Asisten coding berbasis AI memang sangat powerful—tetapi mereka juga pelupa.
Mereka sering lupa alasan di balik sebuah keputusan, menyimpang dari konvensi yang sudah disepakati, dan kadang memberikan jawaban yang saling bertentangan antar sesi.
SpecStory hadir untuk mengatasi masalah ini dengan mengubah percakapan AI yang sifatnya sementara menjadi memori proyek yang tahan lama dan, jika dikonfigurasi, menjadi Rules yang aktif untuk membantu tools seperti Cursor dan GitHub Copilot bekerja lebih konsisten dan cerdas.
Pada intinya, SpecStory mengubah “chat dengan AI” menjadi bagian dari codebase yang dapat dilacak, diaudit, dan digunakan ulang.
Table of Contents
Apa yang Dilakukan SpecStory (Gambaran Umum)
SpecStory adalah developer tool berupa ekstensi yang berjalan di dalam Cursor dan VS Code, dan bekerja berdampingan dengan asisten AI yang sudah Anda gunakan.
Fungsinya antara lain:
- Menyimpan setiap sesi coding dengan AI—prompt, respons, diff, dan potongan kode—secara otomatis sebagai file Markdown di dalam proyek.
- Memungkinkan Anda mengkurasi, menggabungkan, memberi anotasi, dan membagikan percakapan sebagai URL publik untuk rekan tim atau reviewer.
- Membuat dan memaintain AI Rules dari percakapan tersebut agar Cursor dan GitHub Copilot tetap selaras dengan keputusan arsitektur dan coding yang terus berkembang.
Alih-alih menganggap output AI sebagai sesuatu yang sekali pakai, SpecStory memperlakukannya sebagai memori proyek.
Menyimpan Riwayat Chat AI dalam Format Markdown
Setiap interaksi dengan AI akan otomatis disimpan sebagai file .md terpisah di dalam folder:
.specstory/history/
Setiap file mencatat:
- Apa yang Anda tanyakan
- Bagaimana AI merespons
- Kode atau diff yang dihasilkan
Karena file-file ini berada di dalam repository:
- Bisa dicari dengan tool standar
- Bisa direview lewat Pull Request
- Menyimpan alasan (why), bukan hanya hasil akhirnya
SpecStory juga memungkinkan Anda membagikan percakapan tertentu melalui URL publik yang aman, sehingga memudahkan menjelaskan keputusan teknis kepada rekan tim atau maintainer di masa depan.
Bagaimana History Membantu (dan Batasannya)
Penting untuk memahami batasannya:
File history Markdown ini tidak secara otomatis memengaruhi perilaku Cursor atau GitHub Copilot.
Fungsinya adalah sebagai dokumentasi dan konteks, bukan instruksi aktif.
Namun, Anda tetap bisa memanfaatkannya dengan efektif, misalnya dengan:
- Membaca file history yang relevan lalu menyalin constraint penting ke prompt baru.
- Menggunakan fitur referensi
@di Cursor untuk memasukkan file history tertentu ke dalam sesi chat.
Singkatnya:
History adalah konteks yang dikendalikan manusia. Anda yang menentukan kapan AI perlu melihatnya.
Membuat Bantuan AI Menjadi Otomatis dengan Derived Rules
Di sinilah SpecStory menjadi lebih dari sekadar alat logging.
Dengan mengaktifkan:
"specstory.derivedRules.enabled": true
SpecStory akan menganalisis percakapan Anda dan memelihara Derived Rules yang aktif untuk asisten AI:
.cursor/rules/derived-rules.mdcuntuk Cursor.github/copilot-instructions.mduntuk GitHub Copilot
Menggunakan system prompt bawaan, SpecStory akan:
- Mendeteksi pernyataan yang bersifat rule
(misalnya: “always use Riverpod”, “never use Bloc”, “controllers must stay thin”) - Menggabungkannya dengan Rules yang sudah ada
- Menyelesaikan konflik ketika keputusan baru menggantikan keputusan lama
Hasilnya adalah Ruleset yang aktif, berkembang secara alami dari cara Anda berinteraksi dengan AI.
Mengapa Ini Meningkatkan Kemampuan Fitur Autocomplete dan Chat di Cursor
Cursor memperlakukan file .cursor/rules/*.mdc sebagai first-class guidance untuk autocomplete maupun chat.
