Mål før prompt
Beskriv ønsket resultat, avgrensning og akseptansekriterier. En elegant prompt kan ikke kompensere for et uklart mål.
AI · AGENTS · SOFTWARE
Et praktisk læringsområde for AI engineering: modeller, grounding, agenter, evaluering, produksjon, maskinlæring, Codex og Claude Code.
Sist faglig gjennomgått · 22. august 2026
AI endrer ikke bare hvordan kode skrives. Agentiske utviklingsverktøy kan undersøke en kodebase, lage en plan, endre flere filer, kjøre verktøy, tolke feil og fortsette til resultatet kan verifiseres. Utviklerens viktigste oppgave flyttes derfor gradvis fra å produsere hvert tegn til å definere mål, forme kontekst, designe grenser og vurdere bevisene.
Dette området handler om den disiplinerte varianten av AI-utvikling: tydelige oppgaver, kontrollerbar autonomi og resultater som kan testes. Det er ikke en verktøykonkurranse mellom Codex og Claude Code. De samme grunnprinsippene avgjør kvaliteten uansett hvilken agent som brukes.
En komplett guide til LLM-grunnlag, grounding, agentiske systemer, evaluering, produksjonsdrift og maskinlæring.
Start læringsløpet →02Forstå agentløkken, kontekstarkitektur, verktøy, grader av autonomi, evalueringsdrevet utvikling og sikker delegering.
Lær grunnprinsippene →03Arbeidsflater, AGENTS.md, skills, MCP, kodegjennomgang og en verifiserbar arbeidsflyt fra oppgave til ferdig endring.
Gå til Codex-guiden →04CLAUDE.md, planlegging, hooks, MCP, subagenter, tillatelser og Anthropic-mønstre for agentisk koding.
Gå til Claude-guiden →05Offisielle kanaler og et kuratert utvalg innholdsskapere for agentisk koding, AI engineering og modellforståelse.
Finn kanaler å følge →Beskriv ønsket resultat, avgrensning og akseptansekriterier. En elegant prompt kan ikke kompensere for et uklart mål.
Repo-regler, relevante filer, eksempler, verktøy og tidligere beslutninger avgjør hva agenten faktisk kan få til.
Tester, bygg, statisk analyse, evals og menneskelig kontroll gjør agentens arbeid etterprøvbart.
Sandbox, minste privilegium, nettverkskontroll og eksplisitt godkjenning begrenser konsekvensene når agenten tar feil.