{"id":2437,"date":"2026-06-22T21:17:10","date_gmt":"2026-06-22T19:17:10","guid":{"rendered":"https:\/\/pletzenauer.com\/?p=2437"},"modified":"2026-08-05T17:25:37","modified_gmt":"2026-08-05T15:25:37","slug":"saadan-styrer-du-ai-coding-agenter","status":"publish","type":"post","link":"https:\/\/pletzenauer.com\/da\/2026\/06\/22\/saadan-styrer-du-ai-coding-agenter\/","title":{"rendered":"S\u00e5dan styrer du AI-coding-agenter: dirig\u00e9r Claude Code som en instrukt\u00f8r"},"content":{"rendered":"<style>\n.yt-post{--ink:#14110C;--paper:#FBF8F2;--cream:#F1ECE1;--orange:#F2671E;--orange-d:#D9551A;--line:#E6E0D4;--muted:#8C8578;--body:#5C564B}\n.yt-post .key-takeaways{background:var(--cream);border:1px solid var(--line);border-left:4px solid var(--orange);border-radius:14px;padding:22px 26px;margin:26px 0}\n.yt-post .key-takeaways h2{margin:0 0 12px;font-size:1.35rem}\n.yt-post .key-takeaways ul{margin:0;padding-left:1.1em}\n.yt-post .key-takeaways li{margin:.45em 0}\n.yt-post figure.yt-fig{margin:30px 0;text-align:center}\n.yt-post figure.yt-fig img{width:100%;height:auto;border:1px solid var(--line);border-radius:16px;box-shadow:0 12px 34px rgba(20,17,12,.07)}\n.yt-post figure.yt-fig figcaption{color:var(--muted);font-size:.92rem;margin-top:10px;line-height:1.45}\n.yt-post .yt-downloads{background:var(--paper);border:1px solid var(--line);border-radius:18px;padding:28px;margin:40px 0}\n.yt-post .yt-downloads>h2{margin:0 0 18px;font-size:1.4rem}\n.yt-post .yt-dl-grid{display:grid;grid-template-columns:1fr 1fr;gap:18px}\n@media(max-width:680px){.yt-post .yt-dl-grid{grid-template-columns:1fr}}\n.yt-post .yt-dl{background:#fff;border:1px solid var(--line);border-radius:14px;padding:22px}\n.yt-post .yt-dl-ic{font-size:1.7rem;line-height:1}\n.yt-post .yt-dl h3{margin:10px 0 6px;font-size:1.15rem}\n.yt-post .yt-dl p{color:var(--body);font-size:.96rem;margin:0 0 16px;line-height:1.5}\n.yt-post .yt-dl-btn{display:inline-block;background:var(--orange);color:#fff;text-decoration:none;font-weight:600;padding:11px 22px;border-radius:100px;font-size:.95rem}\n.yt-post .yt-dl-btn:hover{background:var(--orange-d)}\n.yt-post p.source{color:var(--muted);font-size:.9rem;border-top:1px solid var(--line);padding-top:16px;margin-top:30px}\n.yt-post p.source a{color:var(--orange-d)}\n<\/style>\n<div class=\"yt-post\">\n<p>De fleste bruger AI-coding-agenter som en spilleautomat: kast en foresp\u00f8rgsel ind, tr\u00e6k i h\u00e5ndtaget, h\u00e5b p\u00e5 det bedste. Til et hurtigt udkast r\u00e6kker det. Til alt, der skal k\u00f8re p\u00e5lideligt, er det en opskrift p\u00e5 frustration. Det afg\u00f8rende skift: bliv instrukt\u00f8r i stedet for bruger &ndash; alts\u00e5 dirig\u00e9r agenten i stedet for at se p\u00e5, mens den improviserer.<\/p>\n<p>Det g\u00e6lder Claude Code, fordi det er det mest udbredte v\u00e6rkt\u00f8j lige nu &ndash; men lige s\u00e5 meget for ethvert andet AI-v\u00e6rkt\u00f8j. Og det g\u00e6lder ikke kun programmering: Har du f\u00f8rst forst\u00e5et, hvordan man styrer en agent ordentligt, kan du bruge det til at kalkulere tilbud, lave rapporter eller automatisere hele forretningsgange. En baggrund i software engineering er ikke n\u00f8dvendig.<\/p>\n<div class=\"key-takeaways\">\n<h2>Det vigtigste i korte tr\u00e6k<\/h2>\n<ul>\n<li><strong>Planl\u00e6g, byg, kontroll\u00e9r &ndash; i den r\u00e6kkef\u00f8lge.<\/strong> Planl\u00e6gningen f\u00f8r og valideringen efter er det, der skiller p\u00e5lidelige resultater fra pillearbejde.