Prompt untuk AI Coding: Cara Nulis Instruksi yang Bikin Agent Ngoding Benar

Ketik "bikinin halaman login" ke Cursor, jalan. Ketik fitur kedua, masih oke. Sampai fitur kelima kamu sadar tiap halaman punya gaya sendiri, format API-nya beda-beda, dan penanganan error-nya ngasal. Bukan salah modelnya. Prompt-mu nggak pernah ngasih tahu aturannya.

Prompt yang bagus buat coding bukan mantra yang makin sopan makin sakti. Isinya spec ringkas: konteks, batasan, dan cara ngecek benernya. Ini cara nyusunnya.

Kenapa prompt "sekali jalan" gagal di proyek nyata

One-liner mempan buat potongan kode kecil. Begitu proyeknya mbentang banyak file dan banyak sesi, model harus ngisi celah yang kamu tinggalin. Dia ngisinya pakai tebakan, dan tebakannya beda tiap kali. Di situ konsistensi mati: dua fitur yang harusnya sebangun malah jalan sendiri-sendiri.

Anatomi prompt coding yang bagus

Enam bagian. Nggak harus semua tiap prompt, tapi makin besar tugasnya makin kamu butuh semuanya:

1. Tujuan & konteks — apa yang dibangun, buat siapa, dan bagian mana dari sistem yang lebih besar.
2. Stack & batasan — bahasa, framework, versi kalau penting. "Next.js App Router, TypeScript, Tailwind", bukan cuma "React".
3. Konvensi — struktur folder, penamaan, format response API, cara nanganin error. Ini yang paling sering lupa dan paling bikin berantakan.
4. Contoh input-output — satu contoh konkret ngalahin satu paragraf penjelasan.
5. Kriteria selesai — gimana kamu tahu ini benar. "Bisa submit form dan datanya masuk ke tabel orders", bukan "bikin yang bagus".
6. Batasan negatif — apa yang jangan dilakukan. "Jangan tambah library baru", "jangan sentuh file auth".

Prompt jelek vs prompt bagus

Jelek:

bikinin fitur checkout buat toko online

Bagus:

Bangun fitur checkout untuk toko online (Next.js App Router,
TypeScript, Tailwind, DB Postgres via Prisma).

Alur: user di /cart klik "Checkout" -> isi alamat + metode bayar
-> buat order -> tampil halaman konfirmasi.

Skema: order(id, user_id, total, status[pending|paid], created_at),
order_item(id, order_id, produk_id, qty, harga).

Konvensi:
- API route balikin { data } atau { error }, selalu.
- Validasi input pakai zod, letakkan di lib/validators.
- Jangan tambah state library; pakai server action.

Selesai kalau:
- Submit checkout dengan cart kosong -> error, tidak buat order.
- Checkout valid -> baris order + order_item masuk DB, status pending.
- Halaman konfirmasi nampilin nomor order + total.

Yang kedua bukannya lebih "sopan". Dia cuma nutup celah yang tadinya diisi tebakan. Skema, konvensi, dan kriteria selesai — itu yang bikin hasilnya bisa diprediksi.

Prompt buat agent beda dari prompt buat chat

Chat jawab satu pertanyaan. Agent seperti Cursor atau Claude Code bertindak di seluruh repo: bikin file, ngedit banyak tempat, jalanin perintah. Ngasih one-liner ke agent itu kayak ngasih kunci mobil sambil nyebut "ke utara". Dia butuh aturan main yang stabil, bukan instruksi per-langkah.

Makanya agent modern baca file aturan proyek. PRD yang terstruktur itu sumber aturannya: skema, konvensi, dan batasan yang berlaku sepanjang proyek, bukan cuma di prompt pertama.

Jangan ketik ulang aturan tiap sesi

Kamu nggak seharusnya ngetik ulang konvensi tiap prompt. Tulis sekali di PRD, pakai ulang lintas sesi dan lintas agent. Itu yang bikin dua agent berbeda ngeluarin bentuk yang sama.

Skematik nulis PRD itu dari deskripsi biasa, dan fitur "Minta ke Agent"-nya ngerakit prompt presisi yang udah kebawa konteks PRD-mu, siap ditempel ke Cursor atau Claude Code. Aturannya diketik sekali, kepakai terus.

AI coding nggak butuh kamu jadi prompt whisperer. Butuh kamu mutusin aturannya sekali, terus konsisten. Sisanya biar agent yang ngetik.