Edit Bab

Batal

# Bab 2: Setup Aliran Kerja AI

Ramai orang guna AI dan rasa ia tidak membantu. Sembilan puluh peratus sebabnya bukan AI, tetapi setup. Mereka beri AI konteks yang lemah, harapkan keajaiban, dan dapat output generik.

Bab ini tunjuk cara susun aliran kerja supaya AI betul-betul berguna untuk kerja infra anda.

**Apa yang anda akan belajar:**

- Pilih antara model cloud dan model lokal, dan bila guna yang mana
- Cara beri AI konteks tentang repo dan infrastruktur anda
- Lima guardrail yang saya pasang sebelum benarkan AI sentuh apa-apa
- Tiga anti-corak yang buat kerja anda bertambah susah

## 2.1 Pilih Tool: Cloud atau Lokal

Ada dua pilihan besar. Kedua-duanya ada tempat.

**Model cloud** (Claude Code, Codex, Copilot, Cursor dan seumpamanya) sesuai untuk kerja harian: kepantasan tinggi, faham codebase besar, dan boleh baca banyak fail serentak. Ini pilihan lalai saya untuk kerja repo biasa.

**Model lokal** (Ollama dengan model seperti Qwen Coder atau Codestral) sesuai bila data tidak boleh keluar dari mesin anda. Contohnya kod pelanggan yang ada NDA, kredensial sensitif, atau konfigurasi rangkaian dalaman. Ia lebih perlahan dan kurang bijak, tetapi ia kekal dalam LAN anda.

Peraturan mudah:

- Kerja biasa, kod awam, homelab: **cloud**.
- Kod client, data peribadi, dokumen dalaman: **lokal**.
- Ragu-ragu: guna lokal. Kalau ia tak cukup kuat, pecahkan tugas kepada bahagian yang lebih kecil.

## 2.2 Beri AI Konteks: Fail Arahan dalam Repo

Ini satu perubahan kecil yang memberi kesan paling besar. Letakkan satu fail arahan di akar repo. Claude Code membaca `CLAUDE.md`, Codex dan tool lain membaca `AGENTS.md`. Isinya lebih kurang begini:

```markdown
# AGENTS.md

## Struktur repo
- terraform/ : infra AWS, satu folder satu environment
- ansible/   : konfigurasi server
- app/       : aplikasi yang di-deploy

## Cara uji
- IaC: terraform fmt -check, terraform validate, tflint
- Ansible: ansible-lint, run dengan --check --diff
- App: npm test

## Peraturan
- JANGAN jalankan terraform apply, ansible-playbook tanpa --check,
  atau sebarang arahan yang mengubah production.
- Jangan letak credential dalam kod atau dalam prompt.
- Semua resource mesti ada tag: Project, Environment, Owner.
- Guna versi Terraform dan provider yang dipin dalam versions.tf.
- Jawab dalam Bahasa Melayu.

## Konvensyen
- Nama resource: <projek>-<komponen>-<env>
- Commit: Conventional Commits (feat:, fix:, chore:)
```

Fail ini mengambil masa lima belas minit untuk ditulis, dan anda akan dapat hasilnya setiap hari selepas itu. Ia juga berfungsi sebagai dokumentasi untuk manusia baru dalam pasukan.

## 2.3 Susun Repo Supaya AI Faham

AI tak tahu apa yang tidak ada dalam repo. Susun begini:

```text
infra/
  terraform/
    modules/
      vpc/
      compute/
    environments/
      dev/
      prod/
  ansible/
    inventories/
      dev.ini
      prod.ini
    roles/
  .github/workflows/
```

Kunci pada pemisahan `modules` dan `environments`. Anda mahu AI boleh ubah modul tanpa sentuh konfigurasi production secara tak sengaja, dan sebaliknya.

## 2.4 Lima Guardrail

Ini yang saya pasang sebelum benarkan AI bantu kerja infra.

![Lima lapisan guardrail](images/rajah-2-lima-guardrail.svg)

*Rajah 2: Lima lapisan guardrail. Setiap satu murah dipasang, dan sangat mahal bila dilanggar.*

**1. Tiada credential dalam prompt.** Kalau saya perlu AI faham bentuk konfigurasi, saya tukar nilai sebenar dengan placeholder. Sekali credential masuk ke log perbualan, anda kena rotate.

**2. Akses read-only secara lalai.** Akaun cloud yang AI guna untuk terokai sumber sepatutnya hanya boleh baca. Hak tulis diberi secara sedar untuk tugasan tertentu sahaja.

**3. Plan gate sebelum apply.** Tiada pengecualian. AI berhenti pada plan, manusia semak, kemudian baru apply. Plan yang panjang pun boleh disemak cepat dengan minta AI sendiri meringkaskan perubahan, tetapi keputusan tetap pada anda.

**4. Kerja melalui branch dan pull request.** Walaupun anda solo engineer. Ia memberi anda diff yang boleh dibaca, sejarah yang boleh dirujuk, dan jalan keluar yang mudah kalau sesuatu jadi salah.

**5. Ujian sebelum percaya.** Kalau AI kata sesuatu berfungsi, jalankan sendiri. Saya dah terlalu banyak kali jumpa kod yang "sepatutnya jalan" tetapi gagal pada kali pertama dijalankan.

## 2.5 Cara Ajar AI Tentang Infra Anda

Teknik yang paling berkesan: beri contoh sebenar, bukan penerangan abstrak.

- Tunjuk satu modul Terraform yang anda dah tulis dan suka. Minta AI ikut corak yang sama.
- Beri output plan atau log ralat yang penuh, bukan ringkasan. AI lebih baik mencari punca bila dia nampak data mentah.
- Beritahu apa yang sudah dicuba dan gagal. Ini mengelak dia cadang benda yang sama berulang kali.
- Satu tugas, satu sesi. Sesi panjang bercampur topik menghasilkan jawapan yang bercampur juga.

## 2.6 Tiga Anti-Corak

**Anti-corak 1: "Baiki semua."** Arahan kabur menghasilkan perubahan besar yang tak boleh disemak. Sebaliknya: "Tambahkan validation untuk variable cidr_block supaya hanya terima /16 ke /24."

**Anti-corak 2: Benarkan AI jalankan arahan berbahaya.** Jangan pernah bagi kebenaran lalai untuk `apply`, `destroy`, `rm`, atau ubah firewall production. Setiap satu perlu kelulusan manusia.

**Anti-corak 3: Terima kod yang anda tak faham.** Kalau anda tak boleh jelaskan kepada rakan sekerja kenapa kod itu ditulis begitu, jangan merge. Ini bukan soal ego, tetapi soal anda akan jadi orang yang dipanggil bila ia rosak pada jam 3 pagi.

Setup anda sekarang sudah cukup. Bab seterusnya masuk ke kerja sebenar: Terraform.

\newpage