Cuplikan gratis
Prakata
Setiap zaman punya alat yang mengubah siapa yang bisa membangun. Mesin cetak membuat orang biasa bisa menerbitkan gagasan. Internet membuat anak di kamar kos bisa membuka toko untuk seluruh dunia. Hari ini, model bahasa besar membuat satu orang dengan laptop bisa mengerjakan pekerjaan yang dulu butuh satu tim. Tapi alat tidak pernah memilih pemenang. Yang menang adalah orang yang paling cepat memahami alat itu, bukan yang paling cepat memakainya.
Kitab ini lahir dari satu kegelisahan sederhana: banyak orang sekarang "memakai AI", tetapi sedikit yang benar-benar membangun dengan AI. Mereka menyalin prompt dari media sosial, menghabiskan token seperti air keran, lalu heran kenapa hasilnya setengah jadi. Mereka tahu nama-nama alat (Claude Code, Codex, Cursor, MCP) tetapi tidak tahu kenapa alat itu bekerja, kapan ia gagal, dan bagaimana menyetirnya.
Saya menulis kitab ini untuk diri saya sendiri terlebih dahulu, sebagai peta perjalanan menjadi AI-native builder: pembangun yang berpikir dengan AI sejak awal, bukan menempelkan AI di akhir. Tolok ukurnya sengaja saya pasang tinggi: Jensen Huang. Bukan karena kita akan membangun perusahaan chip triliunan dolar besok pagi, tetapi karena cara berpikirnya (tahan menderita, bernalar dari prinsip dasar, membangun untuk pasar yang belum ada, dan merancang seluruh sistem sekaligus) adalah cara berpikir yang paling dibutuhkan di era agen AI.
Ada sepuluh kitab di dalam buku ini. Masing-masing punya satu ilustrasi, satu gagasan besar, landasan teori yang bisa dipertanggungjawabkan, template prompt yang siap dipakai, dan daftar repositori GitHub yang bisa langsung Anda pelajari. Semua angka harga, fitur, dan repositori saya periksa per September 2026. Dunia ini bergerak cepat. Angka akan berubah, tetapi prinsipnya tidak. Karena itu setiap bab saya tulis agar tetap berguna walaupun nama modelnya sudah berganti.
Terima kasih untuk semua pembangun open source yang karyanya dikutip di sini. Tanpa mereka, kitab ini hanya kumpulan opini.
Selamat menempuh perjalanan. Menaranya tinggi, tetapi tangganya ada.
— ilyasaalmadani, ProjectZeus, September 2026
■ ■ ■
Kitab I
Panggilan Sang Pembangun
Pola Pikir Kelas Jensen Huang untuk Era Agen
Saya berharap Anda mendapat penderitaan dan kesusahan dalam takaran yang cukup banyak. Kebesaran lahir dari karakter, dan karakter tidak dibentuk oleh orang-orang pintar, melainkan oleh orang-orang yang pernah menderita.— Jensen Huang, Stanford Graduate School of Business, 2024
Di tepi tebing, seorang pengembara berdiri memandang benteng di kejauhan. Jalan ke sana tidak kelihatan. Yang kelihatan hanya jurang, hutan, dan kabut. Ia tahu satu hal: benteng itu tidak akan datang kepadanya. Maka ia merapatkan jubah, menggenggam tongkat, dan mulai turun.
Setiap pembangun hebat memulai dari titik seperti itu. Bukan dari kepastian, melainkan dari keputusan untuk berjalan walaupun petanya belum lengkap. Bab pertama ini bukan tentang alat. Ini tentang orang yang memegang alat itu, karena di era ketika semua orang punya akses ke model AI yang sama, satu-satunya pembeda yang tersisa adalah cara berpikir.