Dengan Derived Rules aktif:
- Anda tidak perlu lagi memaintain Rules secara manual
- Keputusan yang dibuat saat kerja nyata langsung memengaruhi saran AI berikutnya
Hasilnya, AI akan:
- Menggunakan stack dan pattern yang Anda preferensikan
- Mengikuti naming, struktur folder, dan konvensi arsitektur
- Mematuhi quality bar yang sudah disepakati (testing, error handling, typing)
Alih-alih terus-menerus mengoreksi AI, Anda cukup “mengajarinya” sekali—dan SpecStory yang mengingatnya.
Cara Kerja di Cursor
Workflow di Cursor sangat sederhana:
- Anda bekerja seperti biasa; chat dan diff kode otomatis disimpan.
- SpecStory menyimpannya ke dalam
.specstory/history/. - Dengan Derived Rules aktif, percakapan tersebut memperbarui
.cursor/rules/derived-rules.mdc. - Cursor menggunakan Rules ini untuk memandu autocomplete dan chat.
Versi Rules lama juga dibackup secara otomatis, sehingga Anda bisa mengecek atau rollback jika diperlukan.
Cara Kerja di VS Code + GitHub Copilot
SpecStory juga mendukung workflow VS Code:
- Percakapan Copilot Chat disimpan ke
.specstory/history/. - Anda bisa menggabungkan, memberi anotasi, dan membagikan percakapan sebagai URL.
- Dengan Derived Rules aktif, SpecStory memperbarui
.github/copilot-instructions.md.
GitHub Copilot membaca file ini sebagai repository-level guidance, sehingga:
- Saran Copilot berkembang mengikuti keputusan terbaru
- Instruksi tetap up to date tanpa perlu edit manual
- Copilot berperilaku lebih seperti rekan tim yang mengingat kesepakatan sebelumnya
Kapan Menggunakan History vs Derived Rules
| Situasi | History (.md) | Derived Rules |
|---|---|---|
| Memahami keputusan masa lalu | ✅ Ideal | ❌ Tidak perlu |
| Satu prompt butuh konteks tambahan | ✅ Referensi / paste | Opsional |
| Semua saran harus konsisten | ❌ Tidak cukup | ✅ Esensial |
| Perubahan arsitektur / standar | ✅ Dokumentasi | ✅ Auto-updated |
Cara memikirkannya:
- History → memori selektif, dikendalikan manusia
- Derived Rules → guardrail otomatis, selalu aktif
Keduanya bersama-sama mengurangi drift dan pengulangan.
Kesimpulan: AI yang Dapat Diandalkan Dimulai dari Memori yang Terjaga
Dengan sendirinya, SpecStory memberikan sesuatu yang selama ini tidak dimiliki asisten AI: memori yang tahan lama dan alignment, langsung di dalam editor.
Dengan mengubah chat AI menjadi pengetahuan proyek yang terversi dan menurunkan Derived Rules dari percakapan nyata, SpecStory memastikan tools seperti Cursor dan GitHub Copilot mengingat apa yang diputuskan, mengapa diputuskan, dan bagaimana mereka seharusnya berperilaku ke depannya. Hasilnya adalah bantuan AI yang lebih konsisten, lebih dapat diprediksi, dan jauh lebih minim architectural drift.
Ketika dikombinasikan dengan Beads, dampaknya menjadi jauh lebih kuat. Beads meningkatkan kemampuan reasoning AI dengan menyediakan memori terstruktur yang persisten lintas sesi, dengan menyimpan task graph langsung di dalam Git repository. Ini memungkinkan AI mempertahankan konteks jangka panjang, memahami dependensi antar tugas, dan melakukan reasoning dengan lebih andal dari waktu ke waktu. Konsep ini sudah kami bahas lebih dalam di artikel terpisah:
Beads AI Memory: Sistem Memori Terstruktur untuk Mengatasi Agent Amnesia
Bersama-sama, SpecStory dan Beads membawa AI assistant melampaui chat jangka pendek. Bukan lagi asisten yang cerewet tapi tidak konsisten, melainkan partner teknis yang berperilaku seperti senior engineer—mengingat keputusan sebelumnya, berpikir dalam batasan yang jelas, dan membangun solusi di atas pekerjaan sebelumnya, bukan saling bertentangan.
Inilah nilai utama SpecStory—dan alasan mengapa mengombinasikannya dengan Beads membuka potensi AI yang jauh lebih bisa diandalkan.
