Fokus kepada masalah yang khusus dan berulang menjadi asas penting projek itu. Tan tidak hanya meminta Claude Code membina “aplikasi keibubapaan” secara umum. Beliau menerangkan maklumat yang perlu dimasukkan, pengiraan yang perlu dilakukan sistem dan cara kedua-dua pengguna mengakses data tersebut.

Proses Tan: keperluan dahulu, kod kemudian

Walaupun bukan pengatur cara, pendekatan Tan menyerupai proses pembangunan produk yang ringkas. Beliau bermula dengan menulis keperluan terperinci dalam bahasa Inggeris biasa, kemudian menggunakan Claude Code untuk menterjemahkan keperluan itu menjadi sebuah aplikasi.

Proses yang dilaporkan adalah seperti berikut:

1. Memuat turun dan menjalankan Claude Code melalui Terminal pada Mac.
2. Menulis spesifikasi sepanjang empat halaman yang menerangkan ciri serta tingkah laku aplikasi.
3. Meminta Claude Code membina aplikasi berdasarkan keperluan itu dan menerangkan setiap langkah dalam bahasa yang boleh difahami oleh orang tanpa latar belakang teknikal.
4. Membuka akaun dengan GitHub, Supabase dan Vercel.
5. Menghubungkan semua perkhidmatan tersebut: GitHub menyimpan kod, Supabase mengurus pangkalan data serta pengesahan pengguna, manakala Vercel menerbitkan aplikasi ke pautan web.

Setiap alat memainkan peranan berbeza. Claude Code menjadi antara muka pembangunan, GitHub berfungsi sebagai repositori kod, Supabase menyediakan perkhidmatan bahagian belakang dan Vercel mengurus penerbitan aplikasi. Gabungan ini membolehkan Tan bergerak daripada idea bertulis kepada aplikasi web yang berfungsi tanpa perlu menguasai keseluruhan timbunan teknologi secara tradisional.

Mengapa arahan terperinci sangat penting

Tan tidak menganggap versi pertama yang dijana AI akan terus sempurna. Beliau menguji aplikasi itu, menerangkan perkara yang tidak tepat atau belum lengkap dan meminta Claude Code membuat pembetulan.

Prosesnya bersifat berulang: beri arahan, periksa hasil, uji fungsi dan perhalusinya.

Daripada pengalaman itu, Tan memperoleh satu prinsip mudah: arahan yang kabur cenderung menghasilkan keputusan yang kabur. Semakin jelas beliau menerangkan medan data, kebenaran akses, pengiraan dan pengalaman pengguna yang dikehendaki, semakin berguna hasil yang dijana. Claude Code secara amnya masih boleh memahami bahasa Inggeris yang tidak sempurna atau “broken English”, tetapi memahami permintaan tidak bermakna permintaan itu sudah lengkap.

Perbezaan ini penting bagi sesiapa yang menggunakan alat pengekodan AI. Pembangunan menggunakan bahasa biasa mungkin mengurangkan halangan untuk memulakan projek, tetapi ia tidak menghapuskan keperluan untuk menetapkan keperluan dengan jelas atau menilai hasilnya sendiri.

Penyelidikan dengan AI tetap perlu disemak

Tan turut menggunakan Claude Code bersama Perplexity AI untuk membuat penyelidikan kerana alat itu mengembalikan petikan sumber. Namun, beliau tidak menganggap kewujudan petikan sebagai bukti bahawa sesuatu jawapan itu tepat.

Apabila penyelidikan tersebut memaparkan dakwaan bahawa ikan bersirip merupakan antara kebimbangan alahan utama di Singapura, Tan mempersoalkannya kerana kerang-kerangan lebih lazim dalam pengetahuannya. Beliau menyemak bahan yang dipetik dan membetulkan maklumat dalam aplikasi itu.

Kisah tersebut turut mengingatkan tentang risiko yang lebih besar: sistem carian AI boleh menghasilkan petikan yang merujuk kepada kajian yang tidak wujud. Oleh itu, maklumat berkaitan kesihatan masih perlu disahkan secara bebas.

Bagi aplikasi yang digunakan untuk memantau bayi, sikap berhati-hati ini amat penting. Aplikasi tersebut boleh membantu menyusun pemerhatian dan membuat perbandingan dengan panduan, tetapi penyelidikan yang dijana AI tidak boleh dianggap sebagai bukti perubatan hanya kerana ia disertakan pautan atau penanda petikan.

