Hanya setengah jam untuk memahami bidang baru, bagaimana menggunakan AI untuk membangun kerangka kognitif dengan cepat?

Judul asli: 《Sharing a Deep Research Prompt I’ve Used for 2 Years, Helps You Understand Any陌生领域 in Half an Hour.》

Penulis asli: Kartu Kehidupan Digital Kaczka

Sumber asli:

Repost: Mars Finance

Beberapa hari yang lalu selesai menghadiri konferensi, lalu kemarin akhir pekan makan bersama teman, ngobrol-ngobrol tiba-tiba dia meletakkan sumpitnya dan menatapku lalu berkata, bukan bro, kamu kok tahu semua sedikit-sedikit?

Aku bilang aku nggak tahu apa-apa.

Dia bilang rasanya kamu bisa ngobrol tentang apa saja, apa Harness, apa Claude Code, apa psikologi, apa Slaughter Tower 2, apa mitologi Cthulhu, kamu kok masih sempat main Pokémon popakia, kamu punya berapa jam dalam sehari?

Aku langsung terdiam sejenak.

Karena jujur saja, ngobrol pamer, ya pamer, aku nggak merasa aku tahu semuanya, aku cuma penasaran sama banyak hal, lalu punya satu metode yang bisa bikin aku cepat banget ngerti sesuatu yang asing.

Dia tanya lagi, apa metode itu?

Aku bilang, satu kerangka riset yang aku buat sendiri, ditambah AI, dalam setengah jam bisa keluar satu laporan riset 1-2 ribu kata, bisa bantu kamu masuk ke bidangnya dengan sangat cepat.

Sumpitnya pun kembali aku letakkan.

Lalu dia bilang, “Tulis ini semua.”

Maka jadilah artikel hari ini…

Aku juga nggak tahu ini berguna buat semua orang, tapi ini memang metode yang aku pakai sendiri tiga tahun lalu saat masih di industri keuangan, buat riset perusahaan dan industri, lalu kemudian AI datang, berbagai riset mendalam pun muncul, aku sendiri juga mengembangkan metode ini sedikit, membungkusnya jadi Prompt yang bisa dipakai untuk riset mendalam AI, bisa dipakai buat aku riset apa saja, jujur aku rasa ini salah satu hal yang paling aku pakai selama dua tahun terakhir.

Aku nggak berani bilang riset yang dihasilkan ini sangat mendalam, tapi setidaknya bisa bikin aku cepat membangun kerangka pengetahuan yang cukup lengkap, lalu aku gali lebih dalam di atasnya.

Metode ini dulu aku sebut sebagai.

Metode Analisis Horizontal dan Vertikal.

Sekarang aku jelaskan dulu apa sih ini.

Sebenarnya sangat simpel, cuma dua sumbu.

Sumbu pertama, vertikal. Yaitu mengikuti garis waktu, mengembalikan cerita lengkap dari awal hingga sekarang. Ini asalnya dari mana? Siapa yang buat? Apa yang terjadi di tengahnya? Kenapa di titik tertentu tiba-tiba meledak, atau malah berbalik arah? Kalau kamu bisa menguraikan garis ini, kamu bisa memahami sejarah dan sebab-akibatnya secara garis besar.

Sumbu kedua, horizontal. Yaitu di titik waktu saat ini, membandingkan dengan hal lain di jalur yang sama. Apa bedanya dengan kompetitor? Kenapa pengguna memilih dia, bukan yang lain? Posisi apa dia di dalam jalur industri? Kalau kamu bisa melihat aspek ini dengan jelas, kamu bisa memahami posisi dan perbedaan sesuatu.

Lalu langkah paling penting adalah menggabungkan kedua sumbu ini.

Vertikal memberitahu kamu bagaimana dia sampai hari ini, horizontal menunjukkan posisinya hari ini. Kalau kedua sumbu ini dipadukan, kamu bisa melihat hal-hal yang nggak bisa dilihat dari satu sumbu saja. Misalnya, keunggulan hari ini sebenarnya berasal dari keputusan kecil tiga tahun lalu yang terus terkumpul. Atau, kekurangan hari ini sebenarnya adalah hasil dari pilihan yang rasional di awal tapi berubah menjadi beban.

Vertikal menelusuri waktu secara mendalam, horizontal menelusuri ruang secara luas, lalu keduanya digabungkan untuk membuat penilaian.

Begitu saja.

Ini juga metode yang paling aku pakai selama dua tahun terakhir.

