{"content_id":"yihyxok0ch","slug":"claude-5-context-engineering-rules","locale":"id","schema_type":"TechArticle","category":"ai_data","category_name":"Data AI","title":"Aturan Rekayasa Konteks untuk Model Claude 5","summary":"Untuk model Claude dengan kemampuan penalaran yang lebih baik, tujuan yang jelas, alat yang dirancang dengan baik, dan materi referensi yang sesuai dengan tugas lebih penting daripada banyak aturan terperinci. Artikel ini menjelaskan prinsip dan prosedur penerapan desain konteks yang mengurangi instruksi berulang serta menyediakan informasi yang diperlukan pada waktu yang tepat.","author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Rekayasa konteks adalah pekerjaan merancang bukan hanya prompt, tetapi juga instruksi sistem, alat, memori, file, riwayat percakapan, dan hasil eksekusi secara terpadu.","Aturan keselamatan, hukum, izin, dan integritas data harus tetap ketat, sedangkan pedoman gaya yang berubah sesuai situasi sebaiknya diubah menjadi prinsip berbasis konteks.","Alih-alih memasukkan semua informasi sejak awal, informasi harus disediakan saat diperlukan melalui pencarian, pembacaan file, Skills, dan subagen.","Alih-alih mencantumkan contoh penggunaan alat secara berulang, antarmuka harus dirancang dengan nama yang jelas, skema input, definisi status, dan struktur kesalahan.","CLAUDE.md, memori otomatis, kode, pengujian, dan spesifikasi harus memiliki peran yang berbeda, dan instruksi yang sama tidak boleh diduplikasi di beberapa lokasi."],"content_markdown":"Untuk menggunakan model Claude dengan kemampuan penilaian yang lebih baik secara efektif, sekadar menyempurnakan satu kalimat prompt tidaklah cukup. Instruksi sistem, file proyek, alat, memori, riwayat percakapan, dan hasil eksekusi yang akan dilihat model dalam satu proses penalaran harus dirancang sebagai satu lingkungan informasi.\n\nPrinsip utamanya sederhana.\n\n\u003e Alih-alih menetapkan semua tindakan sebelumnya, berikan tujuan yang jelas, batas keamanan, antarmuka yang ekspresif, dan materi referensi yang dapat dipercaya, lalu serahkan penilaian terperinci kepada model.\n\nDalam artikel ini, `Claude 5` mengacu pada lingkungan model Claude berperforma tinggi generasi berikutnya sebagaimana disebutkan dalam materi yang disediakan. Fokusnya bukan pada spesifikasi produk atau status peluncuran tertentu, melainkan pada prinsip desain konteks yang dapat diterapkan pada model dengan kemampuan penilaian yang lebih baik.\n\n## Rekayasa prompt dan rekayasa konteks\n\n### Rekayasa prompt\n\nRekayasa prompt adalah pekerjaan merancang cara menyampaikan permintaan saat ini. Umumnya, hal ini mencakup unsur-unsur berikut.\n\n- Tujuan tugas\n- Cakupan pelaksanaan\n- Batasan\n- Format keluaran\n- Kriteria keberhasilan\n- Contoh yang diperlukan\n\nContohnya sebagai berikut.\n\n```text\nImplementasikan fitur pembatalan pembayaran pada Next.js API Route.\nGunakan kembali lapisan layanan yang sudah ada dan tambahkan pengujian.\nJangan mengubah kontrak API publik dan jelaskan alasan perubahan.\n```\n\n### Rekayasa konteks\n\nRekayasa konteks adalah pekerjaan menyeleksi dan memelihara keseluruhan kumpulan informasi yang masuk ke dalam penalaran model. Dalam agen pengodean seperti Claude Code, konteks secara garis besar terdiri atas unsur-unsur berikut.\n\n```text\nPermintaan pengguna saat ini\n+ Instruksi sistem\n+ CLAUDE.md dan instruksi proyek\n+ Skills\n+ Memori otomatis\n+ Kode·spesifikasi·pengujian·dokumentasi\n+ Definisi alat dan sumber daya MCP\n+ Riwayat percakapan\n+ Hasil eksekusi alat dan log kesalahan\n```\n\nKarena itu, prompt yang baik pun dapat menjadi kurang efektif jika diberikan bersama memori lama, aturan proyek yang berulang, atau log yang sangat besar. Sebaliknya, permintaan singkat pun dapat dijalankan dengan cukup akurat apabila disertai kode dan pengujian yang relevan serta alat yang jelas.\n\n| Kategori | Rekayasa prompt | Rekayasa konteks |\n|---|---|---|\n| Objek desain | Penyampaian permintaan saat ini | Keseluruhan lingkungan informasi yang masuk ke penalaran |\n| Pertanyaan utama | Apa yang harus diminta dan bagaimana cara memintanya | Apa yang harus dilihat model dan kapan model harus melihatnya |\n| Unsur utama | Tujuan, format, batasan, contoh | Instruksi sistem, file, alat, memori, riwayat |\n| Kegagalan utama | Permintaan ambigu, kriteria keberhasilan tidak jelas | Konflik, duplikasi, informasi lama, log berlebihan |\n| Metode perbaikan | Memperjelas permintaan dan menyajikan kriteria verifikasi | Menyeleksi informasi bersinyal tinggi, pencarian tepat waktu, pengelolaan siklus hidup |\n\n## Mengapa lebih banyak konteks tidak selalu lebih baik\n\nMeskipun jendela konteks LLM membesar, kapasitas perhatian yang dapat digunakan untuk tugas tidaklah tak terbatas. Jika jumlah token yang kurang relevan meningkat, masalah berikut dapat muncul.\n\n1. Persyaratan penting terkubur dalam penjelasan yang bertele-tele.\n2. Instruksi serupa di lokasi berbeda saling bertentangan secara halus.\n3. Keputusan lama atau upaya yang gagal memengaruhi tugas saat ini.\n4. Contoh bertindak seperti jawaban yang benar dan membatasi jalur penyelesaian lainnya.\n5. Log dan keluaran alat menghabiskan ruang yang diperlukan untuk kode, spesifikasi, dan pengujian.\n6. Model menghabiskan penalaran untuk menafsirkan prioritas instruksi alih-alih mengerjakan tugas sebenarnya.\n\nAnthropic menjelaskan fenomena menurunnya efisiensi pemanfaatan informasi dalam konteks panjang dan menyarankan agar agen dirancang untuk mencari informasi yang diperlukan tepat pada waktunya serta memadatkan riwayat lama. Hal yang penting bukanlah memenuhi jumlah token maksimum, melainkan meningkatkan proporsi token bersinyal tinggi yang memengaruhi hasil.\n\n## Makna kasus pengurangan prompt sistem\n\nDalam kasus Anthropic yang disediakan, dijelaskan bahwa setelah meninjau instruksi internal Claude Code, prompt sistem dikurangi setidaknya 80%. Angka ini bukan aturan bahwa prompt semua aplikasi harus dikurangi dengan rasio yang sama. Kasus tersebut harus dipahami sebagai contoh penataan instruksi perilaku yang berulang dan terlalu terperinci dalam sistem tertentu.\n\nSebagai contoh, instruksi berikut dapat masuk secara bersamaan dalam satu permintaan.\n\n```text\nInstruksi sistem: Tinggalkan dokumentasi yang sesuai dengan situasi.\nInstruksi Skill: Jangan menambahkan komentar.\nPermintaan pengguna: Buat agar berfungsi seperti versi sebelumnya.\n```\n\nSetiap kalimat mungkin masuk akal secara terpisah, tetapi jika ditempatkan bersama, akan muncul berbagai masalah penafsiran.\n\n- Apakah dokumentasi dan komentar kode termasuk dalam kategori yang sama?\n- Apakah larangan komentar merupakan aturan tanpa pengecualian?\n- Apakah perilaku versi sebelumnya juga mencakup komentar atau struktur dokumentasi?\n- Mana yang lebih diprioritaskan, permintaan saat ini atau Skill yang dapat digunakan kembali?\n\nDalam kasus ini, penyebab kegagalan bukan hanya kemampuan pengodean model. Lingkungan informasi yang disusun manusia juga menjadi penyebab karena mengandung kontradiksi yang tidak perlu.\n\n## Enam aturan baru untuk desain konteks\n\n| Pendekatan lama | Pendekatan yang disarankan |\n|---|---|\n| Menetapkan perilaku terperinci sebagai daftar larangan | Menyajikan tujuan dan kriteria penilaian serta memanfaatkan konteks |\n| Memberikan banyak contoh pemanggilan alat | Merancang agar skema itu sendiri menjelaskan cara penggunaan |\n| Memasukkan semua informasi saat tugas dimulai | Mengungkapkannya secara bertahap pada saat diperlukan |\n| Mengulangi instruksi yang sama di berbagai lokasi | Menetapkan satu lokasi penyimpanan otoritatif untuk setiap instruksi |\n| Menyimpan hingga ingatan sementara dalam CLAUDE.md | Memisahkan peran kebijakan permanen dan memori otomatis |\n| Mengandalkan penjelasan Markdown yang panjang | Menyediakan materi yang dapat dieksekusi seperti kode, pengujian, HTML, dan rubrik evaluasi |\n\n### 1. Ubah daftar larangan terperinci menjadi prinsip berbasis konteks\n\nUntuk mencegah kesalahan berulang dari model terdahulu, terkadang aturan seperti berikut dicantumkan secara panjang lebar.