Kemahiran memberi arahan turut menghasilkan alat terjemahan

Kemahiran yang dipelajari Tan ketika membina aplikasi bayi itu kemudiannya digunakan dalam kerjanya. Beliau menghasilkan alat terjemahan satu butang yang mampu menukar kandungan bahasa Inggeris kepada 48 bahasa.

Arahan untuk alat itu bukan sekadar meminta terjemahan perkataan demi perkataan. Mula-mula, alat tersebut diarahkan untuk memahami maksud, niat dan tujuan pujukan teks asal. Selepas itu, ia perlu menghasilkan penulisan yang semula jadi dalam bahasa sasaran, bukannya mengekalkan susunan ayat, rentak atau logik yang masih dipengaruhi bahasa Inggeris.

Aliran kerja ini mencerminkan prinsip yang sama seperti aplikasi jejak bayi: kualiti hasil banyak bergantung pada sejauh mana pengguna menerangkan matlamat, konteks dan batasan—bukan sekadar menyatakan tugasan.

Pengajaran lebih besar untuk mereka yang bukan pengatur cara

Pengalaman Tan bukan bukti bahawa AI menjadikan pembangunan perisian serba automatik. Beliau masih perlu mengenal pasti masalah sebenar, menulis spesifikasi terperinci, membuka akaun, menghubungkan beberapa perkhidmatan, menguji aplikasi dan mempersoalkan hasil penyelidikan yang tidak boleh dipercayai.

Namun, kisah ini menunjukkan bagaimana pembantu pengekodan AI boleh membantu seseorang bermula dengan idea produk yang berguna, tanpa perlu menunggu bertahun-tahun untuk belajar pengaturcaraan. Bagi Tan, percubaan dan kebolehan memberi arahan yang jelas semakin menjadi kemahiran praktikal untuk pengguna biasa—termasuk mereka yang tidak menggunakan bahasa Inggeris dengan sempurna.

Kesimpulan yang paling berguna bukanlah “AI boleh membina apa sahaja”. Sebaliknya, mereka yang tiada latar belakang mengekod kini boleh menggunakan AI untuk menghasilkan prototaip alat yang khusus dan praktikal, selagi mereka sendiri bertanggungjawab terhadap keperluan, ujian dan pertimbangan fakta.

Fokus kepada masalah yang khusus dan berulang menjadi asas penting projek itu. Tan tidak hanya meminta Claude Code membina “aplikasi keibubapaan” secara umum. Beliau menerangkan maklumat yang perlu dimasukkan, pengiraan yang perlu dilakukan sistem dan cara kedua-dua pengguna mengakses data tersebut.

Proses Tan: keperluan dahulu, kod kemudian

Walaupun bukan pengatur cara, pendekatan Tan menyerupai proses pembangunan produk yang ringkas. Beliau bermula dengan menulis keperluan terperinci dalam bahasa Inggeris biasa, kemudian menggunakan Claude Code untuk menterjemahkan keperluan itu menjadi sebuah aplikasi.

Proses yang dilaporkan adalah seperti berikut:

1. Memuat turun dan menjalankan Claude Code melalui Terminal pada Mac.
2. Menulis spesifikasi sepanjang empat halaman yang menerangkan ciri serta tingkah laku aplikasi.
3. Meminta Claude Code membina aplikasi berdasarkan keperluan itu dan menerangkan setiap langkah dalam bahasa yang boleh difahami oleh orang tanpa latar belakang teknikal.
4. Membuka akaun dengan GitHub, Supabase dan Vercel.
5. Menghubungkan semua perkhidmatan tersebut: GitHub menyimpan kod, Supabase mengurus pangkalan data serta pengesahan pengguna, manakala Vercel menerbitkan aplikasi ke pautan web.

Setiap alat memainkan peranan berbeza. Claude Code menjadi antara muka pembangunan, GitHub berfungsi sebagai repositori kod, Supabase menyediakan perkhidmatan bahagian belakang dan Vercel mengurus penerbitan aplikasi. Gabungan ini membolehkan Tan bergerak daripada idea bertulis kepada aplikasi web yang berfungsi tanpa perlu menguasai keseluruhan timbunan teknologi secara tradisional.

Mengapa arahan terperinci sangat penting

Tan tidak menganggap versi pertama yang dijana AI akan terus sempurna. Beliau menguji aplikasi itu, menerangkan perkara yang tidak tepat atau belum lengkap dan meminta Claude Code membuat pembetulan.

