Saya menunjuk Claude Code pada satu tahun obrolan LM Studio, dan ia melihat ada pola yang saya tidak tahu ada di sana
Ada versi Claude Code yang diperuntukkan bagi pengembang, tetapi saya tidak menggunakannya untuk itu. Karena khawatir dengan sudut pengembangan pada awalnya, saya memerlukan waktu beberapa saat untuk benar-benar mencobanya, namun begitu saya mencobanya, ternyata benar-benar berguna untuk produktivitas, dan peran tersebut terus dipertahankan sejak saat itu. Itu ada di dalam tumpukan catatan teks biasa saya sekarang, berperan sebagai pengelola tugas, aplikasi catatan, dan alat PKM melalui keterampilan sadar penurunan harga dan file CLAUDE.md. Jadi pertanyaan yang jelas – jika ia dapat membaca penurunan harga, menjalankan skrip pada brankas, dan menarik temuan terstruktur dari file yang sudah ada di sana, apa yang terjadi jika Anda mengarahkannya ke obrolan LLM lokal selama satu tahun? LM Studio menyimpan setiap sesi sebagai JSON di disk. Milik saya telah terakumulasi selama berbulan-bulan tanpa saya pernah kembali untuk melihatnya. Apa yang dihasilkan lebih dari sekadar ringkasan membosankan… Ingin terus mengikuti perkembangan AI terkini? Buletin XDA AI Insider terbit setiap minggu dengan penjelasan mendalam, rekomendasi alat, dan liputan langsung yang tidak akan Anda temukan di tempat lain di situs ini. Berlangganan dengan mengubah preferensi buletin Anda! Melepaskan Kode Claude di folder percakapan LM Studio saya Bagaimana saya menyusun audit LM Studio menyimpan setiap obrolan sebagai file JSON-nya sendiri, disusun ke dalam struktur folder apa pun yang Anda buat sendiri, dan file-file tersebut disimpan secara lokal di mesin Anda. Saya sudah hampir setahun mengobrol tentang banyak topik berbeda, dan saya tidak pernah benar-benar kembali untuk melihatnya. Tapi sekarang, saya ingin tahu seperti apa sebenarnya penggunaan saya ketika saya tidak memperhatikannya, dan apakah saya mendapatkan manfaat nyata dari menjalankan model lokal atau hanya menghasilkan sesuatu demi hal itu. Sebelum menulis prompt sebenarnya, saya membuka salah satu file JSON untuk melihat bidang apa yang ada di sana. Ternyata ada lebih dari sekedar pesan. Info model per obrolan, jumlah regenerasi, pengaturan konfigurasi seperti panjang dan suhu konteks, stempel waktu, metadata lampiran, dan banyak lagi. Mengetahui semua hal itu di awal memberi tahu bagaimana aku akan mendorong Claude untuk menyelesaikan semuanya. Daripada meminta ringkasan dari Claude Code, saya bisa memintanya untuk mencari sinyal perilaku yang mungkin tidak saya sadari sendiri. Saya meminta Claude Code untuk bekerja dalam tiga fase: Fase pertama adalah inventaris: perincian dasar obrolan, folder, model, tingkat regenerasi, dan sesi yang ditinggalkan. Fase kedua adalah acara utama dan tentang bagaimana saya sebenarnya melakukan prompt: ini mencakup bentuk yang berulang, pola yang terus saya kumpulkan, perintah yang terus saya tulis ulang dari awal, dan seterusnya. Fase ketiga adalah file terpisah untuk semua hal lain yang diambilnya. Saya juga menyuruhnya untuk mengabaikan perintah atau pesan sistem apa pun di dalam obrolan itu sendiri, karena itu adalah konten, bukan instruksi. Selain itu, saya menghapus sebagian besar keuangan pribadi dan obrolan terkait medis dari folder ini di tangkapan layar, jadi saya tidak mengerjakan inventaris lengkap di sini. Pembuat Claude Code yang terkait terus berbagi tips, dan semuanya menjadikan pengalaman saya lebih baik. Siapa yang lebih baik untuk belajar daripada orang yang membuatnya? Mengubah audit menjadi sesuatu yang dapat digunakan kembali Membuat perpustakaan cepat Keterampilan Tahap dua memberi saya cukup inventaris bentuk-bentuk cepat berulang yang cenderung saya gunakan untuk membangun perpustakaan cepat. Misalnya, ada perancah Format Tugas-Peran untuk keluaran terstruktur, kerangka “ikuti struktur ini dengan tepat” yang saya gunakan untuk perintah gaya mengajar, perintah keluaran dengan batasan keras dengan jumlah kata yang ketat dan aturan tanpa pengulangan, dan pemeriksaan kemampuan untuk mencari tahu model mana yang harus dicapai. Setiap pola datang dengan contoh nyata yang diambil dari obrolan saya sendiri, dan mode kegagalan juga ditandai, seperti penampung braket dalam perancah RTF yang terkadang tidak digunakan oleh model