Claude × Kripto — 5 Framework Bedah Whitepaper (Kekuatan 200K Context)

1. Kenapa Pilih Claude untuk Analisis Whitepaper #

Selama 6 bulan terakhir saya pakai satu whitepaper proyek L2 (68 halaman) dan menjalankan task set yang sama di 4 model. Hasilnya seperti ini:

Context Gemini lebih besar tapi pemahaman konteks kriptonya agak dangkal. GPT-4o harus dipotong jadi banyak chunk, dan data tokenomics antar chunk sering tidak sinkron. Keunggulan Claude bukan "context paling besar", tapi tetap akurat menangkap detail di dalam context yang besar — ini yang penting.

2. Framework #1: Bedah Whitepaper Enam Dimensi #

Ini framework dasar — semua proyek langkah pertamanya pasti dijalankan ini. Upload PDF langsung ke Claude (Sonnet 4.5 cukup).

Template Prompt:

Lampiran adalah whitepaper PDF dari [Nama Proyek]. Tolong lakukan bedah berdasarkan enam dimensi di bawah ini.
Setiap dimensi pakai format "kutipan asli whitepaper → interpretasi Anda".
Jika ada hal yang tidak disebutkan eksplisit di dokumen, tandai "tidak disebutkan di whitepaper", jangan dikarang.

1. Pernyataan masalah: proyek mengklaim menyelesaikan masalah apa? Ringkas dalam 1 kalimat
2. Pendekatan teknis: teknologi apa yang dipakai, dan apa bedanya dengan proyek yang sudah ada
3. Tokenomics: kegunaan token, total supply, distribusi awal
4. Kurva unlock: vesting schedule untuk tim/investor/komunitas
5. Roadmap: milestone kunci 12 bulan ke depan dan milestone yang sudah dikirim
6. Bab risiko: risiko apa saja yang dicantumkan sendiri oleh whitepaper

Terakhir, sebutkan 5 hal yang "seharusnya ada di whitepaper tapi tidak ditulis".

Baris terakhir "seharusnya ada tapi tidak ditulis" adalah nilai tambah utama. Dari proyek-proyek yang sudah saya jalankan, daftar "seharusnya ada tapi tidak ditulis" yang sering muncul antara lain:

• Persyaratan hardware dan threshold ekonomi untuk validator node (memengaruhi tingkat desentralisasi)
• Model keamanan dana untuk cross-chain bridge (biasanya cuma disinggung samar dengan "sudah diaudit")
• Komitmen disclosure penjualan token tim setelah unlock
• Jalur governance komunitas jika upgrade mainnet gagal

3. Framework #2: Modeling Tekanan Unlock Tokenomics #

Kurva unlock di whitepaper biasanya cuma deskripsi teks, sulit dinilai dengan mata telanjang "bulan mana yang tekanan dumping-nya paling besar". Claude bersama Artifacts bisa langsung menggambarkan grafiknya.

Template Prompt:

Berdasarkan vesting schedule di halaman X-Y whitepaper terlampir:

Tolong buatkan tabel rilis token selama 36 bulan, dengan kolom-kolom berikut:
- Bulan (1-36)
- Jumlah unlock tim (persen dari total supply)
- Jumlah unlock investor
- Jumlah unlock ecosystem fund
- Jumlah rilis reward komunitas
- Total tambahan supply yang beredar per bulan
- Persentase supply beredar kumulatif

Lalu berdasarkan tabel itu, jawab:
1. Bulan mana saja 3 bulan dengan tekanan unlock terbesar? Masing-masing dari bagian mana
2. Asumsi harga token tidak berubah, berapa USDT-equivalent unlock per bulan (pakai FDV X)
3. Bulan mana saja yang jumlah unlock-nya melebihi 5x daily volume rata-rata bulan tersebut (kategori bulan tekanan jual jelas)

Terakhir, output markdown table plus bar chart 36 bulan (pakai Artifacts).

Tahun lalu saya jalankan prompt ini di sebuah proyek sektor AI, dan Claude menemukan "bulan ke-13 ada single unlock 6.2% dari token tim" — pola Cliff (12 bulan pertama fully locked, bulan ke-13 sekali rilis sekaligus) ini di whitepaper cuma disinggung satu kalimat, baru ketika digambarkan tabel jadi sadar bahwa ini jebakan besar. Proyek tersebut betul-betul turun 38% di bulan ke-13.

