkan 6 tahap ini. Ketika Anda mengatakan "Ada bug", agent tidak mencoba memperbaiki secara sembarangan tetapi melanjutkan dalam urutan di atas.

Ini pada dasarnya adalah pola debugging yang dilakukan oleh developer senior sehari-hari. Namun, agent cenderung tidak melakukannya secara otomatis dan memberikan perbaikan asumsi seperti "Sepertinya ini", tetapi jika Anda menerapkannya dengan keterampilan, kualitas hasilnya sangat berbeda.

3. /improve-codebase-architecture - Peningkatan Struktur Basis Kode Lumpur

Alat pemecah #4 (Ball of Mud) di atas. Agent melihat "apa yang salah dengan basis kode ini" dalam konteks bahasa domain + keputusan ADR. Ini bukan pencocokan teks tetapi usulan peningkatan struktur setelah memahami "mengapa ditulis seperti ini", jadi kualitasnya berbeda.

Matt merekomendasikan "jalankan setiap beberapa hari", dan saya pikir ini benar-benar perlu. Hampir tidak ada mekanisme untuk secara berkala mengukur dan meningkatkan entropi basis kode yang terus meningkat tanpa terasa. (Itulah mengapa kode menjadi spaghetti!)

4. /caveman - Mode Hemat Token 75%

Mode komunikasi kompresi ultra. Singkirkan semua kata pengisi dan hanya inti. Hapus "please", "could you", dan ekspresi lembut. Pesan dipadatkan menjadi dua kata.

Ini bisa dianggap sebagai , tapi sebenarnya agen tidak terlalu peduli dengan nada. juga tidak meningkatkan kualitas hasil. Ini adalah penghematan yang berarti untuk kueri yang sering Anda gunakan.

Namun, satu hal - angka hanya berlaku untuk prompt input tunggal, dan proporsi sebenarnya dalam konteks keseluruhan sesi akan lebih kecil. Meskipun demikian, efek kumulatifnya tetap signifikan.

Skill yang Perlu Dipertimbangkan dengan Hati-Hati - 2

- Red-Green-Refactor Loop

Buat tes terlebih dahulu → lalui → refactor. Cocok untuk mereka yang sudah memiliki infrastruktur pengujian yang baik di kode dasar dan terbiasa dengan TDD.

Namun, TDD tidak cocok untuk semua tugas. Pada tahap prototipe, pengembangan UI visual, atau tugas tanpa kriteria verifikasi yang jelas, TDD justru bisa menghambat. Anda harus menilai sendiri apakah sebelum memanggilnya. Memanggilnya secara membabi buta akan memperlambat alur kerja.

- Grill Non-Kode

Versi ringan dari . Hanya sesi grill tanpa pembaruan CONTEXT.md/ADR. Cocok untuk tugas non-kode seperti penulisan, dokumentasi, dan perencanaan.

Ini bisa menjadi tes kesabaran pengguna. Agen akan terus bertanya hingga Anda merasa ingin berkata . Jangan gunakan ini jika Anda membutuhkan jawaban cepat. Panggil hanya ketika Anda memiliki pohon keputusan yang kompleks dan perlu mengurutkannya.

Hal yang Kurang Baik - Jujur

1. Beban Setup yang Tidak Kecil

Anda harus menjalankan sekali untuk dapat menggunakannya sepenuhnya. Ada banyak keputusan awal yang perlu dibuat, seperti menentukan isu tracker (GitHub/Linear/lokal), kosakata label, dan lokasi dokumen domain. Anda tidak bisa hanya , Anda harus benar-benar .

2. Iklan Newsletter di Mana-Mana

Ada kalimat di bagian atas README, dan beberapa dokumen skill juga memuat iklan tersebut. Perlu diingat bahwa alat ini adalah bagian dari strategi pemasaran Matt. Ada kalanya menggunakan alat ini berarti .

3. Bias TypeScript

Karena Matt adalah seorang pengajar TypeScript, beberapa skill (, , dll.) hanya berguna untuk ekosistem kursus TypeScript. Tidak berguna bagi pengguna bahasa lain. Meskipun telah dikategorikan sebagai di README, hal ini sedikit mengganggu konsistensi keseluruhan.

4. Asumsi Pola Model Tunggal

Ini adalah kelemahan terbesar - semua skill berasumsi bahwa Anda akan menggunakan Claude Code sebagai satu model yang baik untuk alur kerja. Tidak cocok untuk lingkungan multi-model (misalnya, pemisahan dilakukan oleh Claude, pembuatan kode oleh LLM lokal, dan peninjauan oleh GPT). Jika Anda , alat ini akan sangat akurat. Namun, jika asumsi tersebut tidak terpenuhi, alat ini hanya akan sebagian berguna. (https://damoang.net/ai/2904 칼쓰뎅님 telah menyesuaikannya dengan GPT, jadi akan sangat bagus jika beliau mau membagikannya).

Kesimpulan - Untuk Siapa Alat Ini Cocok

Cocok untuk:

• Pengguna yang menggunakan Claude Code (atau agen model tunggal serupa) sebagai utama

• Pengguna yang fokus pada satu kode dasar (CONTEXT.md / ADR tetap relevan)

• Pengguna yang merasa frustrasi karena hasil agen tidak konsisten

Tidak Cocok untuk:

• Pengguna yang menggunakan orkestrasi multi-model/multi-agen sebagai alur kerja utama

• Pengguna yang fokus pada tugas sekali pakai (biaya setup tidak akan terbayar)

• Pengguna yang bukan pengguna TypeScript atau domain yang terlalu sempit (beberapa skill tidak berguna)

Empat skill utama (, , , ) layak untuk dipertimbangkan. Coba empat skill ini terlebih dahulu dan tambahkan skill lain setelah Anda menyelesaikan setup. Lebih baik daripada . Ini akan mengurangi beban dan meningkatkan ROI.

Ringkasan

Berbahaya untuk mengatakan hanya karena memiliki 60 ribu bintang. Namun, juga berbahaya untuk mengabaikannya hanya karena efek influencer. Kedua hal tersebut terpisah, dan Anda harus menilai sendiri .

Empat mode kegagalan yang disebutkan Matt sangat akurat, dan empat skill inti yang dia sarankan memang bagus secara objektif. Namun, ada juga batasan seperti biaya setup, asumsi model tunggal, dan strategi pemasaran. Jadi, gunakan alat ini hanya pada situasi yang sesuai dengan alur kerja Anda.

Jumlah bintang pada teknologi open-source tidak selalu mencerminkan kualitas alat itu sendiri. Siapa yang membuat alat tersebut berperan besar dalam jumlah bintang tersebut. Sadari hal ini saat mengevaluasi alat. Keterampilan dalam menilai alat akan semakin penting di era AI!