\n\n- Jangan menulis komentar.\n- Jangan membuat docstring yang terdiri atas beberapa paragraf.\n- Jangan membuat dokumen rencana yang tidak diminta.\n- Jangan menyimpan file analisis sementara.\n\nAturan semacam ini mencegah kegagalan tertentu, tetapi bukan prinsip mutlak yang berlaku untuk semua situasi. Verifikasi keamanan yang kompleks atau kode konkurensi mungkin memerlukan penjelasan, sedangkan komentar justru dapat menimbulkan gangguan dalam kode CRUD yang sudah jelas.\n\nLebih baik menyajikan kriteria penilaian seperti berikut.\n\n```text\nTulis kode yang dapat dibaca dengan cara yang sama seperti kode di sekitarnya.\nIkuti aturan penamaan, ungkapan idiomatis, dan kepadatan komentar dalam file yang ada.\nTambahkan dokumentasi yang diperlukan hanya pada logika yang keamanan atau maksudnya tidak jelas tanpa penjelasan.\n```\n\nNamun, tidak semua aturan boleh dibuat lebih longgar. Unsur-unsur berikut harus tetap dipertahankan sebagai batasan eksplisit atau kontrol pada tingkat alat.\n\n- Persetujuan deployment ke lingkungan produksi dan penghapusan data\n- Pembatasan penanganan informasi pribadi dan informasi rahasia\n- Verifikasi autentikasi dan otorisasi\n- Idempotensi transaksi keuangan dan catatan audit\n- Kebijakan migrasi basis data\n- Kepatuhan terhadap hukum, lisensi, dan regulasi\n- Kontrak API publik yang tidak dapat diubah\n\n| Jenis aturan | Cara penanganan yang tepat |\n|---|---|\n| Keamanan·hukum·wewenang | Pertahankan batasan yang eksplisit dan kuat |\n| Operasi yang berpotensi menyebabkan kehilangan data | Kendalikan melalui prosedur persetujuan dan izin alat |\n| Kontrak publik·kompatibilitas | Verifikasi dengan pengujian dan skema |\n| Gaya kode·komentar | Gunakan prinsip penilaian berdasarkan kode di sekitar |\n| Urutan tugas sementara | Kelola dalam rencana atau daftar tugas saat ini |\n\n### 2. Rancang alat yang ekspresif daripada memberikan banyak contoh\n\nJika contoh pemanggilan normal dan abnormal terus ditambahkan ke deskripsi alat, konteks akan membesar dan model dapat meniru bentuk permukaan contoh tersebut. Cara yang lebih baik adalah merancang nama alat, kolom masukan, dan transisi status agar menunjukkan cara penggunaannya.\n\n```text\nTodoWrite\nTujuan: Membuat dan memperbarui daftar tugas sesi saat ini\n\nstatus:\n- pending\n- in_progress\n- completed\n\nBatasan:\n- Hanya satu tugas yang dapat berstatus in_progress pada waktu yang sama\n```\n\nAlat agen yang baik memiliki karakteristik berikut.\n\n- Nama saja sudah menunjukkan tindakan dan sasarannya.\n- Kolom wajib dan kolom opsional dibedakan.\n- Nilai yang diizinkan dibatasi dengan enum.\n- Operasi baca dan tulis, serta pratinjau dan eksekusi, dipisahkan.\n- Kesalahan mengembalikan penyebab dan metode pemulihan secara terstruktur.\n- Operasi berbahaya memerlukan token konfirmasi atau tahap persetujuan.\n- Jika hasil terlalu panjang, alat menyediakan ringkasan dan fungsi navigasi halaman.\n\nSebaiknya contoh hanya ditambahkan untuk menjelaskan pengecualian atau masukan ambigu yang sulit diungkapkan melalui antarmuka.\n\n### 3. Jangan masukkan semua informasi sejak awal; ungkapkan secara bertahap\n\nJangan memasukkan seluruh repositori, semua kebijakan, dan log panjang sejak awal hanya karena agen mungkin memerlukannya untuk mengerjakan tugas. Pertama, berikan informasi minimum yang diperlukan untuk eksplorasi, lalu minta agen membaca materi yang relevan saat tugas menjadi lebih spesifik.\n\nAlur yang disarankan adalah sebagai berikut.\n\n1. Berikan tujuan, kriteria keberhasilan, dan batas keamanan.\n2. Temukan lokasi yang relevan melalui struktur repositori atau alat pencarian.\n3. Baca hanya file dan spesifikasi yang diperlukan.\n4. Setelah implementasi, jalankan pengujian dan analisis statis yang relevan.\n5. Jika gagal, ambil hanya kesalahan tersebut dan kode di sekitarnya sebagai tambahan.\n6. Setelah selesai, padatkan atau hapus log lama dan penalaran perantara.\n\nPengungkapan bertahap bukan berarti menyembunyikan informasi. Ini adalah metode menyediakan jalur pencarian dan struktur file yang jelas agar model dapat menemukan informasi yang diperlukan.\n\n### 4. Hapus instruksi duplikat dan tetapkan lokasi otoritatif\n\nJika aturan yang sama disalin ke prompt sistem, CLAUDE.md, Skill, dan deskripsi alat, redaksinya dapat berubah seiring waktu. Untuk setiap jenis instruksi, satu lokasi penyimpanan yang otoritatif harus ditetapkan.\n\n| Informasi | Lokasi yang disarankan |\n|---|---|\n| Kebijakan keamanan seluruh organisasi | Instruksi sistem atau hierarki izin |\n| Perintah build·pengujian repositori | CLAUDE.md proyek |\n| Prosedur tugas tertentu | Skill terkait |\n| Masukan dan batasan alat | Skema dan deskripsi alat |\n| Perilaku API publik | Skema kode, spesifikasi, dan pengujian kontrak |\n| Kemajuan sesi saat ini | Daftar tugas atau status sesi |\n\nJika duplikasi tidak dapat dihindari, lebih aman untuk merujuk ke lokasi otoritatif atau membuatnya secara otomatis daripada menyalin isinya.\n\n### 5. Pisahkan peran CLAUDE.md dan memori otomatis\n\nCLAUDE.md cocok untuk instruksi berkelanjutan yang dapat ditinjau dan dikelola versinya oleh anggota proyek.\n\n- Perintah build dan pengujian standar\n- Penjelasan inti mengenai struktur repositori\n- Area terlarang untuk perubahan yang telah disepakati tim\n- Prosedur verifikasi khusus proyek\n- Aturan yang sulit disimpulkan dengan alat umum\n\nSebaliknya, informasi berikut lebih cocok untuk memori otomatis atau status sesi.\n\n- Preferensi personal yang ditemukan dalam tugas berulang\n- Jalur eksplorasi yang berguna dalam tugas terbaru\n- Karakteristik lingkungan pengembangan yang bersifat sementara\n- Kemajuan sesi saat ini\n\nMemori otomatis tidak boleh diasumsikan selalu akurat atau permanen. Entri lama harus dapat diperbaiki atau dihapus, dan memori otomatis tidak boleh digunakan sebagai satu-satunya tempat penyimpanan kebijakan keamanan serta kontrak publik.\n\n### 6. Prioritaskan materi referensi yang dapat dieksekusi daripada dokumen penjelasan\n\nSpesifikasi bahasa alami berguna untuk menjelaskan maksud, tetapi mungkin tidak dapat menggambarkan perilaku sebenarnya secara lengkap. Jika memungkinkan, sediakan juga materi berikut.\n\n- Implementasi yang sudah ada dan serupa dengan kode saat ini\n- Pengujian unit dan pengujian integrasi\n- Skema API dan definisi tipe\n- HTML aktual atau hasil desain\n- File migrasi basis data\n- Contoh data masukan·keluaran\n- Rubrik evaluasi dan kriteria penilaian otomatis\n\nKonflik juga dapat terjadi di antara materi referensi, sehingga prioritasnya harus dinyatakan secara eksplisit. Misalnya, dapat ditetapkan bahwa pengujian kontrak merupakan standar otoritatif untuk API publik, sedangkan README merupakan materi penjelasan.\n\n## Templat penyusunan konteks untuk praktik kerja\n\nStruktur berikut adalah contoh penataan ringkas atas informasi yang diperlukan untuk tugas pengodean.\n\n```text\nTujuan\n- Tambahkan API pembatalan pembayaran.\n\nKriteria keberhasilan\n- Gunakan kembali lapisan layanan pembayaran yang sudah ada.\n- Meskipun ada permintaan duplikat, pembatalan hanya dilakukan sekali.\n- Pengujian kontrak terkait berhasil.\n\nBatasan kuat\n- Jangan mengubah skema respons publik.\n- Jangan mengakses data produksi.\n\nMateri referensi\n- src/payments/capture.ts\n- tests/contracts/payment-cancel.test.ts\n- openapi/payments.yaml\n\nPrinsip penilaian\n- Ikuti penanganan kesalahan dan aturan penamaan pada kode pembayaran di sekitarnya.\n- Jika ada asumsi yang tidak aman, ajukan pertanyaan sebelum implementasi.