Komunitas pengguna Claude AI, model kecerdasan buatan besutan Anthropic, mulai menemukan cara kreatif untuk mengatasi kebosanan terhadap frasa yang kerap diulang-ulang oleh asisten virtual tersebut. Frasa seperti "load-bearing" dan "honest takes" kerap muncul dalam berbagai respons, memicu keluhan di forum teknis global. Kehadiran fitur hook pada konfigurasi lokal membuka pintu bagi pengguna untuk menyunting tampilan teks tanpa harus mengubah model inti.
Solusi teknis ini berawal dari sebuah skrip Python sederhana yang dijalankan sebagai MessageDisplay hook. Berkas tersebut ditempatkan pada direktori ~/.claude/hooks/wordswap.sh dan diberikan izin eksekusi melalui perintah chmod +x. Setelah itu, pengguna cukup memasukkan jalur berkas ke dalam blok hooks di dalam ~/.claude/settings.json agar sistem membaca perintah saat proses start.
Keluhan terhadap gaya bahasa Claude sebenarnya bukanlah hal baru di kalangan pengembang perangkat lunak. Model bahasa besar (LLM) memang kerap menunjukkan bias pelatihan berupa pengulangan pola kata yang dianggap paling "aman" atau sesuai dengan korpus data. Frasa "load-bearing seam" misalnya, digunakan Claude untuk menyebut elemen krusial dalam sebuah sistem, namun penggunaan berlebihan membuatnya terdengar seperti jargon kosong.
Fenomena ini beririsan dengan apa yang disebut oleh para peneliti sebagai kecenderungan mode collapse pada LLM, di mana variasi respons menyempit ke pola yang sudah dikenali. Anthropic sebagai perusahaan pengembang memang merancang Claude dengan persona yang sopan dan hati-hati, namun dampaknya justru menciptakan monotonitas. Pengguna yang berinteraksi puluhan kali sehari akhirnya merasa frustrasi membaca respons yang terasa seperti template.
Skrip pengganti kata yang beredar di komunitas Hacker News menawarkan pendekatan pragmatis. Pembuatnya menyediakan kamus penggantian sederhana di dalam kode, seperti mengubah kata "seam" menjadi "whatchamacallit", "honest take" menjadi "spicy doodad", serta "load-bearing" menjadi "cooked". Mekanisme ini berjalan murni di sisi klien, menangkap output JSON dari model dan menyuntingnya sebelum ditampilkan di layar terminal.
Kendati demikian, tren adopsi AI generatif di Indonesia terus melonjak seiring masuknya integrasi LLM ke dalam produk lokal seperti peramban pintar dan asisten kode. Mayoritas pengguna domestik masih bergantung pada antarmuka resmi yang tidak menyediakan fleksibilitas modifikasi tingkat rendah seperti hook. Kehadiran metode ini memberikan pelajaran berharga bahwa personalisasi AI tidak harus menunggu pembaruan dari pengembang di Silicon Valley.
Dampaknya bagi pengembang lokal cukup signifikan. Dengan memanfaatkan hook lokal, privasi data tetap terjaga karena proses penyuntingan terjadi di mesin pengguna, bukan di server Anthropic. Hal ini krusial bagi perusahaan Indonesia yang ingin menyunting output AI agar lebih sesuai dengan konteks budaya lokal, misalnya mengubah frasa formal menjadi bahasa gaul yang relevan bagi pasar domestik tanpa risiko kebocoran data.
Sementara itu, pendekatan ini juga menyoroti celah dalam pengalaman pengguna (UX) AI saat ini. Ketergantungan pada satu gaya bahasa membuat model terasa kaku. Di sisi lain, kemampuan untuk memodifikasi tampilan respons membuktikan bahwa ekosistem AI yang sehat membutuhkan lapisan kendali di sisi klien, bukan sekadar kotak hitam di sisi server.
Sang pembuat skrip asli menyertakan sentuhan humor dalam penggantian frasa. Ia mengubah respons standar "you're absolutely right" menjadi "I'm a complete clown" untuk menyikut nada pasif-agresif yang kerap muncul. "Saya yakin Anda bisa membuat penggantian yang jauh lebih baik dan produktif daripada saya," tulisnya dalam kolom komentar pengumuman tersebut, mengajak komunitas bereksperimen dengan kosakata sendiri.
Menariknya, trik ini tidak memerlukan pengetahuan machine learning mendalam. Pengguna cukup memahami ekspresi reguler (regex) dasar untuk mencocokkan kata dan menggantinya. Hal ini mendemokratisasi cara kita berinteraksi dengan model besar, mengubah pengguna pasif menjadi editor aktif terhadap teks yang dihasilkan oleh mesin.
Proyeksi ke depan menunjukkan bahwa fitur hook serupa mungkin akan diadopsi oleh platform AI lainnya. Pengembang di Tanah Air bisa meniru konsep ini untuk model lokal seperti Llama versi finetune atau GPT-J yang dihosting mandiri. Tren personalisasi radikal ini akan mendorong munculnya perangkat lunak perantara (middleware) yang khusus mengelola estetika dan gaya bahasa AI.
Langkah berikutnya bagi komunitas teknologi Indonesia adalah membangun repositori terbuka berisi skrip hook yang disesuaikan dengan selera lokal. Kendati fitur ini baru tersedia untuk Claude, prinsipnya bisa diaplikasikan pada berbagai alat baris perintah (CLI) berbasis AI. Era di mana kita menerima mentah-mentah apa yang dikatakan mesin telah berakhir.