Juara hackathon Anthropic bagikan gratis Konfigurasi Serbaguna Claude Code: 13 Agen, 40+ keterampilan, 31 perintah semuanya terbuka

Pengembang Affaan Mustafa setelah memenangkan kompetisi hackathon yang diselenggarakan oleh Anthropic, mengatur semua pengaturan Claude Code yang dikumpulkan selama 10 bulan membangun produk secara nyata menjadi paket sumber terbuka yang dapat langsung diinstal, termasuk 13 agen cerdas, lebih dari 40 modul keterampilan, 31 perintah, serta AgentShield, auditor keamanan, dan lain-lain. Artikel ini membagikannya kepada Anda.
（Latar belakang: Clawdbot menjadi legenda, sebuah pengurus AI 24/7 yang membuat Mac mini ludes terjual）
（Tambahan latar: Hati-hati! Pengaturan Clawdbot yang tidak tepat berpotensi menyimpan celah keamanan besar: ada pengguna yang wallet-nya dienkripsi dan dibobol habis）

Daftar Isi Artikel

Toggle

• Lima tingkat modul, mencakup dari peninjauan keamanan hingga pembelajaran otomatis secara lengkap
• Keberadaan AgentShield, auditor keamanan
• Biaya konfigurasi pengembangan berbantuan AI lebih tinggi dari yang diperkirakan
• Paket ini adalah titik awal, bukan akhir

Hackathon terbaru dari Anthropic baru saja selesai. Setelah setiap kompetisi, fokus diskusi komunitas biasanya tertuju pada keunggulan teknis karya pemenang, atau apa tantangan baru yang diajukan Anthropic kali ini. Tapi artikel ini ingin berbagi sesuatu yang memiliki nilai jangka panjang lebih besar: pemenang Affaan Mustafa, yang mengatur semua pengaturan Claude Code yang dia kumpulkan selama 10 bulan membangun produk nyata, menjadi sebuah paket sumber terbuka yang dapat langsung diinstal, bernama “everything-claude-code”, yang dia bagikan secara sukarela di GitHub.

Hingga saat artikel ini ditulis, repositori ini telah mendapatkan lebih dari 49.000 bintang dan 6.200 fork. Angka ini tidak hanya mencerminkan minat komunitas terhadap alat ini, tetapi juga menunjukkan salah satu masalah nyata dalam pengembangan berbantuan AI jangka panjang: mengatur Claude Code dalam situasi kerja nyata tidak semudah yang dibayangkan. Berikut ringkasan fitur utama dari konfigurasi ini.

Lima tingkat modul, mencakup dari peninjauan keamanan hingga pembelajaran otomatis secara lengkap

Seluruh paket diorganisasi dalam lima tingkat inti, dengan pembagian tugas yang jelas:

Agen (Agents): 13 sub-agen cerdas yang berspesialisasi, masing-masing menjalankan tugas tertentu. Meliputi perencana, arsitek, pemandu TDD, peninjau kode, auditor keamanan, penyelesai kesalahan konstruksi, pelaku pengujian end-to-end, pembersih refaktor, pembaruan dokumentasi, serta pengawas khusus untuk bahasa Go, Python, dan basis data.

Setiap agen dirancang sebagai node penugasan, bukan untuk mengerjakan semua tugas sekaligus oleh agen utama. Pendekatan ini berkaitan langsung dengan batas performa model bahasa besar yang cenderung “luas tapi dangkal”.

Modul Keterampilan (Skills): Lebih dari 40 definisi alur kerja yang diklasifikasikan berdasarkan bahasa dan konteks penggunaan. Panduan pola untuk TypeScript, Python, Go, Java, C++, Django, Spring Boot, serta standar operasi untuk pengujian, keamanan, deployment, API, migrasi basis data, Docker, dan lainnya.

Beberapa modul keterampilan tingkat lanjut termasuk “Pipeline LLM Berbasis Kesadaran Biaya” dan “Mode Cache Hash Konten”, menunjukkan bahwa konfigurasi ini melampaui sekadar alat bantu pengembangan, meluas ke pengembangan produk AI itu sendiri.

Perintah (Commands): 31 perintah slash yang memungkinkan pemicu langkah demi langkah untuk alur kerja umum. /plan, /tdd, /code-review, /build-fix, /e2e adalah perintah dasar. Versi terbaru menambahkan perintah koordinasi multi-agen seperti /multi-plan, /multi-execute, serta perintah terkait pembelajaran seperti /instinct-status, /evolve.