\n\nVerifikasi\n- Pengujian unit target\n- Pengujian kontrak\n- Pemeriksaan tipe\n```\n\nFormat ini tidak mencantumkan semua situasi sebelumnya. Sebaliknya, format ini memisahkan tujuan, kondisi keberhasilan, batas yang tidak berubah, materi otoritatif, dan metode verifikasi.\n\n## Prosedur menata konteks yang sudah ada\n\n### Langkah 1: Daftar semua sumber instruksi\n\nPeriksa prompt sistem, CLAUDE.md, Skills, memori otomatis, deskripsi alat, dan konfigurasi CI secara bersamaan. Jika hanya memeriksa satu dokumen, konflik yang sebenarnya sulit ditemukan.\n\n### Langkah 2: Berikan klasifikasi pada setiap instruksi\n\n- Wajib demi keamanan atau hukum\n- Wajib berdasarkan kontrak produk\n- Kebiasaan berkelanjutan tim\n- Penjelasan yang hanya diperlukan untuk alat tertentu\n- Aturan sementara untuk mencegah kesalahan model terdahulu\n- Aturan yang dasar alasannya saat ini tidak jelas\n\n### Langkah 3: Temukan duplikasi dan konflik\n\nKelompokkan kalimat yang mengungkapkan perilaku yang sama dengan cara berbeda. Tinjau terlebih dahulu ungkapan seperti `selalu`, `tidak pernah`, `wajib`, dan `jangan`.\n\n### Langkah 4: Pindahkan aturan ke pengujian atau izin\n\nUntuk unsur yang dapat diverifikasi secara otomatis dengan lebih pasti daripada melalui peringatan bahasa alami, pindahkan ke lapisan berikut.\n\n- Pengujian dan linter\n- Sistem tipe dan skema\n- Alat dengan hak akses minimum\n- Prosedur persetujuan\n- Sandbox\n- Kebijakan CI\n\n### Langkah 5: Evaluasi dengan tugas nyata\n\nJangan hanya mengukur panjang prompt. Bandingkan metrik berikut pada kumpulan tugas yang representatif.\n\n- Tingkat keberhasilan dan tingkat kelulusan pengujian\n- Jumlah perubahan file yang tidak perlu\n- Jumlah koreksi oleh pengguna\n- Tingkat kegagalan pemanggilan alat\n- Waktu dan token yang diperlukan hingga selesai\n- Ada atau tidaknya pelanggaran kebijakan keamanan\n\n### Langkah 6: Tambahkan perbaikan minimum hanya untuk penyebab kegagalan\n\nJangan langsung menambahkan aturan larangan baru ketika terjadi kegagalan. Bedakan terlebih dahulu apakah penyebabnya adalah tujuan yang ambigu, materi referensi yang tidak memadai, atau skema alat yang salah.\n\n## Instruksi yang tidak boleh dihapus\n\nPenyederhanaan bukan berarti penghapusan tanpa syarat. Jika jawaban untuk salah satu pertanyaan berikut adalah `ya`, instruksi harus dipertahankan atau dipindahkan ke kontrol yang lebih kuat.\n\n- Apakah pelanggaran dapat menyebabkan kehilangan data atau kerugian finansial?\n- Apakah terkait dengan kewajiban hukum, informasi pribadi, atau lisensi?\n- Apakah ini kebijakan organisasi yang tidak dapat diketahui model hanya dengan melihat kode?\n- Apakah menentukan kompatibilitas API publik atau format data?\n- Apakah persetujuan manusia diperlukan sebelum tugas dijalankan?\n- Apakah pelanggaran sulit dideteksi sepenuhnya hanya dengan pengujian otomatis?\n\n## Pola kegagalan umum\n\n### Menambahkan aturan baru setelah setiap kegagalan\n\nJika satu kesalahan digeneralisasi menjadi aturan permanen, pengecualian dan konflik akan terus menumpuk. Tambahkan kasus evaluasi terlebih dahulu dan pastikan apakah kegagalan tersebut berulang.\n\n### Menggunakan contoh panjang sebagai templat secara de facto\n\nJika contoh terlalu spesifik, model dapat memprioritaskan contoh daripada basis kode saat ini. Batasi contoh pada ukuran minimum yang diperlukan untuk menjelaskan prinsip.\n\n### Menyimpan seluruh log apa adanya\n\nKeluaran alat dan log build cepat memenuhi konteks. Sebaiknya simpan hanya penyebab kegagalan, stack yang relevan, dan status yang berubah secara terstruktur.\n\n### Menggunakan memori otomatis sebagai tempat penyimpanan kebijakan\n\nMemori otomatis memang praktis, tetapi sistem peninjauan, deployment, dan auditnya mungkin lemah. Kebijakan wajib organisasi harus disimpan dalam instruksi yang dikelola versinya atau hierarki izin.\n\n### Menilai pengurangan konteks hanya sebagai penghematan token\n\nKonteks yang pendek tidak selalu baik. Jika pengujian, aturan keamanan, atau spesifikasi yang diperlukan dihapus, hasilnya akan memburuk. Tujuannya bukan token minimum, melainkan jumlah minimum token bersinyal tinggi.\n\n## Daftar periksa akhir\n\n- Apakah tujuan dan kriteria keberhasilan permintaan saat ini dipisahkan?\n- Apakah aturan keamanan dibedakan dari preferensi gaya?\n- Apakah instruksi yang sama tidak disalin ke berbagai lokasi?\n- Apakah skema alat menjelaskan cara penggunaan tanpa contoh panjang?\n- Apakah file terkait dapat dicari saat diperlukan?\n- Apakah tersedia cara untuk menghapus memori lama dan log eksekusi?\n- Apakah aturan bahasa alami dapat diberlakukan melalui pengujian atau izin?\n- Apakah prioritas di antara materi referensi sudah jelas?\n- Apakah tersedia tugas evaluasi untuk membandingkan kondisi sebelum dan sesudah perubahan instruksi?\n\n## Kesimpulan\n\nRekayasa konteks untuk model Claude berperforma tinggi bukanlah teknik untuk mengurangi instruksi tanpa syarat. Ini adalah desain informasi yang memperjelas tujuan, batas keamanan, dan dasar yang diperlukan model untuk menilai tugas saat ini, sekaligus menghapus informasi yang tidak relevan serta aturan yang saling bertentangan.\n\nPrinsip yang paling praktis dapat diringkas sebagai berikut.\n\n\u003e Terapkan keamanan dan kontrak secara ketat, serahkan gaya kepada konteks, berikan informasi pada saat diperlukan, dan verifikasi hasil melalui pengujian yang dapat dieksekusi.","content_html":"\u003cp\u003eUntuk menggunakan model Claude dengan kemampuan penilaian yang lebih baik secara efektif, sekadar menyempurnakan satu kalimat prompt tidaklah cukup. Instruksi sistem, file proyek, alat, memori, riwayat percakapan, dan hasil eksekusi yang akan dilihat model dalam satu proses penalaran harus dirancang sebagai satu lingkungan informasi.\u003c/p\u003e\n\u003cp\u003ePrinsip utamanya sederhana.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eAlih-alih menetapkan semua tindakan sebelumnya, berikan tujuan yang jelas, batas keamanan, antarmuka yang ekspresif, dan materi referensi yang dapat dipercaya, lalu serahkan penilaian terperinci kepada model.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eDalam artikel ini, \u003ccode\u003eClaude 5\u003c/code\u003e mengacu pada lingkungan model Claude berperforma tinggi generasi berikutnya sebagaimana disebutkan dalam materi yang disediakan. Fokusnya bukan pada spesifikasi produk atau status peluncuran tertentu, melainkan pada prinsip desain konteks yang dapat diterapkan pada model dengan kemampuan penilaian yang lebih baik.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#rekayasa-prompt-dan-rekayasa-konteks\" class=\"anchor\" id=\"rekayasa-prompt-dan-rekayasa-konteks\"\u003e\u003c/a\u003eRekayasa prompt dan rekayasa konteks\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-prompt\" class=\"anchor\" id=\"rekayasa-prompt\"\u003e\u003c/a\u003eRekayasa prompt\u003c/h3\u003e\n\u003cp\u003eRekayasa prompt adalah pekerjaan merancang cara menyampaikan permintaan saat ini. Umumnya, hal ini mencakup unsur-unsur berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTujuan tugas\u003c/li\u003e\n\u003cli\u003eCakupan pelaksanaan\u003c/li\u003e\n\u003cli\u003eBatasan\u003c/li\u003e\n\u003cli\u003eFormat keluaran\u003c/li\u003e\n\u003cli\u003eKriteria keberhasilan\u003c/li\u003e\n\u003cli\u003eContoh yang diperlukan\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eContohnya sebagai berikut.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eImplementasikan fitur pembatalan pembayaran pada Next.js API Route.\n\u003c/span\u003e\u003cspan\u003eGunakan kembali lapisan layanan yang sudah ada dan tambahkan pengujian.\n\u003c/span\u003e\u003cspan\u003eJangan mengubah kontrak API publik dan jelaskan alasan perubahan.