Dokumen ini berisi rincian lengkap penjelasan teknis beserta contoh Sebelum Pemakaian (Before), Sesudah Pemakaian (After), Efek/Dampak (Impact), dan Cara/Kapan Diaktifkan (Usage & Triggers) untuk seluruh 108+ skills dalam Everything Claude Code (ECC) (ashikhussainm/anthropic-hackathon-claude-code
) karya Affaan Mustafa (Anthropic Hackathon Winner) untuk ekosistem AI Coding Agent (Gemini, Antigravity, Claude Code, Cursor, Codex, OpenCode).
Everything Claude Code (ECC)adalahAgent Harness Performance Optimization Systemterlengkap yang berisi108+ Skills,25 Subagents,57 Commands, serta otomasihooks&ruleslintas bahasa (Python, Go, Java, Swift, PHP, C++, Perl, Rust).
| Parameter | obra/superpowers |
`Everything Claude Code (ECC)` |
|---|---|---|
Fokus Utama |
Metodologi kerja AI (TDD, Worktrees, Brainstorming) | Harness System lengkap (108+ Skills, Subagents, Rules) |
Cakupan Bahasa |
Agnostik (Bahasa apa saja) | Spesifik Lengkap (Python, Go, Java, Swift, PHP, C++, Perl, Rust) |
Otomasi Keamanan |
Manual Checklist Review | Otomatis via AgentShield (102 Security Rules) |
Subagents Spesialis |
Generic Subagent Runner | 25 Subagents Spesifik (architect , planner , database-reviewer , dll.) |
agent-harness-construction
Sebelum Pemakaian: Prompt agent tidak terstruktur, tool definition ambigu, agent sering memanggil tool yang salah atau looping tanpa batas.Sesudah Pemakaian: Action space & tool definition dioptimalkan dengan skema parameter eksplisit dan format observasi yang terstruktur.** Efek**: Task completion rate meningkat pesat, hilangnya error akibat miskomunikasi tool payload.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan spesifik saat merancang custom agent baru, mengkonfigurasi MCP server, atau mengoptimalkan definisi skema JSON tool agen. Trigger prompt: "desain tool agent", "optimalkan action space agent", "buat mcp tool schema".
agentic-engineering
Sebelum Pemakaian: Eksekusi agent langsung menulis kode tanpa evaluasi awal, boros token karena memakai model termahal untuk tugas sederhana.Sesudah Pemakaian: Operasi berbasiseval-first, dekomposisi tugas kompleks, dancost-aware model routing.Efek: Penghematan biaya LLM hingga 50-70%, pengerjaan fitur kompleks menjadi lebih terarah.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat memulai proyek agentic multi-agent besar, memecah epik arsitektur kompleks, atau merancang alur routing model LLM. Trigger prompt: "rancang sistem agentic", "dekomposisi fitur epik ini", "evaluasi performa agen".
ai-first-engineering
Sebelum Pemakaian: Workflow tim masih manual, AI hanya dipakai untuk autocompletion sederhana 1-2 baris.** Sesudah Pemakaian**: Operating model penuh di mana agent menghasilkan >80% kode dasar, sementara developer fokus pada arsitektur & review.** Efek**: Kecepatanfeature deliverynaik 3x-5x lipat dengan standar kualitas dan pattern konsisten.Cara / Kapan Diaktifkan: [On-Demand Skill] Dibutuhkan saat menyusun pedoman operating model engineering tim berbasis AI atau menetapkan standar AI-generated code. Trigger prompt: "susun workflow ai-first", "aturan kontribusi kode ai".
ai-regression-testing
Sebelum Pemakaian: Pengujian kode buatan AI membutuhkan koneksi DB live dan sering meloloskanAI blind spot.Sesudah Pemakaian: Regression testing di-sandbox tanpa dependensi DB aktif, dilengkapi pemisahan peran review otomatis.** Efek**: Deteksi dini bug sebelum merusak staging/production, 0% kontaminasi data test.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan sebelum melakukan git merge pada kode buatan AI atau saat menjalankan automated regression test tanpa database dependency. Trigger prompt: "jalankan ai regression test", "uji kode buatan ai di sandbox".
autonomous-loops
Sebelum Pemakaian: Agent berhenti setelah 1 tool call, pengguna harus manual menekan prompt lanjut berulang kali.** Sesudah Pemakaian**: Loop otonom berbasis arsitektur DAG multi-agent yang terus berjalan dari perencanaan hingga pengujian akhir.** Efek**: Pengisian alur kerja kompleks secara otomatis tanpa intervensi manual di tiap langkah kecil.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat mengeksekusi pipeline sekuensial multi-agent atau tugas berdurasi panjang tanpa henti. Trigger prompt: "jalankan loop otonom", "autonomously execute this pipeline".
blueprint
Sebelum Pemakaian: Pengguna meminta fitur besar dalam 1 kalimat, AI langsung membuat kode berantakan tanpa struktur.** Sesudah Pemakaian**: Tujuan 1 baris diurai menjadi rencana konstruksi multi-sesi/multi-PR lengkap denganadversarial review gate.Efek: Penanganan refactoring/fitur skala besar tanpa kehilangan arah atau merusak arsitektur existing.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat merencanakan proyek besar multi-PR atau refactoring arsitektur skala masif. Trigger prompt: "buat blueprint untuk [fitur]", "buat roadmap multi-PR".
brainstorming
Sebelum Pemakaian: AI langsung berasumsi tentang kebutuhan desain pengguna dan menghasilkan kode UI/logika yang salah arah.** Sesudah Pemakaian**: Diskusi eksplorasi intent, persyaratan bisnis, dan opsi arsitektur dilakukan sebelum 1 baris kode ditulis.** Efek**: Menghindarire-workdan penulisan ulang kode akibat salah paham spesifikasi awal.Cara / Kapan Diaktifkan: [On-Demand Skill] Dibutuhkan sebelum memulai pekerjaan kreatif, menambah fitur baru, atau mengubah perilaku komponen UI/backend. Trigger prompt: "mari brainstorm fitur [X]", "eksplorasi desain untuk [Y]".
configure-ecc
Sebelum Pemakaian: Konfigurasi skills dan rules dilakukan manual satu per satu, rawan salah jalur file.** Sesudah Pemakaian**: Wizard installer interaktif yang memandu pemilihan, pemasangan, dan verifikasi skills/rules.** Efek**: Setup lingkungan kerja AI agent bersih, tervalidasi, dan siap pakai dalam hitungan detik.** Cara / Kapan Diaktifkan**: [Slash Command / Tool] Jalankan saat setup awal lingkungan kerja agen atau mengatur direktori.gemini/
atau.agents/
. Trigger prompt:/configure-ecc
atau "konfigurasi skills ECC".
