Kategori

AI-resan

Artiklar i kategorin AI-resan.

Prenumerera med RSS

  1. Från självskattning till AI-resa: så blev Fluentor till

    I november 2026 fick produkten nivå namnet Fluentor. Den hade gått vidare till det som kommer efter självskattningen, medan namn, logga och landningssida fortfarande talade om din nivå. Det här behövde ändras.

  2. Sätt gränserna i förväg

    En rad i instruktionsfilen ber en AI-agent uppföra sig, medan en gräns kontrolleras utanför den. Den här delen går igenom de begränsningar som verktygen erbjuder, en första uppsättning att pröva i ett övningsprojekt och vad du gör när en gräns släpper igenom något. Sjunde delen i serien "Från AI-chatt till agentiskt arbete".

  3. Var AI-agenten körs och vem som startar den

    En agent som körs utan att någon sitter bredvid kan inte fråga någon, så ett bra första jobb att låta köra på egen hand är ett som bara får läsa. Den här delen följer samma agent på fem ställen, från editorn till ett schema och leverantörens moln. Den säger vad som följer med till en körning i molnet och slutar med ett första jobb som körs av sig självt varje morgon. Sjätte delen i serien "Från AI-chatt till agentiskt arbete".

  4. MCP, så når AI-agenten andra system

    Den första kopplingen till ett annat system bör bara kunna läsa, eftersom en koppling ger agenten längre räckvidd. Den här delen förklarar vad MCP är, hur du gör en sådan koppling och vad du gör när den inte fungerar. Femte delen i serien "Från AI-chatt till agentiskt arbete".

  5. Ge varje AI-agent ett eget jobb

    En AI-agent med ett enda jobb och bara de verktyg den behöver är lättare att granska och lita på. Exemplet här är en granskare som bara får läsa. Den här delen visar hur du skriver dess beskrivning och vad du gör först. Tredje delen i serien "Från AI-chatt till agentiskt arbete".

  6. Skills, när arbetet ska göras likadant varje gång

    För att säkerställa att AI-agenten gör ett jobb likadant varje gång kan du skriva stegen som en skill: en mapp med en markdown-fil och ofta ett skript för det som måste bli exakt. Den här delen visar hur det fungerar, vad två studier fann och vad du gör först. Fjärde delen i serien "Från AI-chatt till agentiskt arbete".

  7. Instruktionsfilen, det första en AI-agent läser

    Agenten kan läsa din kod men inte gissa hur projektet installeras och testas, så en kort markdown-fil som den läser varje gång den startar talar om det. Den här delen följer en påhittad webbapp och dess fil: vad som ska stå först, hur filen hålls användbar och hur en fil räcker för flera verktyg. Andra delen i serien "Från AI-chatt till agentiskt arbete".

  8. Från AI-chatt till agentiskt arbete

    En AI-agent körs ofta på samma modell som en chatt med AI. Det som skiljer dem åt är allt runt modellen: en agent får läsa projektet, ändra filer, köra kommandon och kontrollera sitt eget arbete. Den första delen i serien beskriver vad agenten består av och hur det ser ut i fabriken bakom den här sajten.

  9. En studie av borgmästarens kontext

    Vad en bead kostade borgmästaren, agenten som samordnar fabriken bakom den här sajten, den 22–23 och 24–25 september 2026, vad som drev den kostnaden och vad varje ändring i dess kontext gjorde.

  10. Lärdomar från att bygga nivå

    Vad en självskattning av AI-kompetens och AI-mognad för individer och team har lärt oss om angreppssätt och beslut medan den fortfarande är under utveckling.

  11. Ashlands: vad en enda prompt byggde

    En prompt och en flotta subagenter gav 94 000 rader av ett spel som går att spela – men klarade inte den sista biten. Vad Gauntlet Loop fick rätt, vad det kostade och vad grundaren tillförde.

  12. Därför driver vi en agentdriven mjukvarufabrik

    Första artikeln i en serie om fabriken bakom den här sajten – vad Gas City och Beads är, vad vi tog från Steve Yegges arbete och vad vi ändrade, med ett bygge i verkliga siffror.

Kategorier