Dua Lapis File Konteks AI Biar Nggak Ngulang Ajarin dari Nol Tiap Proyek

Gunakan dua lapis file konteks AI: memori personal untuk preferensi lintas proyek, lalu konteks proyek untuk tujuan, struktur folder, status, dan aturan kerja spesifik. Pastikan keduanya terbaca oleh agent, lalu periksa pemakaian context window sebelum memberikan tugas.

Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis

Intinya:

• Memori personal menyimpan preferensi yang tetap berlaku ketika kamu berpindah proyek.
• Konteks proyek membantu AI mengenali dokumen acuan, pekerjaan yang sudah selesai, dan batas tugas berikutnya.
• Pemeriksaan context window membantu kamu menilai ruang yang terpakai serta informasi yang perlu dibawa ke tugas selanjutnya.

Misalnya, kamu mengelola produk template dan kelas online. Pagi ini kamu mengerjakan halaman penjualan template, lalu beralih ke materi kelas.

AI sudah tahu kamu menyukai bahasa sederhana. Namun, kamu masih menjelaskan folder materi, versi penawaran yang berlaku, dan bagian halaman yang sudah disetujui.

Sekarang bayangkan setiap proyek punya catatan pembuka yang terbaca saat sesi dimulai. Kamu bisa langsung meminta perbaikan bagian tertentu berdasarkan keputusan yang sudah tercatat.

Perbedaannya muncul dari informasi yang tersedia saat pekerjaan dimulai.

Apa isi file konteks AI agar briefing tidak berulang?

File konteks AI adalah dokumen instruksi dan informasi acuan yang disiapkan untuk membantu AI memahami pekerjaan saat dokumen itu dimuat. Atribut utamanya mencakup tujuan, cakupan, lokasi acuan, status pekerjaan, dan aturan kerja.

Kata “dimuat” penting. File yang tersimpan di laptop baru berguna bagi model setelah isinya masuk ke konteks sesi.

Memori personal adalah catatan preferensi pengguna yang berlaku lintas proyek. Isinya bisa mencakup bahasa komunikasi, format laporan, dan cara menyampaikan asumsi.

Misalnya:

• Gunakan bahasa Indonesia yang sederhana.
• Pisahkan informasi terverifikasi dari asumsi.
• Saat melaporkan pekerjaan, sebutkan hasil, kendala, dan keputusan yang dibutuhkan.

Lapis konteks proyek menjelaskan kebutuhan pekerjaan tertentu. Untuk contoh produk template tadi, isinya bisa seperti ini:

• Tujuan: membantu pemilik toko online menyiapkan kalender konten.
• Lokasi acuan: materi produk berada di folder materi; naskah penjualan berada di folder pemasaran.
• Status: struktur halaman disetujui; contoh penggunaan masih perlu diperiksa.
• Preferensi proyek: gunakan contoh toko rumahan dan hindari istilah teknis tanpa penjelasan.
• Batas tindakan: siapkan perubahan sebagai draf dan tunggu persetujuan sebelum publikasi.

Pemisahan ini memberi setiap aturan cakupan yang jelas. Gaya komunikasi pribadi tetap tersedia, sementara keputusan produk tinggal bersama proyeknya.

Untuk merinci instruksi tugas setelah fondasinya siap, kamu bisa memakai pemisahan identitas, konteks sesi, dan tugas.

AI perlu tahu dokumen mana yang boleh dijadikan pegangan

Coba perhatikan penyebab briefing berulang. Sering kali kamu harus menjelaskan hubungan antardokumen: mana draf, mana keputusan final, dan mana arsip.

Baca jugaAI untuk Produktivitas & OperasionalDari Tugas ke Misi, Cara Kasih Goal ke AI Agent

Misalnya, folder pemasaran berisi beberapa versi penawaran. Tanpa penunjuk yang jelas, agent perlu mencari, membandingkan, lalu menentukan dokumen yang relevan.

File proyek bisa memperpendek proses itu dengan instruksi: “Gunakan dokumen penawaran-disetujui sebagai acuan manfaat produk. Dokumen dalam folder arsip hanya untuk penelusuran.”

Nah, kamu sedang memberi petunjuk tentang otoritas informasi. Nama file saja belum menjelaskan apakah isinya masih berlaku.

Dalam Claude Code, instruksi personal dan proyek dapat ditempatkan pada lokasi CLAUDE.md dengan cakupan berbeda. File instruksi yang sesuai lokasi kerja dimuat saat sesi dimulai. Dokumentasi memori Claude Code menjelaskan mekanismenya.

Karena perilaku pemuatan mengikuti aplikasinya, periksa dokumentasi tool yang kamu gunakan. Membuka folder saja belum membuktikan bahwa setiap file konteks sudah terbaca.

Untuk status yang sering berubah, saya menyarankan catatan status terpisah. File proyek cukup menunjukkan lokasi catatan itu dan meminta agent membacanya sebelum bekerja.

Setelah tugas selesai, perbarui hasil yang disetujui, pekerjaan tertunda, dan langkah berikutnya. Dengan begitu, sesi berikutnya punya titik mulai yang bisa diperiksa.

Alur ini memperjelas mengapa konteks yang relevan memengaruhi jawaban AI. Informasi tentang keputusan membantu agent memilih tindakan yang sesuai.

Sebelum delegasi, cek ruang konteks terpakai untuk apa

Context window adalah kapasitas informasi yang dapat digunakan model dalam satu proses respons, termasuk ruang untuk keluaran yang dihasilkan. Instruksi, percakapan, dokumen, dan hasil tool turut mengisinya. Dokumentasi context window Anthropic menjelaskan komponen tersebut.