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003ch3\u003e\n\u003ca href=\"#rekayasa-konteks\" class=\"anchor\" id=\"rekayasa-konteks\"\u003e\u003c/a\u003eRekayasa konteks\u003c/h3\u003e\n\u003cp\u003eRekayasa konteks adalah pekerjaan menyeleksi dan memelihara keseluruhan kumpulan informasi yang masuk ke dalam penalaran model. Dalam agen pengodean seperti Claude Code, konteks secara garis besar terdiri atas unsur-unsur berikut.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003ePermintaan pengguna saat ini\n\u003c/span\u003e\u003cspan\u003e+ Instruksi sistem\n\u003c/span\u003e\u003cspan\u003e+ CLAUDE.md dan instruksi proyek\n\u003c/span\u003e\u003cspan\u003e+ Skills\n\u003c/span\u003e\u003cspan\u003e+ Memori otomatis\n\u003c/span\u003e\u003cspan\u003e+ Kode·spesifikasi·pengujian·dokumentasi\n\u003c/span\u003e\u003cspan\u003e+ Definisi alat dan sumber daya MCP\n\u003c/span\u003e\u003cspan\u003e+ Riwayat percakapan\n\u003c/span\u003e\u003cspan\u003e+ Hasil eksekusi alat dan log kesalahan\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eKarena itu, prompt yang baik pun dapat menjadi kurang efektif jika diberikan bersama memori lama, aturan proyek yang berulang, atau log yang sangat besar. Sebaliknya, permintaan singkat pun dapat dijalankan dengan cukup akurat apabila disertai kode dan pengujian yang relevan serta alat yang jelas.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKategori\u003c/th\u003e\n\u003cth\u003eRekayasa prompt\u003c/th\u003e\n\u003cth\u003eRekayasa konteks\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eObjek desain\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa prompt\"\u003ePenyampaian permintaan saat ini\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa konteks\"\u003eKeseluruhan lingkungan informasi yang masuk ke penalaran\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003ePertanyaan utama\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa prompt\"\u003eApa yang harus diminta dan bagaimana cara memintanya\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa konteks\"\u003eApa yang harus dilihat model dan kapan model harus melihatnya\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eUnsur utama\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa prompt\"\u003eTujuan, format, batasan, contoh\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa konteks\"\u003eInstruksi sistem, file, alat, memori, riwayat\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eKegagalan utama\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa prompt\"\u003ePermintaan ambigu, kriteria keberhasilan tidak jelas\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa konteks\"\u003eKonflik, duplikasi, informasi lama, log berlebihan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eMetode perbaikan\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa prompt\"\u003eMemperjelas permintaan dan menyajikan kriteria verifikasi\u003c/td\u003e\n\u003ctd data-label=\"Rekayasa konteks\"\u003eMenyeleksi informasi bersinyal tinggi, pencarian tepat waktu, pengelolaan siklus hidup\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#mengapa-lebih-banyak-konteks-tidak-selalu-lebih-baik\" class=\"anchor\" id=\"mengapa-lebih-banyak-konteks-tidak-selalu-lebih-baik\"\u003e\u003c/a\u003eMengapa lebih banyak konteks tidak selalu lebih baik\u003c/h2\u003e\n\u003cp\u003eMeskipun jendela konteks LLM membesar, kapasitas perhatian yang dapat digunakan untuk tugas tidaklah tak terbatas. Jika jumlah token yang kurang relevan meningkat, masalah berikut dapat muncul.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePersyaratan penting terkubur dalam penjelasan yang bertele-tele.\u003c/li\u003e\n\u003cli\u003eInstruksi serupa di lokasi berbeda saling bertentangan secara halus.\u003c/li\u003e\n\u003cli\u003eKeputusan lama atau upaya yang gagal memengaruhi tugas saat ini.\u003c/li\u003e\n\u003cli\u003eContoh bertindak seperti jawaban yang benar dan membatasi jalur penyelesaian lainnya.\u003c/li\u003e\n\u003cli\u003eLog dan keluaran alat menghabiskan ruang yang diperlukan untuk kode, spesifikasi, dan pengujian.\u003c/li\u003e\n\u003cli\u003eModel menghabiskan penalaran untuk menafsirkan prioritas instruksi alih-alih mengerjakan tugas sebenarnya.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eAnthropic menjelaskan fenomena menurunnya efisiensi pemanfaatan informasi dalam konteks panjang dan menyarankan agar agen dirancang untuk mencari informasi yang diperlukan tepat pada waktunya serta memadatkan riwayat lama. Hal yang penting bukanlah memenuhi jumlah token maksimum, melainkan meningkatkan proporsi token bersinyal tinggi yang memengaruhi hasil.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#makna-kasus-pengurangan-prompt-sistem\" class=\"anchor\" id=\"makna-kasus-pengurangan-prompt-sistem\"\u003e\u003c/a\u003eMakna kasus pengurangan prompt sistem\u003c/h2\u003e\n\u003cp\u003eDalam kasus Anthropic yang disediakan, dijelaskan bahwa setelah meninjau instruksi internal Claude Code, prompt sistem dikurangi setidaknya 80%. Angka ini bukan aturan bahwa prompt semua aplikasi harus dikurangi dengan rasio yang sama. Kasus tersebut harus dipahami sebagai contoh penataan instruksi perilaku yang berulang dan terlalu terperinci dalam sistem tertentu.\u003c/p\u003e\n\u003cp\u003eSebagai contoh, instruksi berikut dapat masuk secara bersamaan dalam satu permintaan.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eInstruksi sistem: Tinggalkan dokumentasi yang sesuai dengan situasi.\n\u003c/span\u003e\u003cspan\u003eInstruksi Skill: Jangan menambahkan komentar.\n\u003c/span\u003e\u003cspan\u003ePermintaan pengguna: Buat agar berfungsi seperti versi sebelumnya.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eSetiap kalimat mungkin masuk akal secara terpisah, tetapi jika ditempatkan bersama, akan muncul berbagai masalah penafsiran.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eApakah dokumentasi dan komentar kode termasuk dalam kategori yang sama?\u003c/li\u003e\n\u003cli\u003eApakah larangan komentar merupakan aturan tanpa pengecualian?\u003c/li\u003e\n\u003cli\u003eApakah perilaku versi sebelumnya juga mencakup komentar atau struktur dokumentasi?\u003c/li\u003e\n\u003cli\u003eMana yang lebih diprioritaskan, permintaan saat ini atau Skill yang dapat digunakan kembali?\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eDalam kasus ini, penyebab kegagalan bukan hanya kemampuan pengodean model. Lingkungan informasi yang disusun manusia juga menjadi penyebab karena mengandung kontradiksi yang tidak perlu.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#enam-aturan-baru-untuk-desain-konteks\" class=\"anchor\" id=\"enam-aturan-baru-untuk-desain-konteks\"\u003e\u003c/a\u003eEnam aturan baru untuk desain konteks\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePendekatan lama\u003c/th\u003e\n\u003cth\u003ePendekatan yang disarankan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMenetapkan perilaku terperinci sebagai daftar larangan\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMenyajikan tujuan dan kriteria penilaian serta memanfaatkan konteks\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMemberikan banyak contoh pemanggilan alat\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMerancang agar skema itu sendiri menjelaskan cara penggunaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMemasukkan semua informasi saat tugas dimulai\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMengungkapkannya secara bertahap pada saat diperlukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMengulangi instruksi yang sama di berbagai lokasi\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMenetapkan satu lokasi penyimpanan otoritatif untuk setiap instruksi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMenyimpan hingga ingatan sementara dalam CLAUDE.md\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMemisahkan peran kebijakan permanen dan memori otomatis\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pendekatan lama\"\u003eMengandalkan penjelasan Markdown yang panjang\u003c/td\u003e\n\u003ctd data-label=\"Pendekatan yang disarankan\"\u003eMenyediakan materi yang dapat dieksekusi seperti kode, pengujian, HTML, dan rubrik evaluasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-ubah-daftar-larangan-terperinci-menjadi-prinsip-berbasis-konteks\" class=\"anchor\" id=\"1-ubah-daftar-larangan-terperinci-menjadi-prinsip-berbasis-konteks\"\u003e\u003c/a\u003e1. Ubah daftar larangan terperinci menjadi prinsip berbasis konteks\u003c/h3\u003e\n\u003cp\u003eUntuk mencegah kesalahan berulang dari model terdahulu, terkadang aturan seperti berikut dicantumkan secara panjang lebar.