<\/li>\n<li><strong>Verifikation betyder: bevis i stedet for p\u00e5stand.<\/strong> En ramme, som agenten kontrollerer sit eget arbejde med, l\u00f8fter f\u00f8rsteresultatet fra omkring 65 til over 90 ud af 100 point.<\/li>\n<li><strong>Kontekst er knap.<\/strong> Trods enorme kontekstvinduer findes der en &bdquo;dumb zone&ldquo;: Fra en vis m\u00e6ngde bliver modellen m\u00e6rkbart mindre p\u00e5lidelig.<\/li>\n<li><strong>Del store opgaver op.<\/strong> Flere specialiserede sessioner, der giver stafetten videre til hinanden, sl\u00e5r \u00e9n agent, der skal l\u00f8fte det hele p\u00e5 \u00e9n gang.<\/li>\n<li><strong>Sikkerhed h\u00f8rer til i teknikken, ikke i prompten.<\/strong> Det, en agent kan n\u00e5, r\u00f8rer den f\u00f8r eller siden &ndash; begr\u00e6ns rettighederne h\u00e5rdt.<\/li>\n<li><strong>G\u00f8r hver fejl til en varig opgradering.<\/strong> Ethvert problem er en chance for at forbedre systemet, s\u00e5 det ikke gentager sig.<\/li>\n<\/ul>\n<\/div>\n<h2>Fra &bdquo;vibe coding&ldquo; til struktureret arbejde<\/h2>\n<p>Den hyppigste fejl har et navn: &bdquo;vibe coding&ldquo;. Man formulerer en foresp\u00f8rgsel, lader agenten l\u00f8be af sted og kontrollerer knap nok resultatet. Det er pr\u00e6cis de to trin, der g\u00f8r arbejdet seri\u00f8st, som mangler &ndash; planl\u00e6gningen p\u00e5 forh\u00e5nd og valideringen bagefter.<\/p>\n<p>Et enkelt billede er byggeriet af et tr\u00e6hus. F\u00f8rst tegner du en skitse, overvejer hvor meget tr\u00e6 du skal bruge hvor, og skaffer det rigtige v\u00e6rkt\u00f8j. N\u00e5r huset st\u00e5r, s\u00e6tter du ikke bare b\u00f8rnene ind i det &ndash; du tester f\u00f8rst, om det holder. Den samme disciplin kr\u00e6ver omgangen med coding-agenter.<\/p>\n<p>Det bliver vigtigt, fordi modellerne har en tendens til smiger. Sp\u00f8rger du &bdquo;Ser det godt ud?&ldquo;, kommer der gerne et &bdquo;ja&ldquo;, uden at planen reelt er blevet kritisk gennemg\u00e5et. Omvendt p\u00e5st\u00e5r modeller af og til, at noget er f\u00e6rdigt, selv om det ikke er det. Du har alts\u00e5 brug for din egen, uafh\u00e6ngige metode til at kontrollere begge dele. Forl\u00f8bet har fire trin:<\/p>\n<ul>\n<li><strong>Planl\u00e6g<\/strong> &ndash; afklar med den n\u00f8dvendige kontekst, hvad der skal bygges, og hvordan succes konkret ser ud.<\/li>\n<li><strong>Byg<\/strong> &ndash; deleger s\u00e5 meget af udf\u00f8relsen som muligt til agenten.<\/li>\n<li><strong>Verific\u00e9r<\/strong> &ndash; hav en klar, selvst\u00e6ndig m\u00e5de at kontrollere resultatet p\u00e5.<\/li>\n<li><strong>Forbedr systemet<\/strong> &ndash; det ofte oversete fjerde trin: udled en varig forbedring af hver k\u00f8rsel.<\/li>\n<\/ul>\n<figure class=\"yt-fig\"><img decoding=\"async\" src=\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/ig1_loop.jpg\" alt=\"4-trins-loopet for AI-coding-agenter: planlaeg, byg, verificer, forbedr systemet (grafikken er paa tysk).\" loading=\"lazy\" \/><figcaption>4-trins-loopet: Planl\u00e6g \u2192 Byg \u2192 Verific\u00e9r \u2192 Forbedr systemet \u2013 og s\u00e5 tilbage til trin 1. (grafikken er p\u00e5 tysk)<\/figcaption><\/figure>\n<h2>Verifikation: bevis i stedet for p\u00e5stand<\/h2>\n<p>Verifikation betyder i kernen: &bdquo;Bevis for mig, at det virkelig er f\u00e6rdigt.&ldquo; Ved programmering er det tests og linting &ndash; men princippet kan overf\u00f8res til n\u00e6sten alt. Eksempel uden kode: Agenten laver et diagram og renderer det derefter som billede. Da moderne modeller er fremragende til at l\u00e6se billeder, kan agenten se p\u00e5 sit eget v\u00e6rk, opdage overlap og selv rette dem over flere runder. De indledende fejl er ligegyldige; kun resultatet til sidst t\u00e6ller.