Lo pernah nggak merasa: ‘Kenapa AI gue kadang pintar, kadang bodoh?’ Lo pakai Cursor, hasilnya bagus. Lo pakai Claude Chat, prompt yang sama — hasilnya beda. Lo pakai model yang lebih murah, hasilnya malah jauh lebih jelek. Kenapa?
Masalahnya bukan di model-nya. Masalahnya di lo — atau lebih tepatnya, di gimana lo kasih instruksi ke AI.
Setiap kali lo nulis prompt dari nol, lo basically ngasih AI freedom buat interpretasi. Dan setiap interpretasi bisa beda-beda. Hasilnya? Inconsisten. Kadang lo dapet output yang perfect, kadang lo dapet sampah.
Dan yang lebih parah: lo nggak bisa re-use. Lo nulis prompt bagus di Cursor, tapi pas lo pindah ke Kiro atau Claude Chat, lo harus nulis ulang. Atau model update, prompt lo yang dulu jadi nggak work lagi. Lo jadi terjebak nulis prompt terus-menerus alih-alih nulis kode.
Hari ini gue mau bahas sesuatu yang menurut gue adalah fitur paling powerful dari AI agent: Skill. Skill bikin AI lo konsisten, documented, dan — ini yang paling penting — bikin model tier apapun bisa hasilin output yang setara. Dan lo bisa pakai skill yang sama di Cursor, Kiro, Claude Chat, atau agent apapun.
Kenapa Prompt Biasa Itu Cukup
Sebelum gue jelasin kenapa skill itu game-changer, lo perlu paham kenapa prompt biasa itu punya batas.
Lo nulis prompt: “Generate report dari Jira, list semua issues, format table CSV.” AI execute. Hasilnya? Bagus. Lo copy-paste prompt ini ke file notepad, simpan buat next time.
Tapi besok lo coba lagi, prompt yang sama — hasilnya beda. Kenapa? Karena AI itu probabilistic. Setiap inference, dia “menebak” kata berikutnya berdasarkan probability. Prompt yang sama bisa hasilin output beda karena temperature, context window, bahkan model version yang beda.
Dan kalau lo pakai model yang lebih murah — GPT-4o-mini misalnya, atau Claude Haiku — prompt yang sama bisa hasilin output yang jauh lebih jelek. Karena model kecil punya reasoning capability yang lebih rendah. Lo jadi terjebak: pakai model murah = hasil jelek, pakai model mahal = cost tinggi.
Prompt biasa itu kayak resep masakan yang ditulis di napkin. Kadang works, kadang nggak. Tergantung siapa yang masak.
Prompt biasa punya tiga masalah: inconsisten (output beda-beda), tidak portable (terikat satu tool), dan tidak scalable (model kecil = hasil jelek). Skill menyelesaikan ketiganya.
Apa itu Skill & Kenapa Ini Powerful
Skill itu basically prompt yang udah di-engineering — dikasih struktur, rules, edge cases, dan format output yang presisi. Dan karena dia structured, AI bisa execute dengan konsisten — bahkan model yang lebih kecil.
Bayangin lo punya resep masakan. Resep biasa: “Masak nasi goreng. Tambahin kecap.” Hasilnya? Beda-beda tiap kali lo masak. Tergantung mood, tergantung bahan yang ada.
Tapi kalau lo punya resep yang detail: “Panaskan minyak 2 sendok makan di wajan anti lengket, suhu 180 derajat. Tumis bawang putih 3 siung selama 30 detik. Tambahin nasi putih 2 porsi, aduk rata 2 menit. Kecap manis 1 sendok makan, kecap asin 1/2 sendok teh. Aduk lagi 1 menit. Sajikan.”
Siapapun yang masak — chef profesional atau orang yang baru pertama kali masak — hasilnya bakal mirip. Karena resep-nya udah nge-clear semua ambiguitas.
Skill AI agent itu persis kayak resep detail itu. Dia kasih AI: context yang jelas, format output yang presisi, edge cases yang harus di-handle, dan rules yang harus diikuti. Hasilnya? Konsisten. Dan karena semua ambiguity udah di-resolve di skill-nya, bahkan model yang lebih kecil bisa execute dengan hasil yang setara.
Tiga hal yang bikin skill powerful:
1. Konsistensi Lo pakai skill yang sama di Cursor, Kiro, Claude Chat, OpenCode — hasilnya SELALU sama. Bukan karena luck, tapi karena skill-nya udah define output format-nya secara presisi.