Metode ini sebenarnya terinspirasi dari sudut pandang penelitian dalam ilmu sosial dan linguistik klasik.

Dalam linguistik, ada satu dimensi analisis yang sangat terkenal, yang diperkenalkan Saussure, disebut analisis diachronic dan synchronic.

Yaitu, saat meneliti sesuatu, bisa dari dua dimensi: satu dimensi waktu, melihat bagaimana sesuatu berkembang dari masa lalu ke sekarang, dan satu lagi dimensi saat ini, melihat posisi dan hubungan sistematisnya di titik waktu tertentu.

Dalam ilmu sosial juga ada sudut pandang serupa, disebut penelitian vertikal dan penelitian cross-sectional. Vertikal mengikuti jejak perubahan objek, sedangkan cross-sectional mengamati kondisi objek di satu titik waktu dan membandingkannya.

Aku mengadaptasi sudut pandang ini dari dunia akademik, lalu menggabungkan dengan pemikiran analisis kompetitif dan strategi bisnis, jadi satu kerangka riset umum yang bisa dijalankan pakai AI.

Sekarang ada versi Prompt dan versi Skill

Semua juga sudah aku open source di repositori Github-ku:

Versi Prompt, dipadukan dengan AI yang punya fitur riset mendalam, hasilnya akan sangat bagus, misalnya ChatGPT DeepResearch, Claude DeepResearch, Doubao Expert Mode, DeepSeek Expert Mode, dan lain-lain. Aku juga sengaja mengoptimasi gaya penulisan dan memakai beberapa kemampuan skill dari Kaczka, agar laporan yang dihasilkan enak dibaca, bukan seperti kitab suci yang sulit dimengerti…

Aku taruh Prompt-nya di sini, buat yang butuh tinggal copy saja, bisa juga di repositori Github-ku.

Caranya sangat simpel, tinggal ganti kata di belakang persamaan objek riset itu dengan objek yang mau kamu teliti.

Misalnya yang lagi viral akhir-akhir ini, hermes agent, Harness, CLI, atau dampaknya terhadap saham SaaS dari Anthropic, dan lain-lain.

Bahkan kamu bisa riset tentang “Dunia Rock Kingdom”, “Dunia Honor of Kings”, konflik Iran dan AS, Trump yang suka berubah-ubah, dan lain-lain.

Apa saja bisa.

Aku contohkan pakai riset mendalam Harness + Claude yang lagi nge-hits.

Aku ubah Prompt-nya sedikit, ganti di persamaan itu jadi Harness, lalu aktifkan mode riset mendalam Claude.

Kirim.

Lalu Claude akan konfirmasi dulu, Harness itu apa, aku tambahkan penjelasan.

Lalu langsung mulai.

13 menit kemudian, laporan riset tentang Harness selesai.

Cek hasilnya, analisis vertikal aku cukup oke, sejarahnya jelas banget, kapan muncul, kapan meledak, titik-titik pentingnya apa.

Kenapa muncul di waktu tertentu juga masuk akal.

Di bagian horizontal, aku bandingkan Prompt Engineering, Context Engineering, dan Agent Engineering.

Aku yakin yang paham Agent nggak akan ragu soal perbandingan ini, kamu bisa cepat memahami perbedaan dengan konsep serupa.

Ada juga bagian prediksi masa depan.

Total laporan ini sekitar 10 ribu kata, percaya deh, kalau kamu penasaran sama Harness dan mau tahu semua tentang dia secara cepat dan lengkap, laporan ini jauh lebih baik dari kebanyakan rangkuman artikel yang ada.

Lengkap dan gampang dibaca.

Objek riset bisa berupa produk, misalnya Cursor, Claude Code, Hermes Agent. Bisa perusahaan, seperti Anthropic, ByteDance. Bisa konsep teknologi, seperti MCP Protocol, RAG. Bahkan orang, misalnya tokoh penting di industri tertentu.

Prompt-nya otomatis menyesuaikan fokus analisis vertikal dan horizontal sesuai tipe objek riset. Produk fokus ke versi dan fitur, perusahaan ke pendanaan dan model bisnis, orang ke jejak karier dan perbandingan tokoh sejenis.

Kalau kamu biasa pakai Cowork, Claude Code, Codex, atau Agent lain, aku juga buatkan Skill bernama hv-analysis, yang juga open source di Github.

Pasang, lalu tinggal bilang “Bantu aku riset tentang xxx”, dia akan pakai kerangka analisis ini.