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eJangan menulis komentar.\u003c/li\u003e\n\u003cli\u003eJangan membuat docstring yang terdiri atas beberapa paragraf.\u003c/li\u003e\n\u003cli\u003eJangan membuat dokumen rencana yang tidak diminta.\u003c/li\u003e\n\u003cli\u003eJangan menyimpan file analisis sementara.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAturan semacam ini mencegah kegagalan tertentu, tetapi bukan prinsip mutlak yang berlaku untuk semua situasi. Verifikasi keamanan yang kompleks atau kode konkurensi mungkin memerlukan penjelasan, sedangkan komentar justru dapat menimbulkan gangguan dalam kode CRUD yang sudah jelas.\u003c/p\u003e\n\u003cp\u003eLebih baik menyajikan kriteria penilaian seperti berikut.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eTulis kode yang dapat dibaca dengan cara yang sama seperti kode di sekitarnya.\n\u003c/span\u003e\u003cspan\u003eIkuti aturan penamaan, ungkapan idiomatis, dan kepadatan komentar dalam file yang ada.\n\u003c/span\u003e\u003cspan\u003eTambahkan dokumentasi yang diperlukan hanya pada logika yang keamanan atau maksudnya tidak jelas tanpa penjelasan.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eNamun, tidak semua aturan boleh dibuat lebih longgar. Unsur-unsur berikut harus tetap dipertahankan sebagai batasan eksplisit atau kontrol pada tingkat alat.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePersetujuan deployment ke lingkungan produksi dan penghapusan data\u003c/li\u003e\n\u003cli\u003ePembatasan penanganan informasi pribadi dan informasi rahasia\u003c/li\u003e\n\u003cli\u003eVerifikasi autentikasi dan otorisasi\u003c/li\u003e\n\u003cli\u003eIdempotensi transaksi keuangan dan catatan audit\u003c/li\u003e\n\u003cli\u003eKebijakan migrasi basis data\u003c/li\u003e\n\u003cli\u003eKepatuhan terhadap hukum, lisensi, dan regulasi\u003c/li\u003e\n\u003cli\u003eKontrak API publik yang tidak dapat diubah\u003c/li\u003e\n\u003c/ul\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eJenis aturan\u003c/th\u003e\n\u003cth\u003eCara penanganan yang tepat\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis aturan\"\u003eKeamanan·hukum·wewenang\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang tepat\"\u003ePertahankan batasan yang eksplisit dan kuat\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis aturan\"\u003eOperasi yang berpotensi menyebabkan kehilangan data\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang tepat\"\u003eKendalikan melalui prosedur persetujuan dan izin alat\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis aturan\"\u003eKontrak publik·kompatibilitas\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang tepat\"\u003eVerifikasi dengan pengujian dan skema\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis aturan\"\u003eGaya kode·komentar\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang tepat\"\u003eGunakan prinsip penilaian berdasarkan kode di sekitar\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jenis aturan\"\u003eUrutan tugas sementara\u003c/td\u003e\n\u003ctd data-label=\"Cara penanganan yang tepat\"\u003eKelola dalam rencana atau daftar tugas saat ini\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-rancang-alat-yang-ekspresif-daripada-memberikan-banyak-contoh\" class=\"anchor\" id=\"2-rancang-alat-yang-ekspresif-daripada-memberikan-banyak-contoh\"\u003e\u003c/a\u003e2. Rancang alat yang ekspresif daripada memberikan banyak contoh\u003c/h3\u003e\n\u003cp\u003eJika contoh pemanggilan normal dan abnormal terus ditambahkan ke deskripsi alat, konteks akan membesar dan model dapat meniru bentuk permukaan contoh tersebut. Cara yang lebih baik adalah merancang nama alat, kolom masukan, dan transisi status agar menunjukkan cara penggunaannya.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eTodoWrite\n\u003c/span\u003e\u003cspan\u003eTujuan: Membuat dan memperbarui daftar tugas sesi saat ini\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003estatus:\n\u003c/span\u003e\u003cspan\u003e- pending\n\u003c/span\u003e\u003cspan\u003e- in_progress\n\u003c/span\u003e\u003cspan\u003e- completed\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eBatasan:\n\u003c/span\u003e\u003cspan\u003e- Hanya satu tugas yang dapat berstatus in_progress pada waktu yang sama\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eAlat agen yang baik memiliki karakteristik berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eNama saja sudah menunjukkan tindakan dan sasarannya.\u003c/li\u003e\n\u003cli\u003eKolom wajib dan kolom opsional dibedakan.\u003c/li\u003e\n\u003cli\u003eNilai yang diizinkan dibatasi dengan enum.\u003c/li\u003e\n\u003cli\u003eOperasi baca dan tulis, serta pratinjau dan eksekusi, dipisahkan.\u003c/li\u003e\n\u003cli\u003eKesalahan mengembalikan penyebab dan metode pemulihan secara terstruktur.\u003c/li\u003e\n\u003cli\u003eOperasi berbahaya memerlukan token konfirmasi atau tahap persetujuan.\u003c/li\u003e\n\u003cli\u003eJika hasil terlalu panjang, alat menyediakan ringkasan dan fungsi navigasi halaman.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eSebaiknya contoh hanya ditambahkan untuk menjelaskan pengecualian atau masukan ambigu yang sulit diungkapkan melalui antarmuka.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-jangan-masukkan-semua-informasi-sejak-awal-ungkapkan-secara-bertahap\" class=\"anchor\" id=\"3-jangan-masukkan-semua-informasi-sejak-awal-ungkapkan-secara-bertahap\"\u003e\u003c/a\u003e3. Jangan masukkan semua informasi sejak awal; ungkapkan secara bertahap\u003c/h3\u003e\n\u003cp\u003eJangan memasukkan seluruh repositori, semua kebijakan, dan log panjang sejak awal hanya karena agen mungkin memerlukannya untuk mengerjakan tugas. Pertama, berikan informasi minimum yang diperlukan untuk eksplorasi, lalu minta agen membaca materi yang relevan saat tugas menjadi lebih spesifik.\u003c/p\u003e\n\u003cp\u003eAlur yang disarankan adalah sebagai berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eBerikan tujuan, kriteria keberhasilan, dan batas keamanan.\u003c/li\u003e\n\u003cli\u003eTemukan lokasi yang relevan melalui struktur repositori atau alat pencarian.\u003c/li\u003e\n\u003cli\u003eBaca hanya file dan spesifikasi yang diperlukan.\u003c/li\u003e\n\u003cli\u003eSetelah implementasi, jalankan pengujian dan analisis statis yang relevan.\u003c/li\u003e\n\u003cli\u003eJika gagal, ambil hanya kesalahan tersebut dan kode di sekitarnya sebagai tambahan.\u003c/li\u003e\n\u003cli\u003eSetelah selesai, padatkan atau hapus log lama dan penalaran perantara.