continuous-agent-loop
Sebelum Pemakaian: Loop agent berjalan tanpa kontrol kualitas, berisiko meluncurkan kode rusak.** Sesudah Pemakaian**: Continuous loop dilengkapiquality gates, evaluasi hasil tiap langkah, dan mekanisme pemulihan otomatis.Efek: Agent mampu memperbaiki jalurnya sendiri saat menemui error kompilasi/tes.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan pada eksekusi agent otonom berdurasi panjang yang memerlukan evaluasi berkala di tiap checkpoint. Trigger prompt: "mulai continuous loop dengan quality gate".
continuous-learning
Sebelum Pemakaian: Koreksi atau solusi yang ditemukan di sesi hari ini dilupakan di sesi besok.** Sesudah Pemakaian**: Pola dan solusi dari sesi otomatis diekstrak dan disimpan sebagailearned skillterisolasi.Efek: AI menjadi semakin pintar dan relevan dengan konvensi khusus pada repository Anda.** Cara / Kapan Diaktifkan**: [Slash Command / Hook] Jalankan di akhir sesi atau saat memunculkan koreksi yang ingin disimpan permanen. Trigger prompt:/learn
atau "simpan pola pembelajaran ini".
continuous-learning-v2
Sebelum Pemakaian: Pola yang dipelajari sering tercampur antar-projek (cross-project contamination).Sesudah Pemakaian: Pembelajaran berbasis insting atomic dengan skor kepercayaan (confidence score) dan isolasi berbasis projek.Efek: Akurasi saran AI sangat tinggi sesuai konteks repo aktif.** Cara / Kapan Diaktifkan**: [Automated Hook] Berjalan otomatis di background saat agen menerima masukan koreksi pengguna berulang kali dalam satu workspace.
cost-aware-llm-pipeline
Sebelum Pemakaian: Semua permintaan dikirim ke model flagship yang mahal.** Sesudah Pemakaian**: Alokasi cerdas berbasis kompleksitas tugas, penggunaanprompt caching, dan mekanisme retry.Efek: Pemangkasan tagihan API LLM hingga 60% tanpa mengorbankan kualitas.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat merancang fitur backend berbasis LLM API, mengimplementasikan routing model berbiaya hemat, atau mengatur prompt caching. Trigger prompt: "optimalkan biaya llm api", "rancang llm routing pipeline".
enterprise-agent-ops
Sebelum Pemakaian: Agent yang berjalan lama sulit dipantau, rawan kebocoran data sensitif.** Sesudah Pemakaian**: Manajemen siklus hidup agent denganobservabilitylengkap,logging, serta batasan keamanan.Efek: Aman menjalankan agent otonom untuk infrastruktur enterprise.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat men-deploy agen otonom ke lingkungan server enterprise atau mengatur audit logging agent. Trigger prompt: "setup enterprise agent ops", "monitor agen otonom di server".
eval-harness
Sebelum Pemakaian: Kualitas jawaban AI dinilai secara subjektif, tidak ada indikator kuantitatif.** Sesudah Pemakaian**: Framework evaluasi formal berbasis*Eval-Driven Development (EDD)pada dataset uji.Efek: Terukurnya tingkat akurasi dan regresi agent secara objektif.* Cara / Kapan Diaktifkan**: [Slash Command / Tool] Jalankan saat melakukan benchmark akurasi jawaban agen terhadap test suite. Trigger prompt:/eval-harness
atau "uji akurasi agen".
executing-plans
Sebelum Pemakaian: Rencana implementasi yang dibuat sering diabaikan atau dieksekusi melenceng.** Sesudah Pemakaian**: Rencana dieksekusi secara ketat dalam sesi terpisah dengan titik verifikasi (checkpoints).Efek: Kode yang dihasilkan 100% presisi sesuai spesifikasi dokumen rencana awal.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat mengeksekusi dokumenimplementation_plan.md
yang telah disetujui pengguna. Trigger prompt: "eksekusi rencana di implementation_plan.md".
iterative-retrieval
Sebelum Pemakaian: Agent mengambil konteks file secaraone-shot, sering kehilangan konteks pendukung.Sesudah Pemakaian: Refinemen konteks secara bertahap dan progresif untuk memperjelas query subagent.** Efek**: Jawaban agent jauh lebih akurat dan terhindar dari halusinasi.** Cara / Kapan Diaktifkan**: [Automated Subagent Skill] Otomatis dipanggil oleh subagent saat pencarian konteks awal menghasilkan data ambigu atau parsial.
prompt-optimizer
Sebelum Pemakaian: Pengguna memberikan prompt ambigu, AI bingung memilih tool dan konteks.** Sesudah Pemakaian**: Prompt mentah dianalisis, dicocokkan dengan komponen ECC, dan direkonstruksi menjadi prompt optimal.** Efek**: Respon AI langsungto-the-pointdan mengeksekusi langkah terbaik dalam 1 turn.Cara / Kapan Diaktifkan: [On-Demand Advisory Skill] Dibutuhkan saat ingin memperbaiki kualitas prompt sebelum dikirim ke agent. Trigger prompt: "optimalkan prompt: [prompt kamu]", "optimize prompt", "perbaiki cara prompt ini".
regex-vs-llm-structured-text
Sebelum Pemakaian: Memparsing file log/JSON berukuran gigabyte menggunakan LLM, membuang ribuan token.** Sesudah Pemakaian**: Menggunakan Regex deterministik untuk 95% pola terstruktur, baru beralih ke LLM untukedge case.Efek: Kecepatan ekstraksi data naik 100x lipat, penghematan token hingga 99%.** Cara / Kapan Diaktifkan**: [On-Demand Skill] Dibutuhkan saat membuat parser log berukuran besar, ekstraksi data terstruktur masif, atau optimasi pemrosesan teks. Trigger prompt: "pilih regex atau llm untuk parsing file ini", "buat parser log efisien".
search-first
Sebelum Pemakaian: AI langsung membuat fungsi utilitas kustom padahal pustaka standar sudah menyediakannya.** Sesudah Pemakaian**: Memanggil agent peneliti untuk mencari pustaka, fungsi standar, atau komponen existing sebelum menulis kode.** Efek**: Menghindari duplikasi kode (anti-reinventing the wheel).Cara / Kapan Diaktifkan: Otomatis terpicu sebelum menulis kode helper baru atau mengetik "search first".
security-scan
Sebelum Pemakaian: File konfigurasi.claude/
rentan terhadapprompt injectionatau kebocoran API key.Sesudah Pemakaian: AgentShield memindai 102 aturan keamanan terhadap konfigurasi, MCP server, dan hooks.** Efek**: Sistem agent bebas dari celah keamanan dan kebocoran kredensial.** Cara / Kapan Diaktifkan**: Ketik/security-scan
atau jalankan pemindaian AgentShield pada folder agent.