Hooks: Mekanisme otomatis berbasis trigger yang mengelola persistensi memori antar percakapan, strategi kompresi konteks, dan ekstraksi pola. Ini adalah fondasi agar AI tetap menjaga konsistensi konteks dalam penggunaan jangka panjang, dan sering kali diabaikan oleh pemula konfigurasi.

Rules: Pedoman kode yang harus selalu diikuti, terbagi menjadi aturan umum, aturan TypeScript, Python, dan Go. Meliputi gaya kode, alur kerja Git, standar pengujian, dan persyaratan keamanan. Paket ini mendukung Windows, macOS, Linux, dan secara otomatis mendeteksi pengelola paket seperti npm, pnpm, yarn, bun.

Keberadaan AgentShield, Auditor Keamanan

Dari banyak modul, tiga di antaranya patut diperhatikan secara mendalam karena mewakili penegasan terhadap arah pengembangan berbantuan AI.

AgentShield (Auditor Keamanan): Melakukan analisis statis terhadap konfigurasi Claude Code, mencakup 102 aturan deteksi celah, 912 kasus pengujian, dan cakupan pengujian 98%. Ini menunjukkan kenyataan bahwa ketika agen AI diberi kemampuan menjalankan kode, mengakses sistem file, dan memanggil API eksternal, konfigurasi itu sendiri menjadi permukaan serangan.

Keberadaan AgentShield menandakan masalah ini sudah cukup serius sehingga membutuhkan alat khusus untuk mengatasinya. Ini menjadi pengingat penting bagi tim yang menggunakan AI coding assistant di lingkungan produksi.

Continuous Learning v2: Menggunakan konsep “intuisi” untuk menggambarkan proses AI mengekstrak pola perilaku dari interaksi masa lalu, lengkap dengan mekanisme penilaian kepercayaan. Dengan kata lain, Claude dapat “menghafal” basis kode tertentu seiring waktu, bukan membangun konteks dari awal setiap kali. Mekanisme ini mengubah pengetahuan yang sebelumnya dikelola secara manual menjadi output otomatis sistem.

Skill Creator: Menganalisis riwayat commit Git untuk secara otomatis menghasilkan modul keterampilan yang disesuaikan dengan basis kode tertentu. Desain ini mempercepat proses dari “mengetahui apa yang bisa dilakukan Claude Code” ke “menggunakan Claude Code untuk bekerja pada basis kode saya”. Pengembang domain vertikal dapat mengekstrak konfigurasi terbaik dari riwayat pengembangan mereka tanpa harus mendesain alur kerja dari nol.

Biaya konfigurasi pengembangan berbantuan AI lebih tinggi dari yang diperkirakan

Mustafa memilih untuk mempublikasikan kumpulan konfigurasi ini secara terbuka, secara esensial melakukan pekerjaan infrastruktur komunitas: mengubah biaya trial-and-error yang biasanya harus dibayar berulang kali menjadi aset publik satu kali.

Praktik ini sudah umum di komunitas open source, dari aturan ESLint hingga template Docker Compose. Tapi yang membedakan adalah kompleksitas konfigurasi pengembangan berbantuan AI yang jauh lebih tinggi. Behavior Claude Code tidak sekadar “mengaktifkan fitur”, melainkan melibatkan arsitektur agen, prompt engineering, desain alur kerja, manajemen memori antar percakapan, dan banyak aspek lain yang saling terkait.

Paket ini adalah titik awal, bukan akhir

Perlu diingat bahwa konfigurasi ini adalah hasil optimalisasi dari pengalaman satu pengembang tertentu dalam konteks tertentu, dan mungkin tidak langsung cocok untuk semua situasi.

Namun, ini tidak mengurangi nilainya. Sebaliknya, jadikan ini sebagai titik awal, bukan akhir. Bagi pemula Claude Code, konfigurasi default yang berlandaskan pengalaman nyata jauh lebih berguna daripada memulai dari nol. Bagi pengguna berpengalaman, ini menjadi referensi yang bisa dibandingkan dan dimodifikasi.

Mustafa merangkum pengalaman 10 bulan pengambilan keputusan ke dalam sebuah paket yang dapat diinstal, yang nilainya bukan terletak pada kesempurnaan, melainkan pada kemampuannya mengubah pengetahuan implisit menjadi bentuk yang eksplisit, dapat dirujuk, dan dimodifikasi secara terbuka.