Prosesnya bersifat berulang: beri arahan, periksa hasil, uji fungsi dan perhalusinya.

Daripada pengalaman itu, Tan memperoleh satu prinsip mudah: arahan yang kabur cenderung menghasilkan keputusan yang kabur. Semakin jelas beliau menerangkan medan data, kebenaran akses, pengiraan dan pengalaman pengguna yang dikehendaki, semakin berguna hasil yang dijana. Claude Code secara amnya masih boleh memahami bahasa Inggeris yang tidak sempurna atau “broken English”, tetapi memahami permintaan tidak bermakna permintaan itu sudah lengkap.

Perbezaan ini penting bagi sesiapa yang menggunakan alat pengekodan AI. Pembangunan menggunakan bahasa biasa mungkin mengurangkan halangan untuk memulakan projek, tetapi ia tidak menghapuskan keperluan untuk menetapkan keperluan dengan jelas atau menilai hasilnya sendiri.

Penyelidikan dengan AI tetap perlu disemak

Tan turut menggunakan Claude Code bersama Perplexity AI untuk membuat penyelidikan kerana alat itu mengembalikan petikan sumber. Namun, beliau tidak menganggap kewujudan petikan sebagai bukti bahawa sesuatu jawapan itu tepat.

Apabila penyelidikan tersebut memaparkan dakwaan bahawa ikan bersirip merupakan antara kebimbangan alahan utama di Singapura, Tan mempersoalkannya kerana kerang-kerangan lebih lazim dalam pengetahuannya. Beliau menyemak bahan yang dipetik dan membetulkan maklumat dalam aplikasi itu.

Kisah tersebut turut mengingatkan tentang risiko yang lebih besar: sistem carian AI boleh menghasilkan petikan yang merujuk kepada kajian yang tidak wujud. Oleh itu, maklumat berkaitan kesihatan masih perlu disahkan secara bebas.

Bagi aplikasi yang digunakan untuk memantau bayi, sikap berhati-hati ini amat penting. Aplikasi tersebut boleh membantu menyusun pemerhatian dan membuat perbandingan dengan panduan, tetapi penyelidikan yang dijana AI tidak boleh dianggap sebagai bukti perubatan hanya kerana ia disertakan pautan atau penanda petikan.

Kemahiran memberi arahan turut menghasilkan alat terjemahan

Kemahiran yang dipelajari Tan ketika membina aplikasi bayi itu kemudiannya digunakan dalam kerjanya. Beliau menghasilkan alat terjemahan satu butang yang mampu menukar kandungan bahasa Inggeris kepada 48 bahasa.

Arahan untuk alat itu bukan sekadar meminta terjemahan perkataan demi perkataan. Mula-mula, alat tersebut diarahkan untuk memahami maksud, niat dan tujuan pujukan teks asal. Selepas itu, ia perlu menghasilkan penulisan yang semula jadi dalam bahasa sasaran, bukannya mengekalkan susunan ayat, rentak atau logik yang masih dipengaruhi bahasa Inggeris.

Aliran kerja ini mencerminkan prinsip yang sama seperti aplikasi jejak bayi: kualiti hasil banyak bergantung pada sejauh mana pengguna menerangkan matlamat, konteks dan batasan—bukan sekadar menyatakan tugasan.

Pengajaran lebih besar untuk mereka yang bukan pengatur cara

Pengalaman Tan bukan bukti bahawa AI menjadikan pembangunan perisian serba automatik. Beliau masih perlu mengenal pasti masalah sebenar, menulis spesifikasi terperinci, membuka akaun, menghubungkan beberapa perkhidmatan, menguji aplikasi dan mempersoalkan hasil penyelidikan yang tidak boleh dipercayai.

Namun, kisah ini menunjukkan bagaimana pembantu pengekodan AI boleh membantu seseorang bermula dengan idea produk yang berguna, tanpa perlu menunggu bertahun-tahun untuk belajar pengaturcaraan. Bagi Tan, percubaan dan kebolehan memberi arahan yang jelas semakin menjadi kemahiran praktikal untuk pengguna biasa—termasuk mereka yang tidak menggunakan bahasa Inggeris dengan sempurna.

Kesimpulan yang paling berguna bukanlah “AI boleh membina apa sahaja”. Sebaliknya, mereka yang tiada latar belakang mengekod kini boleh menggunakan AI untuk menghasilkan prototaip alat yang khusus dan praktikal, selagi mereka sendiri bertanggungjawab terhadap keperluan, ujian dan pertimbangan fakta.