skill-stocktake
Sebelum Pemakaian: Terlalu banyak skills terpasang hingga membuat AI bingung (skill overload).Sesudah Pemakaian: Audit berkala terhadap keaktifan, performa, dan relevansi seluruh skills & slash commands.** Efek**: Mengeliminasi skill redundant, menjaga agent tetap efisien.** Cara / Kapan Diaktifkan**: Ketik/skill-stocktake
untuk me-review keaktifan dan kesehatan daftar skill.
strategic-compact
Sebelum Pemakaian: Auto-compaction terjadi di waktu acak, menghapus konteks penting di tengah tugas.** Sesudah Pemakaian**: Rekomendasi perangkuman konteks dilakukan pada jeda logis antar-fase tugas.** Efek**: Memori percakapan tetap jernih tanpa kehilangan detail kritis.** Cara / Kapan Diaktifkan**: Muncul otomatis sebagai saran perangkuman konteks di akhir fase rencana/implementasi.
subagent-driven-development
Sebelum Pemakaian: Main agent mengerjakan semua sub-tugas sekuensial dalam 1 context window yang berat.** Sesudah Pemakaian**: Subagent independen dipanggil untuk mengeksekusi sub-tugas terisolasi dengan 2-stage review.** Efek**: Efisiensi memori utama tetap terjaga, pengerjaan tugas paralel sangat cepat.** Cara / Kapan Diaktifkan**: Dipanggil saat mengeksekusi rencana dengan tugas-tugas independen paralel dalam 1 sesi.
using-superpowers
Sebelum Pemakaian: AI menjawab langsung tanpa memeriksa skill spesifik yang tersedia di repositori.** Sesudah Pemakaian**: Inisialisasi otomatis pada awal sesi untuk mendeteksi dan mengaktifkan skill set yang relevan.** Efek**: AI langsung bekerja menggunakan aturan baku repositori sejak respon pertama.** Cara / Kapan Diaktifkan**: Otomatis aktif pada awal setiap sesi percakapan baru.
verification-before-completion
Sebelum Pemakaian: AI mengklaim "bug sudah diperbaiki" padahal kode belum di-compile atau ditest.** Sesudah Pemakaian**: Agen diwajibkan menjalankan perintah kompilasi/test (npm test
,cargo test
) sebelum mengklaim selesai.Efek: 0% klaim sukses palsu (hallucinated success).Cara / Kapan Diaktifkan: Otomatis terpicu sebelum agen memberikan jawaban akhir bahwa tugas sudah selesai.
verification-loop
Sebelum Pemakaian: Setelah edit kode, hanya 1 file test yang diuji, mengabaikan potensibreaking change.Sesudah Pemakaian: Loop verifikasi menyeluruh memverifikasi build, linter, test suite, dan security scan.** Efek**: Memastikan seluruh integrasi aplikasi tetap stabil dan bebas regresi.** Cara / Kapan Diaktifkan**: Dipanggil otomatis sebelum membuat Pull Request atau klaim fitur rilis.
writing-plans
Sebelum Pemakaian: Menulis rencana kasar di chat biasa yang cepat hilang atau tertimbun.** Sesudah Pemakaian**: Menyusun dokumen rencana implementasi terperinci (implementation_plan.md
) sebelum modifikasi kode.Efek: Pengguna memiliki transparansi penuh dan bisa mereview/menyetujui rencana teknis terlebih dahulu.** Cara / Kapan Diaktifkan**: Dipanggil otomatis saat tugas kompleks membutuhkan perombakan multi-file atau perubahan arsitektur.
writing-skills
Sebelum Pemakaian: Membuat skill baru dengan format YAML/Markdown asal-asalan yang tidak dibaca agen.** Sesudah Pemakaian**: Panduan pembuatan dan pengujian skill baru mengikuti standar arsitektur ECC.** Efek**: Skill baru dipastikan berfungsi 100% presisi dan ter-load otomatis.** Cara / Kapan Diaktifkan**: Dipakai saat pengguna atau agen ingin membuat atau mengedit file skill (SKILL.md
).
article-writing
Sebelum Pemakaian: Tulisan artikel buatan AI terasa kaku, generik, dan dipenuhi frasa klise.** Sesudah Pemakaian**: Artikel panjang disusun dengan struktur naratif kuat, gaya bahasa terkalibrasi, dan kutipan kredibel.** Efek**: Konten profesional siap terbit tanpa perlu banyak proses editing ulang.** Cara / Kapan Diaktifkan**: Ketik "tulis artikel tentang...", "buat blog post", atau saat menulis panduan panjang.
content-engine
Sebelum Pemakaian: Membuat postingan sosial media secara manual satu per satu untuk tiap platform.** Sesudah Pemakaian**: Mengubah 1 materi sumber menjadi sistem konten native multi-platform (X, LinkedIn, TikTok, YouTube).** Efek**: Kecepatan produksi konten meningkat 5x lipat dengan konsistensi pesan brand.** Cara / Kapan Diaktifkan**: Ketik "buat campaign konten sosial media dari dokumen ini" atau "generate content engine".
content-hash-cache-pattern
Sebelum Pemakaian: Pemrosesan ulang file berat dilakukan setiap kali server restart.** Sesudah Pemakaian**: Hasil pemrosesan di-cache berdasarkan hash SHA-256 isi file, otomatis invalidasi jika isi berubah.** Efek**: Waktu pemrosesan ulang berkurang menjadi 0ms untuk file yang tidak berubah.** Cara / Kapan Diaktifkan**: Dipakai saat merancang modul caching file, build tool, atau skrip pengolahan data mahal.
crosspost
Sebelum Pemakaian: Copy-paste teks yang persis sama ke X, LinkedIn, dan Threads (terkena sanksi duplikasi).** Sesudah Pemakaian**: Konten diadopsi secara otomatis sesuaipersonalitydan limitasi karakter tiap jaringan sosial.Efek: Jangkauan postingan optimal di semua platform tanpa terdetect spam.** Cara / Kapan Diaktifkan**: Ketik "crosspost postingan ini ke X dan LinkedIn".
fal-ai-media
Sebelum Pemakaian: Membutuhkan berbagai API terpisah untuk membuat gambar, suara, dan video AI.** Sesudah Pemakaian**: Generasi media terpadu via fal.ai MCP (image Nano Banana, video Seedance/Kling/Veo3, audio CSM-1B).** Efek**: Pembuatan aset visual dan audio berkualitas tinggi langsung dari alur kerja agent.** Cara / Kapan Diaktifkan**: Otomatis dipanggil saat meminta bantuan pembuatan gambar, audio, atau video AI via fal.ai.