4. Framework #3: Audit Report + Komparasi Contract #

Ini skenario di mana 200K context betul-betul menunjukkan kekuatannya: feed sekaligus whitepaper + audit report + source code contract di Etherscan (Anda bisa langsung drag file .sol ke Claude).

Template Prompt:

Saya kasih Anda tiga materi:
- Lampiran 1: whitepaper PDF
- Lampiran 2: audit report PDF dari Certik / OpenZeppelin / Halborn
- Lampiran 3: source code .sol yang benar-benar deployed di mainnet

Tolong lakukan komparasi tiga lapis:

Lapis 1: izin contract yang disebut di whitepaper vs izin yang dicek di audit report vs modifier yang aktual di source code
- Apakah konsisten? Di mana perbedaannya

Lapis 2: issue dengan status "Acknowledged but not fixed" di audit report
- Sebutkan setiap issue + tingkat severity + respons proyek + apakah masih ada di versi final yang live

Lapis 3: fungsi admin di source code
- Sebutkan semua fungsi onlyOwner / onlyAdmin / emergency pause
- Fungsi mana yang punya timelock, fungsi mana yang tidak
- Konfigurasi N-of-M multi-sig (jika bisa dilihat di code)

Jangan beri kesimpulan "proyek ini aman/tidak aman". Saya butuh daftar fakta.

Baris terakhir penting — larang Claude memberi kesimpulan. Penilaian AI tipe "proyek ini secara keseluruhan aman" tidak ada gunanya, daftar fakta diserahkan ke tangan Anda untuk menilai sendiri.

5. Framework #4: Background Check Terbalik untuk Tim #

Tempelkan screenshot LinkedIn tim, halaman proyek terdahulu, history Twitter, profil Crunchbase semuanya ke Claude. Perhatikan bahwa Claude tidak online, semua materi harus Anda kumpulkan sendiri dulu.

Template Prompt:

Saya berikan informasi publik dari 5 anggota tim inti proyek ini (ringkasan LinkedIn + history Twitter + halaman proyek sebelumnya).

Tolong output:

1. Timeline setiap anggota:
   - Klaim publik tentang masa lalu + masa lalu yang benar-benar bisa diverifikasi (tunjukkan inkonsistensi)

2. Akhir dari proyek-proyek sebelumnya:
   - Masih jalan? Diakuisisi? Ditutup? Rug pull?
   - Berapa lama dari go-live sampai tutup/akuisisi

3. Daftar red flag:
   - Apakah proyek sebelumnya pernah kena lawsuit SEC, komplain komunitas, atau celah contract
   - Apakah anggota tim sekaligus tercantum di 2+ proyek kripto
   - Apakah ada kontradiksi mencolok antara deskripsi diri di LinkedIn vs Twitter

4. Keyword tambahan apa yang sebaiknya saya cari untuk cross-verify?

Jangan beri kesimpulan "tim ini bisa dipercaya / tidak bisa dipercaya".

Keunggulan Claude di sini adalah cross-reference horizontal: CV dari 5 orang dibuka berbarengan, Claude bisa menemukan detail seperti "3 orang sama-sama mengklaim bekerja di satu perusahaan yang sama tapi tidak ada periode yang overlap" — hal-hal seperti ini gampang terlewat oleh otak manusia.

6. Framework #5: Matriks Komparasi Kompetitor #

Yang terakhir, dipakai setelah analisis per-proyek selesai untuk komparasi horizontal. Sekali masukkan 3-5 whitepaper proyek ke Claude.

Template Prompt (disarankan Opus):

Lampiran adalah whitepaper 4 proyek dalam sektor yang sama (A/B/C/D).
Tolong buatkan matriks komparasi dengan dimensi-dimensi berikut:

- Mekanisme konsensus
- Waktu mainnet go-live
- TVL saat ini (saya akan tempel data DefiLlama untuk melengkapi)
- Persen alokasi token tim + waktu berakhirnya unlock
- Rasio token investor vs komunitas
- Aktivitas development 6 bulan terakhir (frekuensi commit GitHub, akan saya lengkapi)
- Jumlah audit + perusahaan auditor
- Jumlah halaman whitepaper dan tingkat keseriusan penulisan (penilaian subjektif Anda)
- Positioning unik dalam satu kalimat

Lalu jawab:

1. Dari 4 proyek, mana tokenomics-nya paling "ramah retail"?
2. Proyek mana yang gap "roadmap vs delivery aktual"-nya paling besar?
3. Proyek mana yang whitepaper-nya jelas "lebih banyak marketing speak daripada detail teknis"?