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003ePengungkapan bertahap bukan berarti menyembunyikan informasi. Ini adalah metode menyediakan jalur pencarian dan struktur file yang jelas agar model dapat menemukan informasi yang diperlukan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-hapus-instruksi-duplikat-dan-tetapkan-lokasi-otoritatif\" class=\"anchor\" id=\"4-hapus-instruksi-duplikat-dan-tetapkan-lokasi-otoritatif\"\u003e\u003c/a\u003e4. Hapus instruksi duplikat dan tetapkan lokasi otoritatif\u003c/h3\u003e\n\u003cp\u003eJika aturan yang sama disalin ke prompt sistem, CLAUDE.md, Skill, dan deskripsi alat, redaksinya dapat berubah seiring waktu. Untuk setiap jenis instruksi, satu lokasi penyimpanan yang otoritatif harus ditetapkan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eInformasi\u003c/th\u003e\n\u003cth\u003eLokasi yang disarankan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003eKebijakan keamanan seluruh organisasi\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eInstruksi sistem atau hierarki izin\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003ePerintah build·pengujian repositori\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eCLAUDE.md proyek\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003eProsedur tugas tertentu\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eSkill terkait\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003eMasukan dan batasan alat\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eSkema dan deskripsi alat\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003ePerilaku API publik\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eSkema kode, spesifikasi, dan pengujian kontrak\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informasi\"\u003eKemajuan sesi saat ini\u003c/td\u003e\n\u003ctd data-label=\"Lokasi yang disarankan\"\u003eDaftar tugas atau status sesi\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eJika duplikasi tidak dapat dihindari, lebih aman untuk merujuk ke lokasi otoritatif atau membuatnya secara otomatis daripada menyalin isinya.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-pisahkan-peran-claudemd-dan-memori-otomatis\" class=\"anchor\" id=\"5-pisahkan-peran-claudemd-dan-memori-otomatis\"\u003e\u003c/a\u003e5. Pisahkan peran CLAUDE.md dan memori otomatis\u003c/h3\u003e\n\u003cp\u003eCLAUDE.md cocok untuk instruksi berkelanjutan yang dapat ditinjau dan dikelola versinya oleh anggota proyek.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePerintah build dan pengujian standar\u003c/li\u003e\n\u003cli\u003ePenjelasan inti mengenai struktur repositori\u003c/li\u003e\n\u003cli\u003eArea terlarang untuk perubahan yang telah disepakati tim\u003c/li\u003e\n\u003cli\u003eProsedur verifikasi khusus proyek\u003c/li\u003e\n\u003cli\u003eAturan yang sulit disimpulkan dengan alat umum\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eSebaliknya, informasi berikut lebih cocok untuk memori otomatis atau status sesi.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePreferensi personal yang ditemukan dalam tugas berulang\u003c/li\u003e\n\u003cli\u003eJalur eksplorasi yang berguna dalam tugas terbaru\u003c/li\u003e\n\u003cli\u003eKarakteristik lingkungan pengembangan yang bersifat sementara\u003c/li\u003e\n\u003cli\u003eKemajuan sesi saat ini\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eMemori otomatis tidak boleh diasumsikan selalu akurat atau permanen. Entri lama harus dapat diperbaiki atau dihapus, dan memori otomatis tidak boleh digunakan sebagai satu-satunya tempat penyimpanan kebijakan keamanan serta kontrak publik.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-prioritaskan-materi-referensi-yang-dapat-dieksekusi-daripada-dokumen-penjelasan\" class=\"anchor\" id=\"6-prioritaskan-materi-referensi-yang-dapat-dieksekusi-daripada-dokumen-penjelasan\"\u003e\u003c/a\u003e6. Prioritaskan materi referensi yang dapat dieksekusi daripada dokumen penjelasan\u003c/h3\u003e\n\u003cp\u003eSpesifikasi bahasa alami berguna untuk menjelaskan maksud, tetapi mungkin tidak dapat menggambarkan perilaku sebenarnya secara lengkap. Jika memungkinkan, sediakan juga materi berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eImplementasi yang sudah ada dan serupa dengan kode saat ini\u003c/li\u003e\n\u003cli\u003ePengujian unit dan pengujian integrasi\u003c/li\u003e\n\u003cli\u003eSkema API dan definisi tipe\u003c/li\u003e\n\u003cli\u003eHTML aktual atau hasil desain\u003c/li\u003e\n\u003cli\u003eFile migrasi basis data\u003c/li\u003e\n\u003cli\u003eContoh data masukan·keluaran\u003c/li\u003e\n\u003cli\u003eRubrik evaluasi dan kriteria penilaian otomatis\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKonflik juga dapat terjadi di antara materi referensi, sehingga prioritasnya harus dinyatakan secara eksplisit. Misalnya, dapat ditetapkan bahwa pengujian kontrak merupakan standar otoritatif untuk API publik, sedangkan README merupakan materi penjelasan.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#templat-penyusunan-konteks-untuk-praktik-kerja\" class=\"anchor\" id=\"templat-penyusunan-konteks-untuk-praktik-kerja\"\u003e\u003c/a\u003eTemplat penyusunan konteks untuk praktik kerja\u003c/h2\u003e\n\u003cp\u003eStruktur berikut adalah contoh penataan ringkas atas informasi yang diperlukan untuk tugas pengodean.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eTujuan\n\u003c/span\u003e\u003cspan\u003e- Tambahkan API pembatalan pembayaran.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eKriteria keberhasilan\n\u003c/span\u003e\u003cspan\u003e- Gunakan kembali lapisan layanan pembayaran yang sudah ada.\n\u003c/span\u003e\u003cspan\u003e- Meskipun ada permintaan duplikat, pembatalan hanya dilakukan sekali.\n\u003c/span\u003e\u003cspan\u003e- Pengujian kontrak terkait berhasil.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eBatasan kuat\n\u003c/span\u003e\u003cspan\u003e- Jangan mengubah skema respons publik.\n\u003c/span\u003e\u003cspan\u003e- Jangan mengakses data produksi.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eMateri referensi\n\u003c/span\u003e\u003cspan\u003e- src/payments/capture.ts\n\u003c/span\u003e\u003cspan\u003e- tests/contracts/payment-cancel.test.ts\n\u003c/span\u003e\u003cspan\u003e- openapi/payments.yaml\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003ePrinsip penilaian\n\u003c/span\u003e\u003cspan\u003e- Ikuti penanganan kesalahan dan aturan penamaan pada kode pembayaran di sekitarnya.\n\u003c/span\u003e\u003cspan\u003e- Jika ada asumsi yang tidak aman, ajukan pertanyaan sebelum implementasi.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eVerifikasi\n\u003c/span\u003e\u003cspan\u003e- Pengujian unit target\n\u003c/span\u003e\u003cspan\u003e- Pengujian kontrak\n\u003c/span\u003e\u003cspan\u003e- Pemeriksaan tipe\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eFormat ini tidak mencantumkan semua situasi sebelumnya. Sebaliknya, format ini memisahkan tujuan, kondisi keberhasilan, batas yang tidak berubah, materi otoritatif, dan metode verifikasi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#prosedur-menata-konteks-yang-sudah-ada\" class=\"anchor\" id=\"prosedur-menata-konteks-yang-sudah-ada\"\u003e\u003c/a\u003eProsedur menata konteks yang sudah ada\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-1-daftar-semua-sumber-instruksi\" class=\"anchor\" id=\"langkah-1-daftar-semua-sumber-instruksi\"\u003e\u003c/a\u003eLangkah 1: Daftar semua sumber instruksi\u003c/h3\u003e\n\u003cp\u003ePeriksa prompt sistem, CLAUDE.md, Skills, memori otomatis, deskripsi alat, dan konfigurasi CI secara bersamaan. Jika hanya memeriksa satu dokumen, konflik yang sebenarnya sulit ditemukan.