Bayangkan meja kerja. File konteks adalah bahan yang kamu siapkan untuk diletakkan di meja itu. Menambah bahan berarti memakai sebagian ruang yang tersedia.

Karena itu, dua lapis konteks perlu disertai kebiasaan memeriksa pemakaian ruang.

Pada Claude Code, perintah /context menampilkan penggunaan konteks beserta rincian dan saran optimasi. Mekanismenya tersedia dalam referensi perintah resminya.

Sebelum memberi tugas, periksa:

1. Total pemakaian: berapa persen kapasitas sudah terisi menurut indikator tool?
2. Komponen terbesar: apakah ruang banyak terpakai oleh instruksi, percakapan, hasil tool, atau dokumen?
3. Relevansi: apakah isi yang besar itu diperlukan untuk tugas berikutnya?
4. Kebutuhan lanjutan: apakah agent masih perlu membaca banyak bahan dan menghasilkan keluaran panjang?

Jika tool hanya menampilkan total, catat keterbatasan itu. Minta daftar dokumen yang telah dibaca untuk membantu audit relevansi, tanpa menganggapnya sebagai pengukuran token.

Hindari meminta model menebak persentase yang tidak bisa diukurnya.

Misalnya, tugas berikutnya hanya memperbaiki judul halaman. Riwayat diskusi seluruh modul kelas mungkin bisa ditinggalkan dengan memulai sesi yang lebih terarah.

Tidak ada persentase tunggal yang saya sarankan sebagai batas aman semua tugas. Ukuran bahan berikutnya dan kebutuhan keluaran ikut menentukan ruang yang diperlukan.

Untuk tim tipis, keputusan yang tercatat mengurangi titik tunggu

Dalam bisnis kecil, pemilik sering merangkap penulis, pengelola produk, dan pemeriksa hasil. Ketika acuan proyek hanya ada di kepala pemilik, pekerjaan berikutnya menunggu penjelasan ulang.

Misalnya, asisten menyiapkan materi kelas sementara kamu mengurus halaman penjualan. Keduanya perlu mengacu pada janji manfaat produk yang sama.

File proyek memberi tempat untuk mencatat keputusan bersama tersebut. Kalau manfaat produk berubah, kamu punya acuan yang perlu diperbarui dan diperiksa ulang.

Pertimbangan praktisnya adalah beban perawatan. Pilih informasi yang akan dipakai kembali dan berpengaruh pada keputusan kerja.

Catatan panjang tentang seluruh percakapan bisa menambah pekerjaan membaca. Ringkasan keputusan, alasannya, dan lokasi bukti lebih mudah diperiksa saat berpindah tugas.

Prinsip ini juga mendukung sistem kerja yang mengurangi ketergantungan pada pemilik: pengetahuan operasional punya tempat yang dapat diakses bersama.

Jebakannya muncul ketika catatan dianggap selalu benar

Dua lapis konteks membutuhkan pemeliharaan. Status lama bisa mengarahkan agent melanjutkan pekerjaan yang sebenarnya sudah dibatalkan.

Aturan juga bisa bertabrakan. Preferensi personal “jawab singkat” perlu diberi pengecualian jelas ketika proyek membutuhkan laporan terperinci.

Selain itu, instruksi tertulis memiliki batas. Dalam Claude Code, file memori berfungsi sebagai konteks; pembatasan tindakan perlu memakai mekanisme izin yang sesuai. Dokumentasi memori membedakan keduanya.

Pendekatan ini kurang diperlukan untuk pertanyaan sekali pakai dengan bahan yang sudah lengkap dalam pesan. Kamu bisa memberikan konteks langsung sesuai kebutuhan.

Jangan pula memasukkan seluruh arsip ke file pembuka. Simpan petunjuk untuk menemukan detail, lalu baca detail ketika tugas memerlukannya.

Dua lapis menjelaskan pembagian cakupan. Jumlah berkas pendukung bisa mengikuti kebutuhan proyek.

Minggu ini, uji dari satu proyek yang sering kamu ulang briefing-nya

Mulai dengan proyek yang masih aktif dan punya keputusan cukup jelas.

Baca jugaPrompt & ChatGPTTrik Pindahin Profil Personalisasi dari ChatGPT ke Claude Tanpa Mulai dari Nol

1. Kumpulkan koreksi berulang. Tandai mana preferensi pribadi dan mana aturan proyek.
2. Susun file pembuka. Isi tujuan, lokasi acuan, status, serta batas kerja.
3. Periksa cara pemuatan. Pastikan file berada di lokasi yang dikenali aplikasi atau minta agent membacanya secara eksplisit.
4. Buka sesi baru. Minta agent menyebutkan tujuan proyek, dokumen acuan, dan pekerjaan berikutnya beserta sumbernya.
5. Cek konteks sebelum tugas. Tinjau indikator pemakaian dan keluarkan bahan yang tidak relevan melalui pengelolaan sesi yang didukung tool.
6. Perbaiki setelah bekerja. Simpan keputusan yang benar-benar disetujui dan hapus status yang sudah kedaluwarsa.

Gunakan hasil sesi baru sebagai pemeriksaan. Jika agent masih salah memilih acuan, perjelas penunjuknya sebelum menambah instruksi lain.

Kualitas catatan terlihat dari kemudahan melanjutkan pekerjaan dengan pemahaman yang sama. Coba rapikan satu proyek minggu ini, lalu lihat penjelasan mana yang masih harus kamu ulang.

Kalau kamu mau menaikkan output tim tanpa menambah headcount lewat sistem AI, lihat AI Lean Company.