Terakhir, akui field mana saja yang tidak bisa Anda isi hanya dari whitepaper, perlu data eksternal.

Baris terakhir sangat penting. AI secara default akan memaksakan isian di semua field (bahkan jika materi kurang); dengan menambahkan "akui field mana yang tidak bisa diisi" barulah Claude akan menandai "insufficient data".

7. Hal yang Tidak Bisa Dilakukan Claude #

Beberapa jebakan yang sudah saya alami selama setengah tahun pakai Claude untuk due diligence kripto — saya tulis di sini supaya Anda bisa menghindarinya:

Limitasi 1: sepenuhnya tidak online. Semua "TVL saat ini", "harga 7 hari terakhir", "saldo contract real-time" yang diberi Claude adalah karangan atau nilai lama dari training data. Claude tidak punya Browse seperti ChatGPT, semua data real-time harus Anda ambil sendiri lalu tempel.

Limitasi 2: pada dokumen panjang masih sesekali "angka tidak nyambung". Sekali saya alami: tabel di halaman 23 whitepaper bilang alokasi tim 22%, detail vesting di halaman 47 bilang 18%. Output Claude adalah 22% — ia memilih versi yang muncul lebih awal tanpa menunjukkan konflik. Maka angka-angka kritikal wajib Anda cek ulang ke dokumen asli, sebaiknya minta Claude sekalian mencantumkan "semua nomor halaman tempat angka ini muncul di whitepaper".

Limitasi 3: topik leverage/contract akan memunculkan banyak disclaimer. Bertanya "bagaimana memakai 3x leverage untuk strategi struktural tertentu" akan men-trigger kalimat panjang "bukan saran" yang menurunkan kepadatan informasi. Ubah pertanyaannya jadi "asumsikan saya sudah punya posisi X, tolong analisis exposure posisi ini ketika BTC turun 10%" — ubah peran Claude dari "pemberi saran" jadi "analis".

Limitasi 4: context versi Free sangat terbatas. Context efektif versi gratis Claude jauh lebih kecil dari 200K (sekitar 100K, dan harus dibagi dengan riwayat percakapan), untuk feed whitepaper utuh wajib pakai versi Pro. Kalau tidak, dari giliran ke-5 atau ke-6 percakapan ia akan mulai "lupa" konten sebelumnya.

Lihat data proyek di Binance → Lihat Prompt Library lengkap →

8. FAQ #

Q1: Apakah Claude lebih cocok dari ChatGPT untuk analisis proyek kripto?

Untuk bedah dokumen panjang Claude jelas unggul — 200K context sekali muat seluruh whitepaper plus audit report plus tweet tim. Tapi Claude tidak online, semua data real-time harus Anda tempel sendiri. Untuk obrolan sehari-hari perbedaan keduanya tidak besar.

Q2: Sonnet atau Opus yang lebih cocok untuk analisis whitepaper?

Untuk 80% tugas harian Sonnet 4.5 sudah cukup, harganya cuma 1/5 dari Opus. Reasoning multi-variabel rumit (misal membandingkan 5 proyek sekaligus dengan rating risiko tokenomics) baru pakai Opus 4.5.

Q3: Apakah Claude akan menolak membahas proyek kripto?

Membahas struktur proyek, tokenomics, detail teknis tidak masalah. Yang ditolak Claude adalah "bantu prediksi koin X akan naik atau tidak", "rekomendasikan strategi leverage" — ini justru bagus, supaya Anda tidak dapat noise.

Q4: Bisakah pakai Claude API untuk analisis otomatis?

Bisa. Anthropic API ditarif per token, Sonnet 4.5 input sekitar $3/juta token, sekali run 200K input sekitar $0.6. Batch run due diligence 50 proyek satu malam masih di bawah $50.

Q5: Bagaimana setup workflow kripto khusus di Claude Project?

Di Claude.ai buat Project, tempel "framework due diligence kripto", "blacklist marketing speak proyek", "preferensi risiko Anda sendiri" ke Project Instructions. Setiap kali analisis proyek baru, upload whitepaper, framework otomatis diterapkan.

AI Trade Lab · 2026-05-15