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-2-berikan-klasifikasi-pada-setiap-instruksi\" class=\"anchor\" id=\"langkah-2-berikan-klasifikasi-pada-setiap-instruksi\"\u003e\u003c/a\u003eLangkah 2: Berikan klasifikasi pada setiap instruksi\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eWajib demi keamanan atau hukum\u003c/li\u003e\n\u003cli\u003eWajib berdasarkan kontrak produk\u003c/li\u003e\n\u003cli\u003eKebiasaan berkelanjutan tim\u003c/li\u003e\n\u003cli\u003ePenjelasan yang hanya diperlukan untuk alat tertentu\u003c/li\u003e\n\u003cli\u003eAturan sementara untuk mencegah kesalahan model terdahulu\u003c/li\u003e\n\u003cli\u003eAturan yang dasar alasannya saat ini tidak jelas\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-3-temukan-duplikasi-dan-konflik\" class=\"anchor\" id=\"langkah-3-temukan-duplikasi-dan-konflik\"\u003e\u003c/a\u003eLangkah 3: Temukan duplikasi dan konflik\u003c/h3\u003e\n\u003cp\u003eKelompokkan kalimat yang mengungkapkan perilaku yang sama dengan cara berbeda. Tinjau terlebih dahulu ungkapan seperti \u003ccode\u003eselalu\u003c/code\u003e, \u003ccode\u003etidak pernah\u003c/code\u003e, \u003ccode\u003ewajib\u003c/code\u003e, dan \u003ccode\u003ejangan\u003c/code\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-4-pindahkan-aturan-ke-pengujian-atau-izin\" class=\"anchor\" id=\"langkah-4-pindahkan-aturan-ke-pengujian-atau-izin\"\u003e\u003c/a\u003eLangkah 4: Pindahkan aturan ke pengujian atau izin\u003c/h3\u003e\n\u003cp\u003eUntuk unsur yang dapat diverifikasi secara otomatis dengan lebih pasti daripada melalui peringatan bahasa alami, pindahkan ke lapisan berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePengujian dan linter\u003c/li\u003e\n\u003cli\u003eSistem tipe dan skema\u003c/li\u003e\n\u003cli\u003eAlat dengan hak akses minimum\u003c/li\u003e\n\u003cli\u003eProsedur persetujuan\u003c/li\u003e\n\u003cli\u003eSandbox\u003c/li\u003e\n\u003cli\u003eKebijakan CI\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-5-evaluasi-dengan-tugas-nyata\" class=\"anchor\" id=\"langkah-5-evaluasi-dengan-tugas-nyata\"\u003e\u003c/a\u003eLangkah 5: Evaluasi dengan tugas nyata\u003c/h3\u003e\n\u003cp\u003eJangan hanya mengukur panjang prompt. Bandingkan metrik berikut pada kumpulan tugas yang representatif.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTingkat keberhasilan dan tingkat kelulusan pengujian\u003c/li\u003e\n\u003cli\u003eJumlah perubahan file yang tidak perlu\u003c/li\u003e\n\u003cli\u003eJumlah koreksi oleh pengguna\u003c/li\u003e\n\u003cli\u003eTingkat kegagalan pemanggilan alat\u003c/li\u003e\n\u003cli\u003eWaktu dan token yang diperlukan hingga selesai\u003c/li\u003e\n\u003cli\u003eAda atau tidaknya pelanggaran kebijakan keamanan\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#langkah-6-tambahkan-perbaikan-minimum-hanya-untuk-penyebab-kegagalan\" class=\"anchor\" id=\"langkah-6-tambahkan-perbaikan-minimum-hanya-untuk-penyebab-kegagalan\"\u003e\u003c/a\u003eLangkah 6: Tambahkan perbaikan minimum hanya untuk penyebab kegagalan\u003c/h3\u003e\n\u003cp\u003eJangan langsung menambahkan aturan larangan baru ketika terjadi kegagalan. Bedakan terlebih dahulu apakah penyebabnya adalah tujuan yang ambigu, materi referensi yang tidak memadai, atau skema alat yang salah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#instruksi-yang-tidak-boleh-dihapus\" class=\"anchor\" id=\"instruksi-yang-tidak-boleh-dihapus\"\u003e\u003c/a\u003eInstruksi yang tidak boleh dihapus\u003c/h2\u003e\n\u003cp\u003ePenyederhanaan bukan berarti penghapusan tanpa syarat. Jika jawaban untuk salah satu pertanyaan berikut adalah \u003ccode\u003eya\u003c/code\u003e, instruksi harus dipertahankan atau dipindahkan ke kontrol yang lebih kuat.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eApakah pelanggaran dapat menyebabkan kehilangan data atau kerugian finansial?\u003c/li\u003e\n\u003cli\u003eApakah terkait dengan kewajiban hukum, informasi pribadi, atau lisensi?\u003c/li\u003e\n\u003cli\u003eApakah ini kebijakan organisasi yang tidak dapat diketahui model hanya dengan melihat kode?\u003c/li\u003e\n\u003cli\u003eApakah menentukan kompatibilitas API publik atau format data?\u003c/li\u003e\n\u003cli\u003eApakah persetujuan manusia diperlukan sebelum tugas dijalankan?\u003c/li\u003e\n\u003cli\u003eApakah pelanggaran sulit dideteksi sepenuhnya hanya dengan pengujian otomatis?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#pola-kegagalan-umum\" class=\"anchor\" id=\"pola-kegagalan-umum\"\u003e\u003c/a\u003ePola kegagalan umum\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#menambahkan-aturan-baru-setelah-setiap-kegagalan\" class=\"anchor\" id=\"menambahkan-aturan-baru-setelah-setiap-kegagalan\"\u003e\u003c/a\u003eMenambahkan aturan baru setelah setiap kegagalan\u003c/h3\u003e\n\u003cp\u003eJika satu kesalahan digeneralisasi menjadi aturan permanen, pengecualian dan konflik akan terus menumpuk. Tambahkan kasus evaluasi terlebih dahulu dan pastikan apakah kegagalan tersebut berulang.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#menggunakan-contoh-panjang-sebagai-templat-secara-de-facto\" class=\"anchor\" id=\"menggunakan-contoh-panjang-sebagai-templat-secara-de-facto\"\u003e\u003c/a\u003eMenggunakan contoh panjang sebagai templat secara de facto\u003c/h3\u003e\n\u003cp\u003eJika contoh terlalu spesifik, model dapat memprioritaskan contoh daripada basis kode saat ini. Batasi contoh pada ukuran minimum yang diperlukan untuk menjelaskan prinsip.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#menyimpan-seluruh-log-apa-adanya\" class=\"anchor\" id=\"menyimpan-seluruh-log-apa-adanya\"\u003e\u003c/a\u003eMenyimpan seluruh log apa adanya\u003c/h3\u003e\n\u003cp\u003eKeluaran alat dan log build cepat memenuhi konteks. Sebaiknya simpan hanya penyebab kegagalan, stack yang relevan, dan status yang berubah secara terstruktur.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#menggunakan-memori-otomatis-sebagai-tempat-penyimpanan-kebijakan\" class=\"anchor\" id=\"menggunakan-memori-otomatis-sebagai-tempat-penyimpanan-kebijakan\"\u003e\u003c/a\u003eMenggunakan memori otomatis sebagai tempat penyimpanan kebijakan\u003c/h3\u003e\n\u003cp\u003eMemori otomatis memang praktis, tetapi sistem peninjauan, deployment, dan auditnya mungkin lemah. Kebijakan wajib organisasi harus disimpan dalam instruksi yang dikelola versinya atau hierarki izin.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#menilai-pengurangan-konteks-hanya-sebagai-penghematan-token\" class=\"anchor\" id=\"menilai-pengurangan-konteks-hanya-sebagai-penghematan-token\"\u003e\u003c/a\u003eMenilai pengurangan konteks hanya sebagai penghematan token\u003c/h3\u003e\n\u003cp\u003eKonteks yang pendek tidak selalu baik. Jika pengujian, aturan keamanan, atau spesifikasi yang diperlukan dihapus, hasilnya akan memburuk. Tujuannya bukan token minimum, melainkan jumlah minimum token bersinyal tinggi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#daftar-periksa-akhir\" class=\"anchor\" id=\"daftar-periksa-akhir\"\u003e\u003c/a\u003eDaftar periksa akhir\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eApakah tujuan dan kriteria keberhasilan permintaan saat ini dipisahkan?\u003c/li\u003e\n\u003cli\u003eApakah aturan keamanan dibedakan dari preferensi gaya?\u003c/li\u003e\n\u003cli\u003eApakah instruksi yang sama tidak disalin ke berbagai lokasi?\u003c/li\u003e\n\u003cli\u003eApakah skema alat menjelaskan cara penggunaan tanpa contoh panjang?\u003c/li\u003e\n\u003cli\u003eApakah file terkait dapat dicari saat diperlukan?\u003c/li\u003e\n\u003cli\u003eApakah tersedia cara untuk menghapus memori lama dan log eksekusi?\u003c/li\u003e\n\u003cli\u003eApakah aturan bahasa alami dapat diberlakukan melalui pengujian atau izin?\u003c/li\u003e\n\u003cli\u003eApakah prioritas di antara materi referensi sudah jelas?\u003c/li\u003e\n\u003cli\u003eApakah tersedia tugas evaluasi untuk membandingkan kondisi sebelum dan sesudah perubahan instruksi?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#kesimpulan\" class=\"anchor\" id=\"kesimpulan\"\u003e\u003c/a\u003eKesimpulan\u003c/h2\u003e\n\u003cp\u003eRekayasa konteks untuk model Claude berperforma tinggi bukanlah teknik untuk mengurangi instruksi tanpa syarat. Ini adalah desain informasi yang memperjelas tujuan, batas keamanan, dan dasar yang diperlukan model untuk menilai tugas saat ini, sekaligus menghapus informasi yang tidak relevan serta aturan yang saling bertentangan.