frontend-patterns
Sebelum Pemakaian: Kode React/Next.js dibuat dengan state manajemen acak danunhandled re-renders.Sesudah Pemakaian: Penerapan pola frontend modern (clean component boundary, memoization, custom hooks).** Efek**: Performa aplikasi web responsif, bebas dari kebocoran memori.** Cara / Kapan Diaktifkan**: Otomatis aktif saat membuat atau merestrukturisasi komponen React, Next.js, atau Vue.
frontend-slides
Sebelum Pemakaian: Slide presentasi HTML terlihat membosankan seperti dokumen cetak biasa.** Sesudah Pemakaian**: Slide HTML interaktif berbasis animasi modern dengan opsi konversi otomatis dari PPTX.** Efek**: Presentasi web yang memukau, responsif, dan mudah di-host secara online.** Cara / Kapan Diaktifkan**: Ketik "buatkan slide presentasi HTML" atau "konversi file PPTX ini ke web slide".
liquid-glass-design
Sebelum Pemakaian: Tampilan aplikasi iOS menggunakan desain flat biasa yang terasa usang.** Sesudah Pemakaian**: Desain SwiftUI/UIKit berbasis iOS 26 Liquid Glass dengan efek blur dinamis, refleksi cahaya, dan morphing.** Efek**: Antarmuka aplikasi terasa sangat premium dan modern.** Cara / Kapan Diaktifkan**: Dipakai saat mendesain UI SwiftUI/UIKit bertema iOS 26 Liquid Glass.
nextjs-turbopack
Sebelum Pemakaian: Konfigurasi build Next.js lambat menggunakan Webpack standar pada repositori besar.** Sesudah Pemakaian**: Pemanfaatan Next.js 16+ dan Turbopack untukincremental bundlingdanfile system caching.Efek: Waktucold startdev server danHMR10x lebih cepat.Cara / Kapan Diaktifkan: Otomatis aktif saat mengonfigurasi atau melakukan optimasi dev speed pada proyek Next.js 16+.
ui-ux-pro-max-skill
Sebelum Pemakaian: AI menghasilkan UI generik berskala warna dasar dengan layout "AI-slop" standar.** Sesudah Pemakaian**: Memanfaatkan database intelijen lokal (84 style, 192 palet warna, 74 font pairing) untuk merancang UI memukau.** Efek**: Desain antarmuka kelas dunia yang terlihat seperti buatan agensi profesional.** Cara / Kapan Diaktifkan**: Ketik "desain tampilan UI ini dengan ui-ux-pro-max" atau otomatis saat merancang komponen visual web/mobile.
video-editing
Sebelum Pemakaian: Editing video harus dilakukan manual via software GUI berat.** Sesudah Pemakaian**: Workflow terotomasi pemotongan footage, penambahan efek, transisi FFmpeg, Remotion, dan voiceover ElevenLabs.** Efek**: Pembuatan video promo/edukasi dapat diprogram dan dieksekusi secara otomatis.** Cara / Kapan Diaktifkan**: Dipanggil saat meminta otomatisasi potong video, edit klip via FFmpeg/Remotion, atau dubbing.
videodb
Sebelum Pemakaian: Sulit mencari momen tertentu dalam video berdurasi panjang tanpa menonton ulang.** Sesudah Pemakaian**: Memproses, mengindeks visual & semantik, serta mencari timestamp momen spesifik dalam video/audio.** Efek**: Ekstraksi klip dan analisis konten multimedia super cepat berdasarkan query teks.** Cara / Kapan Diaktifkan**: Dipanggil saat memerlukan pemrosesan, indeks timestamp, atau pencarian isi video/audio.
api-design
Sebelum Pemakaian: Endpoint REST API berantakan (POST /get_user_data
), status code acak, tanpa paginasi.Sesudah Pemakaian: Standar REST API profesional (penamaan resource plural, status HTTP tepat, paginasi cursor).** Efek**: API konsisten, rapi, dan mudah diintegrasikan.** Cara / Kapan Diaktifkan**: Otomatis terpicu saat merancang skema atau endpoint REST API baru.
backend-patterns
Sebelum Pemakaian: Kode server Node.js/Express menumpuk dalam 1 file besar (god file).Sesudah Pemakaian: Arsitektur berlapis (Controller-Service-Repository), koneksi DB ter-pool, middleware terisolasi.** Efek**: Codebase backend bersih, mudah di-maintain, dan tahan beban tinggi.** Cara / Kapan Diaktifkan**: Dipakai saat membangun atau merestrukturisasi service backend Node.js, Express, atau Next.js API.
bun-runtime
Sebelum Pemakaian: Menjalankan aplikasi Node.js dengants-node
yang lambat dan instalasinpm
memakan waktu.Sesudah Pemakaian: Menggunakan Bun sebagai runtime eksekusi native TypeScript, package manager, dan test runner.** Efek**: Eksekusi script 3x lebih cepat, waktu instalasi dependensi berkurang hingga 80%.** Cara / Kapan Diaktifkan**: Dipakai saat membuat proyek berbasis Bun atau memigrasikan skrip Node.js ke Bun.
clickhouse-io
Sebelum Pemakaian: Kueri agregasi data analitik pada SQL tradisional membutuhkan waktu berdetik-detik.** Sesudah Pemakaian**: Penerapan pola database ClickHouse Columnar dengan skema engine MergeTree.** Efek**: Kueri agregasi miliaran baris data selesai dalam hitungan milidetik.** Cara / Kapan Diaktifkan**: Otomatis aktif saat mengoptimalkan kueri SQL analitik atau merancang skema ClickHouse.
data-scraper-agent
Sebelum Pemakaian: Script scraper manual seringbreaksaat struktur HTML website berubah.Sesudah Pemakaian: Agent kolektor otomatis berbasis AI gratis (GitHub Actions + Gemini Flash) yang menyesuaikan skema otomatis.** Efek**: Pengumpulan data publik berjalan 24/7 secara gratis tanpa pemeliharaan script rumit.** Cara / Kapan Diaktifkan**: Ketik "buatkan data scraper agent untuk situs [URL]".
database-migrations
Sebelum Pemakaian: Migrasi skema database merusak data existing atau menyebabkandowntimeaplikasi.Sesudah Pemakaian: Best practices migrasi bertahap (expand-and-contract), skema rollback teruji, tanpa downtime.Efek: Perubahan struktur DB aman 100% tanpa mengganggu pengguna.** Cara / Kapan Diaktifkan**: Otomatis terpicu saat membuat file migrasi skema DB (Prisma, Drizzle, Django, Flyway).
