Saya mulai merasakan ada kebiasaan baru yang menarik. Ini terjadi sejak coding agent semakin sering digunakan.

Kita tidak lagi meminta AI sekadar mengerjakan sesuatu. Kita mulai memintanya mencari tahu dulu sebelum bekerja.

Beberapa hari terakhir saya menemukan last30days-skill.

Itu adalah skill untuk coding agent yang melakukan hal tersebut.

Ide dasarnya sederhana.

Saat kita ingin tahu tren sebuah topik, agent tidak sekadar mengandalkan memori model.

Ia mencari percakapan dan informasi terbaru.

Sumbernya dari GitHub, X, Reddit, YouTube, Hacker News, dan web.

Kelihatannya sederhana. Tapi ini menyentuh masalah mendasar.

Terutama dalam cara kita memakai AI. Selama ini kita memperlakukan AI seperti ensiklopedia.

Kita bertanya dan berharap model sudah punya jawabannya.

Untuk pertanyaan statis seperti “apa itu Kubernetes?”, cara ini masuk akal.

Tapi coba ganti pertanyaannya.

Tanyakan “apa yang sedang ramai dibicarakan tentang Kubernetes minggu ini?”

Itu sudah menjadi pertanyaan yang berbeda. Model mungkin tahu banyak soal Kubernetes.

Tapi sekadar tahu belum tentu paham situasi terkini. Mungkin ada project baru.

Bisa jadi ada repository yang mendadak populer. Mungkin seseorang menemukan bug.

Atau ada pendekatan lama yang mulai ditinggalkan orang. Semua ini terjadi di luar memori statis model.

Di sinilah konsep last30days-skill menjadi menarik. Agent tidak sekadar menjawab dari ingatan.

Ia diberi kemampuan melihat keluar. Ia mencari sumber yang relevan.

Lalu ia menyusun informasi itu menjadi sesuatu yang mudah dipahami.

Saya sendiri cukup sering melakukan proses ini secara manual.

Kalau ingin mengecek tren sebuah teknologi, biasanya saya membuka GitHub.

Setelah itu X. Kadang Reddit.

Lalu YouTube untuk melihat penggunaannya. Setelah banyak tab terbuka, baru saya membuat kesimpulan.

Saya menilai apakah itu sungguh menarik atau sekadar ramai sesaat.

Masalahnya bukan karena proses itu sulit. Masalahnya, proses itu melelahkan.

Pekerjaan seperti inilah yang cocok diberikan kepada agent. Bukan karena agent lebih pintar dari kita.

Agent sekadar tidak keberatan melakukan pekerjaan berulang.

Ada perbedaan besar dalam cara kita bertanya kepada AI.

Meminta AI menjawab “apa yang kamu tahu tentang X?” itu satu hal.

Meminta AI mencari tahu “apa yang sedang terjadi dengan X?” adalah hal lain.

Yang pertama butuh pengetahuan. Yang kedua butuh observasi.

Semakin cepat sebuah bidang berubah, semakin penting perbedaan ini.

Dunia software bergerak sangat cepat. Repository baru muncul setiap hari.

Library sering berganti arah. Model baru terus dirilis. Cara orang memakai AI juga berubah.

Sebuah tool eksperimen bulan lalu bisa berubah secara tiba-tiba.

Ia bisa langsung menjadi bagian dari workflow harian.

Dalam kondisi begini, mengandalkan memori AI saja tidak cukup.

Kemampuannya akan terasa sangat terbatas. Bukan berarti modelnya kurang pintar.

Informasinya saja yang memang sudah berubah.

Mungkin karena itu saya melihat arah baru dari coding agent.

Agent tidak sekadar dilatih agar jago menulis kode. Agent mulai diberi kemampuan riset.

Ia memeriksa sumber dan membandingkan informasi. Ia mencari konteks sebelum mengambil keputusan.

AI yang paling berguna mungkin bukan yang selalu punya jawaban.

Tapi AI yang tahu kapan jawabannya belum cukup. Daripada mengarang jawaban, ia memilih membuka beberapa tab.

Ia mencari tahu kejadian terbaru.

Lalu ia kembali kepada kita dengan sesuatu yang lebih masuk akal.

Kemampuan untuk mengatakan “sebentar, saya cari tahu dulu” itu terlihat sederhana.

Namun, justru itu akan menjadi salah satu kemampuan paling penting dari AI agent.