\u003c/p\u003e\n\u003cp\u003ePrinsip yang paling praktis dapat diringkas sebagai berikut.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eTerapkan keamanan dan kontrak secara ketat, serahkan gaya kepada konteks, berikan informasi pada saat diperlukan, dan verifikasi hasil melalui pengujian yang dapat dieksekusi.\u003c/p\u003e\n\u003c/blockquote\u003e\n","tags":["Rekayasa prompt","Rekayasa konteks","Agen AI","Claude Code","Claude"],"faqs":[{"question":"Apa perbedaan antara rekayasa prompt dan rekayasa konteks?","answer":"Rekayasa prompt membahas cara mengungkapkan tujuan, format, dan batasan permintaan saat ini. Rekayasa konteks merancang apa saja dari instruksi sistem, file, alat, memori, riwayat percakapan, dan hasil eksekusi—termasuk prompt tersebut—yang akan ditampilkan kepada model dan kapan menampilkannya."},{"question":"Apakah konteks yang panjang selalu meningkatkan kinerja model?","answer":"Tidak. Konteks yang panjang dapat berisi campuran informasi yang tidak relevan, riwayat lama, dan instruksi yang saling bertentangan. Yang penting bukan jumlah total token, melainkan proporsi informasi bersinyal tinggi yang berkontribusi langsung pada tugas saat ini."},{"question":"Apakah semua aturan yang ada perlu dihapus untuk Claude 5?","answer":"Tidak. Aturan terperinci yang bergantung pada situasi, seperti gaya kode atau komentar, dapat diubah menjadi prinsip penilaian, tetapi batasan terkait keamanan, informasi pribadi, wewenang, transaksi keuangan, penghapusan data, dan kontrak API publik harus dipertahankan atau dikendalikan lebih ketat melalui alat dan pengujian."},{"question":"Konten apa yang tepat untuk dimasukkan ke dalam CLAUDE.md?","answer":"Instruksi yang berkelanjutan dan dapat ditinjau, seperti perintah build dan pengujian proyek, struktur repositori, area yang tidak boleh diubah, serta prosedur verifikasi yang disepakati tim, adalah konten yang tepat. Jika semua status progres sementara atau temuan yang dipersonalisasi disimpan, dokumen dapat dengan cepat menjadi usang."},{"question":"Apakah memori otomatis dapat menggantikan CLAUDE.md?","answer":"Tidak dapat menggantikannya sepenuhnya. Memori otomatis berguna untuk mempertahankan preferensi atau informasi penelusuran yang ditemukan dalam tugas berulang, tetapi instruksi yang memerlukan audit dan pengelolaan versi, seperti kebijakan keamanan dan kontrak publik, harus ditempatkan di CLAUDE.md atau lapisan kebijakan terpisah."},{"question":"Apa saja karakteristik antarmuka alat agen yang baik?","answer":"Tujuannya harus dapat dipahami hanya dari nama alat dan skema inputnya, sedangkan nilai wajib dan status yang diizinkan harus jelas. Operasi tulis yang berisiko sebaiknya mewajibkan pratinjau atau persetujuan, dan kesalahan sebaiknya mengembalikan penyebab serta cara pemulihan secara terstruktur."},{"question":"Apakah pengungkapan progresif berarti menyembunyikan informasi dari model?","answer":"Tidak. Ini adalah metode yang mula-mula memberikan tujuan dan jalur penelusuran, lalu memungkinkan model mencari file, spesifikasi, dan log yang diperlukan sambil memperjelas tugas. Tujuannya adalah mengurangi penyuntikan awal yang tidak perlu sambil tetap mempertahankan aksesibilitas informasi."},{"question":"Bagaimana cara mengevaluasi efektivitas setelah mengurangi konteks?","answer":"Pada sekumpulan tugas representatif, tingkat kelulusan pengujian, jumlah koreksi pengguna, perubahan yang tidak perlu, kesalahan alat, penggunaan token, serta ada tidaknya pelanggaran kebijakan keamanan harus dibandingkan antara sebelum dan sesudah perubahan. Keberhasilan tidak boleh dinilai hanya berdasarkan pengurangan panjang prompt."},{"question":"Apakah contoh penggunaan alat sama sekali tidak perlu diberikan?","answer":"Contoh tidak selalu tidak diperlukan. Contoh minimal berguna ketika terdapat kasus batas atau input ambigu yang sulit diungkapkan hanya dengan skema. Namun, memperjelas antarmuka itu sendiri harus diprioritaskan daripada mencantumkan panggilan normal secara berulang."}],"sources":[{"url":"https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents","title":"Rekayasa konteks yang efektif untuk agen AI","type":"source"},{"url":"https://www.anthropic.com/engineering/building-effective-agents","title":"Membangun agen yang efektif","type":"source"},{"url":"https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview","title":"Ikhtisar rekayasa prompt","type":"source"},{"url":"https://docs.anthropic.com/en/docs/claude-code/memory","title":"Dokumentasi memori Claude Code","type":"source"}],"images":[{"id":303,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzMzMywicHVyIjoiYmxvYl9pZCJ9fQ==--b6a9225f1d5837dd6ca93532a1e1a3388a1cc4fc/ai-e5c0c894.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"문서와 데이터 아이콘이 깔때기를 거쳐 중앙 AI 네트워크로 모이는 일러스트","caption":"다양한 컨텍스트가 선별·구조화되어 AI 모델에 연결되는 과정을 표현한다.","description":null},"en":{"alt":"Documents and data icons flowing through a funnel into a central AI network","caption":"The illustration shows varied context being filtered and structured for an AI model.","description":null},"ja":{"alt":"文書やデータのアイコンが漏斗を通って中央のAIネットワークに集まる図","caption":"多様なコンテキストを選別・構造化してAIモデルにつなぐ流れを表している。","description":null},"es":{"alt":"Iconos de documentos y datos pasan por un embudo hacia una red de IA central","caption":"La ilustración representa cómo se filtra y estructura el contexto para un modelo de IA.","description":null},"id":{"alt":"Ikon dokumen dan data mengalir melalui corong menuju jaringan AI pusat","caption":"Ilustrasi ini menunjukkan konteks yang disaring dan disusun untuk model AI.","description":null},"pt":{"alt":"Ícones de documentos e dados passam por um funil até uma rede central de IA","caption":"A ilustração mostra diferentes contextos sendo filtrados e estruturados para um modelo de IA.","description":null},"zh-hant":{"alt":"文件與資料圖示經漏斗匯入中央AI網路","caption":"插圖呈現多種脈絡經篩選與結構化後連接至AI模型的流程。","description":null}}},{"id":304,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzMzOSwicHVyIjoiYmxvYl9pZCJ9fQ==--c5e1421a425951ca760407e2d7b6c78654f545e5/ai-8b2296c2.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"로봇이 검색, 파일, 도구, 코드, 검증, 보고서 단계를 거쳐 목표로 향하는 AI 워크플로","caption":"보안 경계 안에서 컨텍스트와 도구를 단계별로 처리하는 AI 워크플로를 보여준다.","description":null},"en":{"alt":"AI workflow with a robot moving through search, files, tools, code, validation, and reporting toward a target","caption":"The diagram shows an AI processing context and tools step by step within a secure boundary.","description":null},"ja":{"alt":"ロボットが検索、ファイル、ツール、コード、検証、レポートを経て目標へ進むAIワークフロー","caption":"安全な境界内でコンテキストとツールを段階的に処理するAIワークフローを示している。","description":null},"es":{"alt":"Flujo de IA con un robot que pasa por búsqueda, archivos, herramientas, código, validación e informes","caption":"El diagrama muestra una IA que procesa contexto y herramientas por etapas dentro de un entorno seguro.","description":null},"id":{"alt":"Alur kerja AI dengan robot melalui pencarian, berkas, alat, kode, validasi, dan laporan menuju sasaran","caption":"Diagram ini menunjukkan AI yang memproses konteks dan alat secara bertahap dalam batas aman.","description":null},"pt":{"alt":"Fluxo de IA com robô passando por busca, arquivos, ferramentas, código, validação e relatório até o alvo","caption":"O diagrama mostra uma IA processando contexto e ferramentas em etapas dentro de um limite seguro.","description":null},"zh-hant":{"alt":"機器人依序經過搜尋、檔案、工具、程式碼、驗證與報告並朝目標前進的 AI 工作流程","caption":"圖中呈現 AI 在安全邊界內分階段處理情境資訊與工具的工作流程。","description":null}}}],"published_at":"2026-07-27T05:12:07+09:00","updated_at":"2026-07-27T05:12:07+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant"],"url":"https://injoys.com/en/articles/claude-5-context-engineering-rules"}