deployment-patterns
Sebelum Pemakaian: Deployment aplikasi dilakukan manual via SSH/FTP, tanpa health check atau alur rollback.** Sesudah Pemakaian**: Pipeline CI/CD otomatis, kontainerisasi Docker multi-stage, zero-downtime rolling update.** Efek**: Rilis versi baru aplikasi aman dan terukur.** Cara / Kapan Diaktifkan**: Dipakai saat menyusun file CI/CD pipeline (GitHub Actions, GitLab CI) atau strategi deploy.
docker-patterns
Sebelum Pemakaian: Ukuran image Docker membengkak (1-2 GB), berjalan sebagai root.** Sesudah Pemakaian**: Dockerfile multi-stage minimalis, non-root user, optimasi layer cache.** Efek**: Ukuran image berkurang hingga 80%, keamanan kontainer terjamin.** Cara / Kapan Diaktifkan**: Otomatis aktif saat membuat atau mengeditDockerfile
dandocker-compose.yml
.
documentation-lookup
Sebelum Pemakaian: AI menggunakan pengetahuan lama dan menghasilkan sintaks API yang sudah deprecated.** Sesudah Pemakaian**: Mengambil dokumentasi pustaka/framework versi terbaru secara realtime via Context7 MCP.** Efek**: Kode yang ditulis selalu akurat sesuai dengan versi library terbaru.** Cara / Kapan Diaktifkan**: Otomatis aktif saat bertanya tentang penggunaan library/framework tertentu (React, Next.js, Prisma, dll.).
e2e-testing
Sebelum Pemakaian: Test Playwright serbaflaky, penulisan selector keras, tanpa penanganan artifact.Sesudah Pemakaian: Implementasi Page Object Model (POM), selector berbasis role, retry logic, dan laporan visual.** Efek**: Suite E2E test yang stabil dan memberikan feedback reliabel.** Cara / Kapan Diaktifkan**: Dipakai saat menulis atau merestrukturisasi skrip pengujain Playwright E2E.
exa-search
Sebelum Pemakaian: Pencarian web AI biasa mengembalikan hasil berita umum yang kurang relevan untuk kode.** Sesudah Pemakaian**: Pencarian neural via Exa MCP spesifik untuk repositori kode, riset perusahaan, dan dokumentasi teknis.** Efek**: Informasi teknis dan contoh kode mendalam ditemukan secara tepat presisi.** Cara / Kapan Diaktifkan**: Dipanggil otomatis saat agen membutuhkan pencarian riset web/kode tingkat lanjut via Exa MCP.
mcp-server-patterns
Sebelum Pemakaian: Membuat server MCP dengan struktur kustom yang rentan error validasi runtime.** Sesudah Pemakaian**: Mengikuti skema resmi SDK Node/TS (Zod validation, definisi tools/resources/prompts).** Efek**: Server MCP terstruktur standar dan stabil.** Cara / Kapan Diaktifkan**: Dipakai saat mendesain atau mengoding server Model Context Protocol (MCP) baru.
nanoclaw-repl
Sebelum Pemakaian: Lingkungan eksekusi kode sementara membutuhkan setup env berat.** Sesudah Pemakaian**: Mengoperasikan REPL NanoClaw v2 yang ringan, tanpa dependensi eksternal, dan sadar konteks sesi.** Efek**: Pengujian snippet kode secara instan dan aman.** Cara / Kapan Diaktifkan**: Dipanggil saat menjalankan skrip pengujian REPL sementara via NanoClaw v2.
postgres-patterns
Sebelum Pemakaian: Kueri SQL lambat akibatN+1 query problem, kurangnya indeks yang tepat.Sesudah Pemakaian: Pola database PostgreSQL modern (optimasi kueri Supabase, penambahan indeks GIN, RLS security).** Efek**: Kecepatan kueri naik puluhan kali lipat dan tingkat keamanan data terjamin.** Cara / Kapan Diaktifkan**: Otomatis terpicu saat menulis kueri SQL PostgreSQL, migrasi skema, atau aturan RLS Supabase.
:python-patterns
Before: Kode Python bergaya C/Java, loop manual, type hint diabaikan.After: Kode Pythonic bersih, PEP 8 compliance, type hint lengkap, generator efisien.Impact: Kode mudah dibaca dengan performa memori optimal.Usage/Trigger: Otomatis aktif saat menulis atau merefactor kode Python (.py
).
:python-testing
Before: Test menggunakan unittest usang, fixtures diulang-ulang.After: Test suite pytest modern, fixtures modular, parametrization, coverage >80%.Impact: Pengujian cepat, komprehensif, dan mudah di-maintain.Usage/Trigger: Otomatis aktif saat menulis atau membenarkan tes pytest (test_*.py
).
:django-patterns
Before: Logika bisnis ditumpuk di dalamviews.py
ataumodels.py
.After: Arsitektur berlapis Django (Service layer, Selector pattern, DRF Serializers terpisah).Impact: Codebase Django terstruktur rapi dan mudah di-maintain.Usage/Trigger: Dipakai saat merancang aplikasi Django atau REST API DRF.
:`django-security`
*Before*: Pengaturan`DEBUG=True`
melolos ke produksi, proteksi CSRF di-bypass.After: Audit keamanan menyeluruh (penanganan ORM aman, batasan CORS/CSRF, header keamanan).Impact: Aplikasi Django aman dari celah OWASP Top 10.Usage/Trigger: Otomatis terpicu saat mengonfigurasisettings.py
atau titik autentikasi Django.
:django-tdd
Before: Menulis kode fitur Django dahulu, lalu malas membuat test.After: Workflow Red-Green-Refactor denganpytest-django
danfactory_boy
.Impact: Kualitas kode terjamin sejak awal dan bebas bug regresi.Usage/Trigger: Dipakai saat menerapkan TDD pada fitur baru aplikasi Django.
:django-verification
Before: Push kode Django tanpa mengecek migrasi yang tertinggal.After: Loop verifikasi otomatis menjalankan check migrasi, flake8, pytest coverage.Impact: Mencegah kegagalan deployment akibat migrasi yang lupa dibuat.Usage/Trigger: Jalankan verifikasi sebelum PR merge pada repositori Django.
:golang-patterns
Before: Mengabaikan konvensi Go, penanganan error di-bypass (_
).After: Kode Go idiomatik, penanganan error eksplisit, struct embedding rapi.Impact: Performa tinggi, efisiensi memori, dan kode sangat bersih.Usage/Trigger: Otomatis aktif saat mengoding file Go (.go
).