Skill ini juga otomatis terhubung ke internet, termasuk API arXiv, jadi bisa cari paper otomatis saat riset akademik, lalu hasilnya dibuatkan PDF yang rapi dan enak dibaca, lebih bebas dan lengkap dari versi Prompt.

Tapi aku harus jujur, metode ini punya batasan.

Nggak sempurna.

Dia bisa bantu bangun kerangka pengetahuan lengkap dalam waktu singkat, tapi nggak bisa menggantikan riset mendalam dan langsung dari sumber.

Selain itu, meski model AI sekarang sudah sangat rendah tingkat hallucination-nya, tetap ada kemungkinan informasi nggak akurat.

Jadi, jangan langsung percaya 100% laporan AI ini sebagai kesimpulan, ini lebih sebagai titik awal risetmu, buat peta dulu, lalu gali lebih dalam.

Lalu, kualitas laporan tergantung juga sama model dan tools yang dipakai. Kalau pakai tools yang support DeepResearch, hasilnya biasanya lebih bagus karena mereka benar-benar bisa cari dan verifikasi info online, biasanya butuh waktu minimal 10 menit.

Kalau cuma pakai AI yang cuma bisa search cepat, kurang dari satu menit, ya hasilnya pasti kurang optimal.

Aku biasanya setelah dapat laporan, baca cepat buat bikin kerangka, lalu fokus ke bagian yang dirasa perlu didalami lagi, cari info tambahan.

Ini kombinasi antara AI riset + eksplorasi pribadi, jauh lebih efisien daripada mulai dari nol.

Di zaman ini, dengan AI sudah ada, nggak perlu lagi repot-repot gali sendiri, itu sudah nggak relevan.

Kadang aku mikir, dalam riset, yang benar-benar langka bukan info, tapi rasa ingin tahu tentang dunia ini.

Kalau ditanya, aku ini orang yang sangat berpengetahuan luas atau profesional, jawabannya nggak juga, aku cuma punya sedikit rasa ingin tahu lebih tentang dunia ini.

Selalu ada pertanyaan yang muncul di kepala: Ini asalnya dari mana? Kenapa muncul sekarang? Hubungannya apa sama yang lain? Orang yang dulu bikin ini apa kerjanya? Kalau aku nggak tahu jawabannya, aku merasa nggak tenang. Aku nggak tahu kalian, tapi aku punya perasaan seperti itu, pengen banget langsung tahu jawabannya.

Informasi sekarang sudah seperti banjir, AI bikin biaya akses info jadi hampir nol.

Tapi, pertanyaan apa yang harus diajukan, sudut pandang apa yang dipakai, dan bagaimana mengatur info yang tersebar jadi penilaian bermakna, itu nggak bisa digantikan AI. AI cuma bisa bantu eksekusi setelah kita beri arahan.

Metode analisis horizontal dan vertikal ini sebenarnya adalah kerangka pertanyaan yang aku buat sendiri. Saat aku menghadapi sesuatu yang asing, aku nggak perlu mikir lagi dari sudut apa aku harus memulai, kerangka ini sudah aku siapkan.

Menelusuri waktu secara vertikal, menelusuri ruang secara horizontal, lalu menggabungkan keduanya untuk membuat penilaian, cukup tiga langkah ini, kerangka pengetahuan terbentuk.

Ini bikin aku nggak perlu lagi menghabiskan tiga hari buat cari info, sekarang cukup setengah jam, aku sudah punya kerangka, lalu sisanya aku pakai buat melihat gambaran lengkapnya, sampai tiba-tiba “Oh, jadi begini” dan momen aha itu datang.

Momen itu sangat menyenangkan.

Jujur aku nggak yakin metode ini cocok buat semua orang.

Tapi kalau kamu tipe yang sering muncul pertanyaan di kepala dan merasa proses cari info terlalu lambat, coba deh.

Orang Yunani kuno bilang, filsafat dimulai dari kekaguman.

Aku rasa, riset juga, dimulai dari rasa ingin tahu yang besar terhadap sesuatu, metode dan alat hanyalah pelengkapnya. Rasa ingin tahu itu yang utama.

Tanpa rasa ingin tahu, metode sekeren apa pun cuma jadi hiasan.

Dengan rasa ingin tahu, meski metode agak kuno sekalipun, kamu tetap akan menemukan jawabannya.

Hanya saja, sekarang, mencari jawaban jauh lebih cepat dari dulu.

Sampai-sampai kamu bisa lebih banyak tahu tentang berbagai hal.

Tetaplah penasaran.