🚀 How Claude Code Works: Bedah Arsitektur Agentic Coding Assistant


Tanggal video: 27 Desember 2025

📝 Deskripsi Ringkas
Jared Zoneraich dari PromptLayer melakukan reverse engineering terhadap Claude Code, alat CLI (Command Line Interface) terbaru dari Anthropic. Analisis ini membongkar bagaimana Claude Code bukan sekadar chatbot, melainkan agen otonom yang menggunakan arsitektur REPL (Read-Eval-Print Loop) dan system prompt yang sangat kompleks untuk berinteraksi langsung dengan terminal, file sistem, dan kode pengguna.

1. ⚠️ Problem Statement
Keterbatasan Chatbot Standar: Coding dengan LLM biasa sering kali melibatkan proses copy-paste manual yang membosankan dan rentan kesalahan.

Konteks Window & Biaya: Memasukkan seluruh basis kode ke dalam LLM sangat mahal dan cepat menghabiskan kuota token.

Halusinasi Lingkungan: LLM sering kali "menghayal" tentang struktur direktori atau nama file jika tidak memiliki akses langsung untuk memverifikasi lingkungan sistem operasi.

Keamanan Eksekusi: Memberikan akses terminal kepada AI berisiko tinggi jika tidak ada batasan dan protokol keamanan yang ketat.

2. 🛠️ Solusi / Approach
Claude Code menggunakan pendekatan arsitektur Agentic REPL:

Siklus REPL (Read-Eval-Print Loop): AI tidak hanya memberikan teks, tetapi mengeluarkan perintah (command), sistem mengeksekusinya di terminal, dan hasilnya dikembalikan ke AI sebagai input baru.

System Prompt Raksasa: Menggunakan system prompt yang sangat panjang dan terstruktur (menggunakan tag XML) untuk mendefinisikan kepribadian ("Anda adalah insinyur perangkat lunak ahli...") dan alat yang tersedia.

Alat Spesifik (Tools): Claude dibekali alat bawaan yang didefinisikan secara eksplisit:

Bash: Untuk menjalankan perintah terminal.

FileEdit: Untuk mengubah isi file (menggunakan sed atau penggantian string).

Grep & Glob: Untuk pencarian kode yang efisien tanpa membaca seluruh file.

Notebook: Untuk menjalankan sel Jupyter.

Prompt Caching: Menggunakan fitur caching Anthropic untuk menyimpan system prompt dan konteks sejarah agar respons lebih cepat dan biaya lebih rendah.

3. 📊 Findings / Results / Impact
Efisiensi Token: Claude Code diajarkan untuk tidak menggunakan perintah cat pada file besar. Sebaliknya, ia menggunakan head atau grep -n untuk membaca bagian yang relevan saja, menghemat token.

Manajemen Konteks: Sistem secara otomatis memotong (truncate) output terminal yang terlalu panjang agar tidak membanjiri konteks window AI.

Deteksi Lingkungan: Agen secara otomatis mendeteksi sistem operasi (Mac/Linux) dan spesifikasi perangkat keras saat inisialisasi untuk menyesuaikan perintah bash yang digunakan.

Chain of Thought: Penggunaan tag <thinking> yang ekstensif memungkinkan model merencanakan langkah sebelum mengeksekusi perintah berbahaya.

4. ⚙️ How to Implement (General Pattern)
Jika Anda ingin membangun agen coding serupa, ikuti pola ini:

Definisikan Tools dengan XML: Buat definisi alat yang jelas (nama, deskripsi, parameter) dalam system prompt.

Gunakan Loop Eksekusi: Bangun loop di mana output model diparsing -> alat dijalankan -> output alat dikembalikan ke model.

Implementasikan Truncation: Jangan biarkan output alat (seperti log error yang panjang) masuk mentah-mentah ke LLM; potong bagian tengahnya.

Summarization: Saat riwayat percakapan menjadi terlalu panjang, minta model untuk meringkas percakapan lama untuk mempertahankan konteks tanpa membebani memori.

5. 💡 Key Takeaways
AI Butuh "Izin": Salah satu bagian terpenting dari prompt adalah memberikan izin eksplisit kepada AI untuk bertindak sebagai agen otonom dan menggunakan alat yang ada.

Tools > Text: Kekuatan agen coding bukan pada kemampuan generasinya semata, tapi pada kemampuannya menggunakan alat navigasi (seperti grep dan ls) untuk memahami basis kode yang besar.

Observabilitas itu Penting: Alat seperti PromptLayer digunakan untuk melacak (log) setiap langkah pemikiran dan eksekusi alat guna men-debug perilaku agen.

🗣️ Apakah Anda lebih nyaman memberikan akses terminal penuh ke agen AI untuk mempercepat pekerjaan, atau Anda lebih suka pendekatan "manusia di dalam loop" (human-in-the-loop) di mana setiap perintah harus disetujui terlebih dahulu?

Sumber Video:
https://www.youtube.com/watch?v=RFKCzGlAU6Q

🏷️ #ClaudeCode #AgenticAI #PromptEngineering #Anthropic #DevTools #ReverseEngineering #LLM #SoftwareArchitecture

Leave a Comment