:golang-testing
Before: Menulis pengujian Go denganif got != want
berulang-ulang.After: Table-driven testing idiomatik, subtestst.Run()
, benchmarkb.N
, fuzz testing.Impact: Pengujian terstruktur dan menemukan edge case tersembunyi.Usage/Trigger: Otomatis aktif saat menulis atau membenarkan tes Go (*_test.go
).
:java-coding-standards
Before: Penggunaan mutabilitas variabel di mana-mana,NullPointerExceptionsering terjadi.After: Standar Java modern (Records, Immutability,Optional
, Stream API).Impact: Terhindar dari error null runtime dan struktur data aman.Usage/Trigger: Otomatis terpicu saat menulis kelas Java di proyek Spring Boot.
:jpa-patterns
Before: Mengalami masalahN+1 querydanlazy exception.After: Optimasi JPA/Hibernate (@EntityGraph
, JOIN FETCH, skema indeks tepat).Impact: Beban DB berkurang drastis dan kecepatan respon API melesat.Usage/Trigger: Dipakai saat merancang Entity JPA atau repository data Spring.
:springboot-patterns
Before: Controller memanggil DB langsung, dependensi di-inject via field@Autowired
.After: Layered Architecture (Controller -> Service -> Repository), Constructor Injection.Impact: Komponen mudah di-unit test dan memiliki pemisahan tanggung jawab yang jelas.Usage/Trigger: Dipakai saat membangun arsitektur backend Spring Boot.
:springboot-security
Before: Konfigurasi Spring Security rumit dan sering memblokir endpoint yang salah.After: Konfigurasi SecurityFilterChain modern, JWT stateless, RBAC, rate limiting.Impact: Autentikasi dan otorisasi aman sesuai standar enterprise.Usage/Trigger: Dipakai saat mengatur keamanan Spring Security atau token JWT.
:springboot-tdd
Before: Testing Spring Boot harus menyalakan context penuh (@SpringBootTest
) yang lambat.After: Unit test cepat dengan Mockito/JUnit 5, pengujian slice@WebMvcTest
, Testcontainers.Impact: Kecepatan run test 10x lebih cepat.Usage/Trigger: Dipakai saat menulis suite pengujian TDD Spring Boot.
:springboot-verification
Before: Membangun JAR tanpa memverifikasi aturan SpotBugs.After: Verification loop memverifikasi Gradle/Maven build, PMD/Checkstyle, tes unit & integrasi.Impact: Artefak buatan dipastikan 100% siap rilis.Usage/Trigger: Jalankan verifikasi sebelum rilis artifact JAR/WAR Spring Boot.
:android-clean-architecture
Before: Logika bisnis tercampur di dalamMainActivity.kt
.After: Arsitektur Clean (Domain UseCases, Data Repositories, Presentation ViewModels).Impact: Kode Android mudah diuji, di-maintain, dan mendukung KMP.Usage/Trigger: Otomatis terpicu saat mendesain struktur modul aplikasi Android/KMP.
:compose-multiplatform-patterns
Before: State Jetpack Compose sering ter-recompose tanpa kontrol.After: Pengelolaan state Compose teroptimasi (remember
,derivedStateOf
, immutable state).Impact: UI berjalan mulus di 60/120 FPS.Usage/Trigger: Dipakai saat menulis UI Jetpack Compose / Compose Multiplatform.
:kotlin-coroutines-flows
Before: PenggunaanGlobalScope
yang memicu memory leak.After: Structured Concurrency (viewModelScope
,StateFlow
,SharedFlow
).Impact: Operasi asynchronous aman dari memory leak.Usage/Trigger: Dipakai saat mengelola alur data asynchronous atau Coroutines.
:kotlin-exposed-patterns
Before: Menulis kueri SQL mentah di Kotlin.After: Pemanfaatan JetBrains Exposed ORM via DSL query atau DAO pattern.Impact: Akses DB type-safe dengan performa eksekusi sangat tinggi.Usage/Trigger: Dipakai saat mengkonfigurasi atau menulis kueri JetBrains Exposed ORM.
:kotlin-ktor-patterns
Before: Setup server Ktor tanpa struktur plugin yang jelas.After: Ktor server DSL rapi, modul penanganan auth, Koin DI.Impact: Backend Ktor sangat ringan dan cepat.Usage/Trigger: Dipakai saat membangun service HTTP server berbasis Ktor.
:kotlin-patterns
Before: Menulis kode Kotlin seperti Java yang di-convert otomatis.After: Idiom Kotlin sejati (null safety cerdas, extension functions, scope functions).Impact: Baris kode berkurang hingga 40% dan terbebas dari NPE.Usage/Trigger: Otomatis aktif saat mengoding file Kotlin (.kt
).
:kotlin-testing
Before: Kesulitan menguji Coroutine dan Flow karena masalah timing thread.After: Testing modern dengan Kotest, MockK,runTest
coroutine dispatcher.Impact: Pengujian logika asynchronous presisi.Usage/Trigger: Otomatis aktif saat menulis tes Kotlin dengan Kotest / MockK.
:laravel-patterns
Before: Menggunakanclosure routesatau Controller raksasa.After: Arsitektur Laravel modern (Form Requests, Eloquent API Resources, Jobs/Queues).Impact: Aplikasi Laravel rapi dan mudah dibaca.Usage/Trigger: Otomatis terpicu saat mengoding fitur atau controller Laravel.
:laravel-security
Before: KerentananMass Assignment, upload file tanpa validasi tipe MIME.After: Sanitasi input ketat, penggunaan$fillable
aman, proteksi CSRF/XSS.Impact: Aplikasi terbebas dari celah keamanan umum Laravel.Usage/Trigger: Dipakai saat meninjau titik autentikasi atau masukan form Laravel.
:laravel-tdd
Before: Pengujian Laravel manual lewat browser setiap kali merubah logika.After: TDD otomatis dengan Pest/PHPUnit,RefreshDatabase, dan Fakes.Impact: Siklus eksekusi test instan.Usage/Trigger: Dipakai saat menerapkan TDD pada fitur Laravel.
:laravel-verification
Before: Mengirim PR tanpa menjalankan PHPStan atau Pint formatter.After: Loop verifikasi otomatis menjalankan Laravel Pint, PHPStan, Pest test.Impact: Kode yang di-push selalu rapi dan bebas error sintaks.Usage/Trigger: Jalankan verifikasi sebelum merge Pull Request aplikasi Laravel.
:cpp-coding-standards
Before: Penggunaan pointer mentah (raw pointers
),new/delete
manual.After: Standar C++ Core Guidelines (Smart Pointers, RAII,std::string_view
).Impact: Kode C++ aman dari kebocoran memori dan crash pointer.Usage/Trigger: Otomatis aktif saat menulis atau memutakhirkan kode C++ (.cpp
,.h
).
