Kalau kalian sudah mulai bereksperimen membuat Skill kustom di Claude Code, kalian pasti sadar kalau instruksi panjang saja tidak cukup. Kadang AI bisa bingung, melompat-lompat urutannya, atau bahkan gagal mengeksekusi perintah di tengah jalan.
Menurut panduan resmi dari Anthropic, ada beberapa pendekatan atau Design Patterns yang sudah terbukti ampuh digunakan oleh tim internal mereka dan para early adopters.
Sebagai orang yang sering berkutat dengan automasi Ansible atau deployment mail server, berikut adalah pola arsitektur Skill yang wajib kalian terapkan di terminal kalian!
1. Pola Orkestrasi Sekuensial (Sequential Workflow Orchestration)
Pola ini digunakan ketika user membutuhkan proses multi-langkah dalam urutan yang spesifik dan kaku. Cocok banget buat SOP kantor, misalnya SOP pembuatan akun user baru yang tidak boleh di-skip langkahnya.
Cara kerja: Kalian harus menuliskan urutan langkah secara eksplisit, membuat dependensi antar langkah, dan memberikan instruksi rollback jika terjadi kegagalan.
- Contoh:
- Langkah 1: Buat akun di sistem.
- Langkah 2: Tunggu verifikasi sistem.
- Langkah 3: Berikan akses ke layanan lanjutan (menggunakan data ID dari Langkah 1).
2. Koordinasi Multi-Layanan (Multi-MCP Coordination)
Pola ini dipakai ketika workflow kalian melintasi beberapa layanan (server/aplikasi) yang berbeda. Sebagai SysAdmin, kita jarang bekerja cuma di satu tool.
Cara kerja: Pisahkan instruksi menjadi beberapa fase yang jelas dan pastikan data dari satu layanan berhasil di-lempar ke layanan berikutnya.
- Contoh Skenario Handoff:
- Fase 1: Tarik data dari sistem pemantauan (misal log error ditarik via satu tool).
- Fase 2: Simpan log tersebut ke dalam folder penyimpanan terpusat.
- Fase 3: Otomatis buatkan tiket investigasi ke tim terkait.
3. Iterasi Perbaikan Otomatis (Iterative Refinement)
Ini adalah pola favorit saya buat nulis script Ansible atau Bash. Pola ini digunakan ketika kualitas output akan semakin bagus jika dilakukan iterasi secara berulang.
Cara kerja: Jangan biarkan AI langsung memberikan hasil akhir. Buat struktur looping perbaikan: atasi setiap masalah yang ditemukan, generate ulang bagian yang bermasalah, validasi kembali, dan ulangi sampai batas kualitas terpenuhi. AI akan “menghakimi” pekerjaannya sendiri dengan menjalankan script validasi sebelum lapor ke kalian.
4. Pemilihan Tool Sesuai Konteks (Context-Aware Tool Selection)
Pola ini digunakan jika output akhirnya sama, namun membutuhkan tools yang berbeda tergantung dari situasinya.
Cara kerja: Ajarkan AI sebuah “Pohon Keputusan” (Decision Tree). Misalnya dalam urusan penyimpanan file:
- Jika ukuran file sangat besar (>10MB), gunakan tool storage cloud.
- Jika file berupa kode konfigurasi, arahkan AI untuk menggunakan tool repository GitHub.
- Jika file bersifat sementara (temporary), simpan di penyimpanan lokal.
Bonus Tip: Mengobati AI yang Sedang “Malas”
Kadang, meskipun Skill sudah ditulis dengan rapi, Claude bisa saja melewati tahapan validasi yang kritis. Di panduan Anthropic, ternyata ada trik Troubleshooting rahasia untuk mengatasi sifat AI yang “malas” ini.
Tambahkan kalimat dorongan eksplisit (explicit encouragement) seperti ini ke dalam prompt:
- “Take your time to do this thoroughly” (Luangkan waktu Anda untuk melakukan ini secara menyeluruh).
- “Quality is more important than speed” (Kualitas jauh lebih penting daripada kecepatan).
Menariknya, panduan tersebut mencatat bahwa memasukkan instruksi “penyemangat” ini langsung ke dalam prompt pengguna justru lebih efektif dibandingkan menaruhnya di dalam dokumen SKILL.md.
Kesimpulan
Membuat Skill di Claude bukan sekadar menulis “Tolong kerjakan X”. Dengan mengadopsi 4 pola di atas, kalian bisa menyulap terminal kalian layaknya sebuah orkestra automasi yang terstruktur, anti-halusinasi, dan bisa mengoreksi kesalahannya sendiri.