2. Model-agnostic Skill yang baik itu bisa dijalankan di model tier apapun. Frontier model (GPT-4o, Claude Sonnet) execute dengan sempurna. Model kecil (Haiku, GPT-4o-mini) execute dengan hasil yang hampir setara — karena skill-nya udah nge-clear semua ambiguitas yang bikin model kecil struggles.
3. Documented & Portable Skill itu file — bisa di-share, di-version control, di-pakai tim lo. Lo nulis skill sekali, pake dimana aja. Lo nggak perlu copy-prompt terus. Dan kalau lo mau update, lo edit skill-nya, bukan prompt-nya.
Contoh Nyata — Skill Jira Report
Oke cukup teori. Gue mau tunjukkan contoh nyata — skill yang gue pakai sehari-hari buat generate report dari Jira.
Setiap sprint, gue perlu bikin report: list semua issues, status-nya apa, siapa yang handle, priority-nya apa. Dulu gue buka Jira, filter manual, export ke CSV. Atau gue nulis prompt ke AI: “Generate report dari Jira, list semua issues sprint ini.”
Tapi prompt itu inconsist. Kadang AI ngasih table lengkap, kadang cuma list biasa. Kadang ada column priority, kadang nggak. Gue harus adjust prompt terus.
Sekarang gue punya skill “Jira Report Generator.” Lo tinggal bilang: “Pakai skill Jira report, sprint ini.” Dan hasilnya SELALU sama: table lengkap dengan columns: Issue Key, Summary, Status, Assignee, Priority, Story Points — dalam format CSV atau Markdown. Dimanapun gue pakai.
Skill Jira Report — hasilnya:
Hasil generate dalam format csv:
Dimanapun lo pakai:
✅ Cursor → hasil sama
✅ Kiro → hasil sama
✅ Claude Chat → hasil sama
✅ OpenCode → hasil sama
✅ Model kecil (Haiku) → hasil sama (mungkin lebih lambat, tapi format-nya presisi)
Lo nggak perlu nulis prompt ulang. Lo nggak perlu adjust format. Lo nggak perlu khawatir model update bikin output beda. Skill-nya udah handle semuanya.
Cara Mulai Bikin Skill
Lo mungkin mikir: ‘Oke keren, tapi gue harus bikin skill dari nol?’ Jawabannya: nggak harus. Lo bisa mulai dari hal sederhana.
Bikin skill itu nggak harus kompleks. Lo bisa mulai dari satu hal yang lo lakukan berulang-ulang: generate report, refactor code, bikin test, review PR. Apapun yang lo sering suruh AI lakukan — itu kandidat skill.
Step 1: Identify repetitive task
Apa yang lo sering suruh AI lakukan? Generate report? Refactor? Bikin test? Review PR? Itu skill candidate-nya.
Step 2: Write it as structured instruction Bukan prompt biasa. Tapi structured: context, format output, edge cases, rules. Kayak resep masakan detail, bukan resep di napkin.
Step 3: Test di multiple tools Coba di Cursor, Claude Chat, Kiro. Kalau hasilnya sama di ketiganya, skill-nya udah good. Kalau beda, adjust sampai konsisten.
Step 4: Version control it Simpan skill-nya sebagai file. Git repo, Obsidian vault, atau folder di project lo. Bisa di-share ke tim, bisa di-update kalau ada perubahan.
Semisal lu mau lihat contoh yang dipakai diartikel ini kalian bisa cek langsung dilink dibawah 👇🏻
Jadi itu — skill AI agent itu menurut gue adalah fitur paling powerful yang jarang orang manfaatin.
Kebanyakan orang pakai AI agent kayak pakai search engine — nulis prompt, harap hasil bagus, kadang dapet, kadang nggak. Tapi kalau lo investasi waktu buat bikin skill, lo basically punya “resep” yang bikin AI lo konsisten — dimanapun lo pakai, model apapun yang lo pake. Dan itu yang bikin AI agent beneran useful, bukan cuma cool.
Mulai dari satu skill hari ini. Cari satu hal yang lo lakukan berulang — generate report, refactor, test, review. Tulis sebagai structured instruction. Test di Cursor dan Claude Chat. Kalau hasilnya sama, lo udah punya skill pertama lo.