:cpp-testing
Before: Kesulitan mendiagnosa kenapa test C++ gagal atau crash.After: Suite pengujian GoogleTest/CTest terstruktur, AddressSanitizer (ASan).Impact: Bug memori terdeteksi langsung saat pengujian.Usage/Trigger: Dipakai saat menulis atau mentautkan tes GoogleTest / CTest.
:foundation-models-on-device
Before: Mengirim data teks sensitif pengguna ke cloud server eksternal.After: Memanfaatkan framework Apple FoundationModels untuk LLM on-device iOS 26+.Impact: Privasi data pengguna 100% terjaga tanpa latensi jaringan.Usage/Trigger: Dipakai saat mengintegrasikan LLM on-device Apple Swift (iOS 26+).
:swift-actor-persistence
Before: Masalahdata racedan crash aplikasi saat beberapa thread membaca/menulis bersamaan.After: Sistem penyimpanan berbasis Swiftactor
yang menjamin keamanan thread.Impact: Terbebas 100% dari bug crash akibat concurrency data race.Usage/Trigger: Dipakai saat membuat modul caching atau persistence lokal Swift.
:swift-concurrency-6-2
Before: Kode Swift lama penuh@Sendable
warnings.After: Penerapan Swift 6.2 Approachable Concurrency (@concurrent
background off).Impact: Kompilasi Swift bersih tanpa warning concurrency.Usage/Trigger: Otomatis terpicu saat mengoding concurrency Swift 6.2+.
:swift-protocol-di-testing
Before: Unit test Swift bergantung pada koneksi internet atau sistem file asli.After: Dependency Injection berbasis protocol sederhana untuk mem-mock network & filesystem.Impact: Pengujian unit berjalan sangat cepat dan terisolasi.Usage/Trigger: Dipakai saat mengkonfigurasi mock dependency injection di Swift Testing.
:swiftui-patterns
Before: Penggunaan@StateObject
lama yang menyebabkan re-render hirarki View.After: Arsitektur SwiftUI modern berbasis@Observable
macro (iOS 17+).Impact: UI SwiftUI sangat responsif.Usage/Trigger: Otomatis aktif saat merancang komponen SwiftUI View.
swiftui-patterns
(Performance & Modern UI):Before: Animasi UI patah-patah saat scrolling list dengan banyak gambar.After: Optimasi komposisi View, lazy (LazyVStack
), pemrosesan aset background.Impact: Tampilan antarmuka iOS/macOS berkinerja tinggi.Usage/Trigger: Dipakai saat optimasi performa frame rate dan animasi SwiftUI.
:design-patterns
Before: Kode Rust terlalu rumit dengan kepemilikan bertabrakan, banyak.clone()
.After: Penerapan Rust Design Patterns (Newtype, Builder, RAII, State Machine).Impact: Kode Rust bersih, aman, dan efisien.Usage/Trigger: Otomatis terpicu saat mendesain struktur modul Rust.
:`rtk-tdd`
*Before*: Menulis fitur Rust dulu lalu kesulitan membuat test karena borrow checker.*After*: Red-Green-Refactor sejati dalam`#[cfg(test)]`
dengan Arrange-Act-Assert.Impact: Desain API Rust teruji sejak awal.Usage/Trigger: Aktif otomatis saat menambah fitur atau perbaikan pada codebase Rust (RTK).
:`rust-patterns`
*Before*: Penggunaan`.unwrap()`
berlebihan yang menyebabkan aplikasi panic di produksi.After: Penanganan error idiomatik denganResult<T, E>
,Option<T>
, matching eksplisit.Impact: Aplikasi Rust sangat stabil (crash-free).Usage/Trigger: Otomatis aktif saat menulis atau memutakhirkan kode Rust (.rs
).
:rust-testing
Before: Pengujian Rust hanya mencakup kasus dasar (happy path).After: Unit test, integration test ditests/
, async testing Tokio, property testing.Impact: Daya tahan kode teruji terhadap jutaan kombinasi input.Usage/Trigger: Aktif saat menulis suite pengujian integrasi atau unit di Rust.
:tdd-rust
Before: Pengujian output filter teks/AST membutuhkan perbandingan string manual.After: Workflow TDD spesifik filter RTK menggunakansnapshot testingviainsta
.Impact: Verifikasi output parser kompleks selesai dalam 1 detik.Usage/Trigger: Dipakai saat mengembangkan atau memvalidasi modul filter RTK dengan snapshot.
:perl-patterns
Before: Menulis script Perl gaya lama penuh global variable.After: Idiom Modern Perl 5.36+ (use v5.36
, lexical variables, subroutine signatures).Impact: Kode Perl bersih dan modern.Usage/Trigger: Otomatis terpicu saat mengoding script Perl (.pl
,.pm
).
:perl-security
Before: Script Perl rentan terhadapcommand injectiondanSQL injection.After: Keamanan Perl tingkat tinggi (Taint mode-T
, DBI parameterized queries).Impact: Terbebas dari celah keamanan eksekusi perintah berbahaya.Usage/Trigger: Dipakai saat menangani input pengguna atau kueri DB pada Perl.
:perl-testing
Before: Pengujian Perl menggunakan script print manual tanpa assert standar.After: Suite pengujian modern denganTest2::V0
,prove
runner,Devel::Cover
.Impact: Kualitas dan cakupan pengujian aplikasi Perl terukur.Usage/Trigger: Dipakai saat menulis atau merunning pengujian Perl (*.t
).
carrier-relationship-management
Sebelum Pemakaian: Negosiasi tarif logistik dan evaluasi performa kurir dilakukan tanpa data.** Sesudah Pemakaian**: Framework scorecarding terstruktur, proses RFP freight rate, dan alokasi muatan otomatis.** Efek**: Penghematan biaya pengiriman kargo dan peningkatan ketepatan waktu pengiriman.** Cara / Kapan Diaktifkan**: Dipakai saat mengelola portofolio kurir, negosiasi rate freight, atau evaluasi vendor logistik.
customs-trade-compliance
Sebelum Pemakaian: Penentuan HS Code dan klausal Incoterms dilakukan manual dengan risiko denda tinggi.** Sesudah Pemakaian**: Klasifikasi HS Code otomatis, validasi dokumen ekspor-impor, optimasi skema FTA.** Efek**: Bebas dari penalti kepabeanan dan proses kliring kargo lebih cepat.** Cara / Kapan Diaktifkan**: Dipakai saat penanganan dokumen bea cukai, klasifikasi tarif HS, atau compliance perdagangan.