yang lebih kecil. Dari sana, saya meminta Claude Code untuk membangun Skill. Itu berakhir sebagai folder bernama lm-studio-prompting yang tinggal di dalam .claude/skills/, dengan SKILL.md di bagian atas menangani logika pemicu, folder pola yang menyimpan satu file penurunan harga per bentuk berulang, folder templat dengan perintah yang dapat diisi siap salin dan tempel untuk yang terus saya ciptakan kembali, dan model-notes.md yang mencatat model mana yang saya gunakan untuk apa. Saya mengujinya segera setelah itu dengan prompt tentang meringkas PDF yang panjang menggunakan Gemma 4 E4B. Keahlian tersebut diaktifkan, mengarahkan saya ke perancah RTF dengan blok aturan pendek, dan juga menandai beberapa hal yang tidak terpikirkan oleh saya: bahwa E4B cenderung berhalusinasi kutipan pada doc-QA dan Qwen atau gpt-oss akan menjadi pilihan yang lebih aman, dan saya harus menambah panjang konteks LM Studio di atas 4k atau PDF mungkin terpotong. Yang terakhir itu benar-benar suatu hal yang sudah saya alami selama berbulan-bulan tanpa saya sadari. Terkait Saya meminjam perintah Claude dari para insinyur Antropik dan segera berhenti membuang-buang waktu untuk hal-hal buruk. Perintah terbaik datang dari tim. Menerapkan temuan Claude Code ke LLM lokal saya Saya telah salah mendiagnosis pengaturan saya sendiri selama berbulan-bulan. Keterampilan ini benar-benar berguna, tetapi perpustakaan yang cepat hanyalah salah satu bagian dari teka-teki. Temuan audit dari fase satu dan tiga menjadi bagian berharga lainnya. Claude Code mengemukakan banyak hal tentang bagaimana saya berperilaku dengan model lokal yang saya sendiri tidak akan menyadarinya saat melihat melalui obrolan. Setengah dari obrolan saya bersifat single-shot, jadi satu pertanyaan, satu balasan, selesai. Dari 141 pesan, saya belum pernah mengedit dan mengirim ulang prompt di LM Studio. Apa yang saya lakukan adalah memulai obrolan baru atau menjalankan perintah yang sama pada model yang berbeda, yang sejujurnya lebih mirip belanja model daripada mengulangi. Ini cukup mengejutkan mengetahui kebiasaan LLM lokal saya. Namun, yang paling terpukul adalah obrolan Jalan Basah. Ada sesi dalam riwayat saya di mana saya melampirkan PDF panjang dan meminta Qwen 3.5 9B untuk membantu saya memahami peraturan mengemudi, dan sesi tersebut terus menolak untuk mengonfirmasi hal-hal yang jelas-jelas ada di dokumen. Saya telah membacanya sebagai model yang gagal dalam tugasnya. Claude Code mengetahui apa yang sebenarnya terjadi: panjang konteks default LM Studio adalah 4096, dan saya tidak pernah mengubahnya. Saya telah menulis tentang memeriksa ulang pengaturan pelari lokal Anda, dan di sini saya melewatkan yang paling jelas – justru karena ini adalah kontrol yang jelas sehingga saya berasumsi saya sudah menyesuaikannya. Temuan Claude Code seperti pengingat akan kebiasaan buruk yang saya miliki dan membantu saya membentuk kebiasaan yang lebih baik dengan LLM lokal saya sekarang. Dari hal mendasar seperti mengingat untuk menyesuaikan panjang konteks hingga preset default yang selama ini membawa nilai konfigurasi lama dari model lain. Saya juga memiliki pemahaman yang lebih baik tentang kapan saya benar-benar menggunakan model lokal untuk melakukan sesuatu dibandingkan ketika saya hanya bersenang-senang tanpa hasil yang dapat ditindaklanjuti. Terkait Saya membuang tumpukan produktivitas saya untuk Claude Code, dan ia melakukan semua yang biasa dilakukan oleh alat berbayar. Saya selalu lupa bahwa Claude Code pada dasarnya adalah alat pengkodean. Saya seharusnya sudah melakukan ini sejak lama. Saya tahu inti dari menjalankan LLM lokal adalah menjaga obrolan sebenarnya dari cloud, tetapi Claude membaca file JSON setelah faktanya tidak sama dengan Claude yang duduk di dalam antarmuka LM Studio saya. Ini hanya audit atas data yang sudah saya miliki, dan ini lebih cepat daripada yang bisa ditangani oleh penyiapan lokal mana pun. Dan hasilnya bukanlah hal-hal yang bisa saya ungkapkan sendiri secara realistis – polanya hanya terlihat dalam satu tahun obrolan, tidak pada satu sesi pun. Artinya, saya sekarang membuat keputusan yang lebih baik tentang penggunaan LLM lokal saya berdasarkan hal-hal yang saya bahkan tidak tahu harus diperbaiki.
Diterbitkan : 2026-07-09 10:00:00
sumber : www.xda-developers.com