Siapa Jensen Huang, dan kenapa ia jadi tolok ukur
Jensen Huang lahir di Tainan, Taiwan, pada 1963, dan dikirim ke Amerika Serikat saat masih anak-anak. Ia pernah bekerja sebagai pencuci piring dan pelayan di restoran Denny's. Pada 1993, di sebuah bilik Denny's di San Jose, ia bersama Chris Malachowsky dan Curtis Priem mendirikan NVIDIA. Produk pertama mereka, NV1, gagal di pasar. Perusahaan hampir bangkrut. Huang sendiri berulang kali mengatakan bahwa NVIDIA pernah berada "tiga puluh hari dari kebangkrutan". Yang menyelamatkan mereka adalah RIVA 128 pada 1997, chip yang dirancang cepat dan diuji dengan emulator karena mereka tidak punya waktu dan uang untuk membuat purwarupa fisik berkali-kali.
Pada 2006, NVIDIA meluncurkan CUDA, platform yang memungkinkan kartu grafis dipakai untuk komputasi umum. Selama bertahun-tahun, pasar menganggap CUDA pemborosan: biaya besar untuk pengguna yang belum ada. Huang bertahan. Satu dekade kemudian, ketika pembelajaran mendalam meledak, hampir semua peneliti AI di dunia sudah memakai CUDA. Taruhan yang dulu terlihat bodoh berubah menjadi parit pertahanan paling dalam di industri teknologi.
Kisah ini penting bukan karena kita harus meniru jalan hidup Huang, tetapi karena kisahnya memperlihatkan empat kebiasaan berpikir yang bisa dipelajari siapa pun. Empat kebiasaan itulah yang menjadi tulang punggung bab ini.
Kebiasaan pertama: menyambut penderitaan sebagai kurikulum
Dalam kuliah di Stanford GSB pada 2024, Huang mengatakan kepada para mahasiswa bahwa harapan yang terlalu tinggi justru bisa membuat mereka sulit berhasil, karena orang dengan harapan tinggi cenderung punya daya tahan yang rendah terhadap kegagalan. Ia menyebut kemampuannya menanggung "pain and suffering" (bertahan lama pada satu masalah, menerima kemunduran, dan tetap melihat peluang di tikungan berikutnya) sebagai kekuatan supernya. Kecerdasan justru tidak ada di urutan teratas daftarnya (Fortune, 2024).
Bagi seorang AI-native builder, "penderitaan" ini sangat konkret bentuknya:
- Agen yang Anda suruh memperbaiki satu bug malah merusak tiga file lain.
- Prompt yang kemarin bekerja sempurna hari ini menghasilkan jawaban ngawur.
- Tagihan API bulan ini tiga kali lipat dari perkiraan karena satu loop yang lupa dibatasi.
- Aplikasi yang Anda bangun dalam satu akhir pekan ternyata tidak dipakai siapa pun.
Orang biasa melihat kejadian-kejadian ini sebagai bukti bahwa "AI belum siap". Pembangun melihatnya sebagai data. Setiap kegagalan agen memberi tahu Anda sesuatu tentang konteks yang kurang, instruksi yang ambigu, atau batasan yang belum dipasang. Kegagalan adalah kurikulum yang tidak bisa dibeli.
Latih ini secara sadar: setiap kali AI mengecewakan Anda, jangan langsung mengulang prompt dengan kata-kata marah. Berhenti tiga puluh detik dan tulis satu kalimat: apa yang model ini tidak tahu, yang seharusnya ia tahu? Sembilan dari sepuluh kali, jawabannya ada di konteks yang Anda berikan, bukan di kecerdasan model.
Kebiasaan kedua: bernalar dari prinsip dasar
Huang dikenal sering menguji keputusannya terhadap "first principles", yaitu alasan paling dasar mengapa sesuatu seharusnya bekerja. Ia menyarankan agar prinsip-prinsip itu disaring sampai ringkas dan jelas, lalu diperiksa ulang secara berkala, karena dunia berubah dan asumsi bisa kedaluwarsa.
Dalam konteks membangun dengan AI, bernalar dari prinsip dasar berarti tidak puas dengan resep. Ketika seseorang di internet berkata "tambahkan kalimat kamu adalah ahli kelas dunia di awal prompt", pembangun bertanya: kenapa itu bisa bekerja? Kapan ia tidak bekerja? Apa mekanismenya?
Lanjutan ada di buku
Masuk daftar tunggu ↑