Stabil, Cepat, Produktif, Murah: Rekam Lengkap AI Coding Stack-ku

Gagasan utamanya pertama kali dipublikasikan di X; artikel ini adalah catatan lengkap konfigurasinya.

Kesimpulan dulu: OpenCode + OpenChamber + langganan DeepSeek V4 Flash lewat OpenCode Go + langganan DeepSeek V4 Flash lewat Ollama Cloud.

Stack ini kupakai intensif jangka panjang, dan empat kata yang merangkumnya: stabil, cepat, produktif, murah. Kutahan 15 proyek beruntun yang semuanya jalan kode bareng, kuotanya cuma tergerus sedikit.

Kenapa OpenCode + OpenChamber

Proses seleksinya sudah kutulis di artikel lain; di sini cuma alasannya di level hasil: OpenCode saat ini inti multi-model paling seimbang — open source, banyak Provider, Client/Server, app desktop, dan subagent semuanya matang; sedangkan OpenChamber adalah Harness GUI open source dengan finishing terbaik yang pernah kupakai, pengelolanya merawatnya dengan sungguh-sungguh, rapi dan stabil, dan bug kecil sesekali sama sekali tak mengganggu pemakaian jangka panjang.

Antarmuka web + PWA, hampir tak ada bedanya dengan aplikasi desktop, dan pembaruan tidak perlu manual.

Konfigurasi Berputar di Sekitar Tiga Kebutuhan Inti

Konfigurasi OpenCode-ku dibangun di sekitar tiga hal: manajemen context, sistem memori, kemampuan eksternal.

1. opencode-dcp (open source) — pemangkasan context dinamis. Saat context menyentuh ambang tertentu, konten lama otomatis dikompres jadi ringkasan teknis: informasi kunci dipertahankan, noise dibuang, duplikat dibersihkan, dan konten bernilai rendah seperti error tool dikeluarkan dari context. Sesi panjang tak membuat context meledak, hemat uang dan token — inilah fondasi agar tugas panjang bisa jalan seharian penuh.

2. opencode-goal-plugin — manajemen goal. Menambahkan mode Goal pada tugas panjang, jadi kalau agent melenceng bisa ditarik kembali.

3. Hermes Memory — memori berlapis (kubuka open source-nya kalau memang dibutuhkan). Ini plugin terberatku: mekanisme memori berlapis milik Hermes agent kupindahkan ke OpenCode, mengingat preferensi pengguna, keputusan proyek, dan pelajaran masa lalu lintas sesi. Proyek baru tak perlu diajari dari nol.

4. context7-MCP. Mencari dokumentasi resmi terbaru untuk library dan framework — tidak perlu menggali sendiri.

5. grep-MCP. Mencari pemakaian nyata di seisi kode GitHub — jauh lebih bisa diandalkan daripada menulis dari ingatan.

6. open-computer-use — otomasi desktop. Membuat AI langsung mengoperasikan aplikasi macOS: klik, mengetik, scroll, drag, screenshot, membaca accessibility tree. Sangat berguna untuk tahap testing dan acceptance.

Hitungan Biaya: Bagaimana Dua Langganan Dipakai

DeepSeek V4 Flash adalah inti value-for-money dari stack ini: benar-benar pintar, benar-benar hemat. Langganan OpenCode Go menutupi alur kerja utama; langganan Ollama Cloud jadi kanal kedua untuk membagi beban — dua langganan digabung lebih murah daripada satu Coding Plan pabrikan mainstream, dengan output lebih tinggi.

Klaim bahwa “model di dalam shell pihak ketiga menurun kecerdasannya” perlu dibedah: akar degradasinya adalah “shell yang tidak melakukan Harness Engineering untuk modelnya”, bukan tindakan ganti shell-nya. Dukungan OpenCode untuk model terbuka kelas papan atas, dan DeepSeek V4 Flash berjalan di dalamnya stabil dan cepat — justru itulah alasan saya berani menumpuk 15 proyek di atasnya.

Pelajaran “Tetap pada Pasangan Aslinya”

Teman-teman di grup sering bertanya: ada nggak desktop coding AI universal? Yang bisa nyambung ke semua langganan dan tidak pernah menurunkan kecerdasan model mana pun?

Setelah ngobrol dengan beberapa teman yang tiap hari utak-atik intensif, kesimpulan kami satu: tidak ada. Tetap pada pasangan aslinya.

• GPT → Codex: langganan resmi langsung, penjadwalan native paling stabil.
• Gemini → AntiGravity: langit-langit kecepatan, jendela panjang tanpa tersendat.
• DeepSeek, GLM dan model-model terbuka lain → Harness yang ramah model terbuka seperti OpenCode / ZCode.

Model yang dipaksakan ke shell yang tidak cocok hampir pasti kena penurunan kecerdasan, pelambatan, dan langganan macet. Tinggalkan tiap model di tempat duduk yang paling nyaman baginya; kombinasilah yang jadi stack-mu.

Penutup

Stack ini sudah kujalani berbulan-bulan, dan perubahan terbesarnya bukan soal berapa yang kehemat — tapi “berani membuka tugas”. Karena stabil dan murah, membuka 15 proyek tidak bikin deg-degan. Nilai sebuah tool stack pada akhirnya terlihat dari berapa banyak pekerjaan yang kamu berani taruh di atasnya.