energy-procurement
Sebelum Pemakaian: Pembayaran tagihan listrik & gas industri mengikuti tarif standar tanpa analisis beban puncak.** Sesudah Pemakaian**: Pengadaan energi terstruktur, optimasi tarif,demand charge management, evaluasi PPA.Efek: Pemotongan biaya operasional energi pabrik hingga 15-25%.** Cara / Kapan Diaktifkan**: Dipakai saat perencanaan pengadaan energi industri, evaluasi PPA, atau optimasi tarif gas/listrik.
inventory-demand-planning
Sebelum Pemakaian: Stok barang gudang sering kehabisan atau kelebihan akibat ramalan manual.** Sesudah Pemakaian**: Peramalan demand berbasis algoritma kuantitatif, analisis ABC/XYZ,safety stockotomatis.Efek: Efisiensi modal kerja gudang naik, rasiofill ratepesanan mendekati 99%.Cara / Kapan Diaktifkan: Dipakai saat membuat peramalan demand, kalkulasi stok aman, atau perencanaan replenishment gudang.
investor-materials
Sebelum Pemakaian: Pitch deck dan model finansial dibuat terpisah-pisah dengan angka proyeksi tidak konsisten.** Sesudah Pemakaian**: Pembuatan Pitch Deck, One-Pager, Memo Investor, dan Model Finansial interaktif terintegrasi.** Efek**: Dokumen fundraising profesional dan konsisten.** Cara / Kapan Diaktifkan**: Ketik "buatkan investor pitch deck / financial model" atau penyusunan materi fundraising.
investor-outreach
Sebelum Pemakaian: Mengirim email dingin ke investor dengan template umum yang diabaikan.** Sesudah Pemakaian**: Pesan intro dan pembaruan fundraising yang terpersonalisasi dan menonjolkan matriks utama.** Efek**: Respon balik dari calon investor naik secara signifikan.** Cara / Kapan Diaktifkan**: Ketik "draft cold email investor" atau pesan pembaruan progres ke investor.
logistics-exception-management
Sebelum Pemakaian: Keterlambatan atau kerusakan kargo ditangani lambat tanpa alur eskalasi baku.** Sesudah Pemakaian**: Protokol penanganan klaim kargo otomatis, deteksi keterlambatan dini, resolusi sengketa kurir.** Efek**: Kerugian finansial akibat barang rusak/hilang dapat diklaim secara maksimal.** Cara / Kapan Diaktifkan**: Dipakai saat penanganan isu pengiriman terlambat, barang rusak, atau klaim asuransi kargo.
market-research
Sebelum Pemakaian: Riset kompetitor hanya mengandalkan pencarian Google sepintas lalu.** Sesudah Pemakaian**: Analisis lanskap pasar komprehensif, pemetaan kekuatan kompetitor, dan due diligence berlandaskan data.** Efek**: Keputusan strategi bisnis didukung oleh data intelijen pasar yang akurat.** Cara / Kapan Diaktifkan**: Ketik "lakukan market research untuk industri [nama industri]".
nutrient-document-processing
Sebelum Pemakaian: Pemrosesan dokumen PDF/DOCX (OCR, penandatanganan, redaksi) membutuhkan banyak software terpisah.** Sesudah Pemakaian**: Pemrosesan dokumen otomatis via Nutrient DWS API (OCR instan, konversi format, redaksi, E-Signature).** Efek**: Otomasi alur kerja dokumen perusahaan menjadi digital dan aman.** Cara / Kapan Diaktifkan**: Dipakai saat pemrosesan file PDF/DOCX via API Nutrient (OCR, sign, redact, convert).
production-scheduling
Sebelum Pemakaian: Penjadwalan lini produksi pabrik sering bentrok, waktuchangeovermesin terlalu lama.Sesudah Pemakaian: Penjadwalan berbasis Theory of Constraints (TOC), optimasi SMED, penyeimbangan lini.** Efek**: Peningkatan Overall Equipment Effectiveness (OEE) dan pemangkasandowntime.Cara / Kapan Diaktifkan: Dipakai saat optimasi alur produksi pabrik, scheduling shift mesin, atau pencarian bottleneck.
quality-nonconformance
Sebelum Pemakaian: Penyelidikan produk cacat berhenti pada menyalahkan operator tanpa menemukan akar masalah asli.** Sesudah Pemakaian**: Penyelidikan Non-Conformance (NCR) berbasis 8D/5-Why, sistem CAPA terstruktur, kendali mutu statistik (SPC).** Efek**: Memenuhi standar ketat FDA/IATF 16949/AS9100 dan mencegah berulangnya cacat.** Cara / Kapan Diaktifkan**: Dipakai saat investigasi produk cacat (NCR), penanganan CAPA, atau audit standar manufaktur.
returns-reverse-logistics
Sebelum Pemakaian: Proses retur barang oleh pelanggan memakan biaya tinggi dan rawan kecurangan retur.** Sesudah Pemakaian**: Alur otorisasi retur (RMA) otomatis, kriteria inspeksi barang, disposisi ekonomis, deteksi penipuan.** Efek**: Meminimalkan biaya logistik balik dan menyelamatkan nilai aset barang.** Cara / Kapan Diaktifkan**: Dipakai saat penanganan alur retur pelanggan (RMA), klaim garansi, atau deteksi fraud retur.
visa-doc-translate
Sebelum Pemakaian: Penerjemahan dokumen aplikasi visa dilakukan manual satu per satu lalu disunting layoutnya.** Sesudah Pemakaian**: Penerjemahan otomatis gambar dokumen ke Bahasa Inggris dan pembuatan file PDF bilingual bersanding.** Efek**: Dokumen aplikasi visa siap diajukan dalam hitungan detik dengan format yang sangat rapi.** Cara / Kapan Diaktifkan**: Ketik "terjemahkan dokumen visa ini dan buat PDF bilingual".
x-api
Sebelum Pemakaian: Memposting tweet/thread atau memantau sebutan secara manual dari aplikasi web Twitter.** Sesudah Pemakaian**: Integrasi penuh X/Twitter API v2 untuk otomatisasi tweet, pemutakhiran thread, analisis performa.** Efek**: Operasi akun X dapat diprogram penuh secara otomatis dan konsisten.** Cara / Kapan Diaktifkan**: Dipakai saat mengonfigurasi integrasi bot/skrip otomatisasi X/Twitter API v2.
planner.md
— Perencanaan fitur & arsitektur.architect.md
— Keputusan arsitektur sistem.tdd-guide.md
— Panduan TDD.code-reviewer.md
&security-reviewer.md
— Reviewer kualitas & keamanan kode.build-error-resolver.md
— Resolusi otomatis error kompilasi build.python-reviewer.md
&database-reviewer.md
— Reviewer khusus Python & Database/Supabase.
Seluruh skills ECC terpasang secara global pada direktori:
C:\Users\fahmi\.gemini\config\skills\