<\/p>\n<p>Effekten kan m\u00e5les: Uden kontrolmekanisme ligger det f\u00f8rste resultat m\u00e5ske p\u00e5 65 til 70 ud af 100 point. Med en indbygget kontrol er omkring 92 muligt allerede i f\u00f8rste fors\u00f8g. Perfekt bliver det sj\u00e6ldent med det samme &ndash; og det er heller ikke pointen. Pointen er at give agenten en ramme, den kan kontrollere sit eget arbejde med. Ledesp\u00f8rgsm\u00e5let er altid: <em>Hvordan kan agenten kontrollere resultatet, s\u00e5dan som en rigtig bruger ville g\u00f8re det?<\/em> Et blot blik p\u00e5 den genererede kode er aldrig nok.<\/p>\n<h3>Hvad er en &bdquo;harness&ldquo;?<\/h3>\n<p>En harness er skallen omkring AI-modellen &ndash; de v\u00e6rkt\u00f8jer og den kontekst, modellen har adgang til, s\u00e5 den ved, hvad den arbejder p\u00e5. Forestil dig det som en lagmodel: I centrum st\u00e5r modellen som selve &bdquo;hjernen&ldquo;. Uden om l\u00e6gger du et v\u00e6rkt\u00f8j som Claude Code. Og ovenp\u00e5 bygger du dit eget lag &ndash; konfiguration, Skills, Hooks og forbindelser til CRM eller opgavestyring. Netop det \u00f8verste lag g\u00f8r et generisk v\u00e6rkt\u00f8j til dit system.<\/p>\n<figure class=\"yt-fig\"><img decoding=\"async\" src=\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/ig3_harness.png\" alt=\"Harness i tre lag: model, vaerktoej og dit eget lag (grafikken er paa tysk).\" loading=\"lazy\" \/><figcaption>\u201eHarness\u201c i tre lag \u2013 f\u00f8rst dit \u00f8verste lag g\u00f8r v\u00e6rkt\u00f8jet til dit system. (grafikken er p\u00e5 tysk)<\/figcaption><\/figure>\n<h2>Planl\u00e6gning: det undervurderede trin<\/h2>\n<p>De fleste planl\u00e6gger alt for lidt. Med coding-agenter bruger du mere tid p\u00e5 at planl\u00e6gge end p\u00e5 at bygge, fordi du i vidt omfang giver udf\u00f8relsen fra dig &ndash; succesen h\u00e6nger dermed direkte sammen med planens kvalitet. \u00c9t enkelt dokument, der beskriver m\u00e5let, har vist sig at virke:<\/p>\n<ul>\n<li>Hvad bygger vi &ndash; og hvorfor?<\/li>\n<li>Hvordan ser succes konkret ud?<\/li>\n<li>Hvordan kan agenten se, at arbejdet er f\u00e6rdigt og korrekt?<\/li>\n<li>Ved tekniske opgaver: Hvilke steder i det eksisterende system skal reelt r\u00f8res?<\/li>\n<\/ul>\n<p>Det typiske forl\u00f8b: f\u00f8rst samle kontekst og relevante dokumenter, s\u00e5 researche og derefter udvikle planen sammen med agenten. Meget vigtigt: Lad agenten stille mange sp\u00f8rgsm\u00e5l, s\u00e5 den ikke tr\u00e6ffer utallige antagelser om det \u00f8nskede resultat. F\u00f8rst n\u00e5r den har spurgt m\u00e5lrettet ind, er menneske og agent enige om, hvad der skal g\u00f8res, og hvordan det skal kontrolleres.<\/p>\n<h3>At f\u00f8le sig tryg, ogs\u00e5 uden at kunne l\u00e6se kode<\/h3>\n<p>Hvordan f\u00e5r man tillid til kode, man ikke selv l\u00e6ser? Der er to veje. For det f\u00f8rste: Bed agenten om at forklare det, den har skrevet. Kode virker skr\u00e6mmende i starten, men efter den f\u00f8rste forhindring l\u00e6ses den n\u00e6sten som engelsk. For det andet, hvis du slet ikke vil l\u00e6re at programmere: Tilliden opst\u00e5r gennem valideringsstrategien. Netop her ligger forskellen til vibe coding &ndash; du klemmer udf\u00f8relsen ind mellem en omhyggelig plan og en lige s\u00e5 omhyggelig kontrol, som du selv er en del af. Agenten f\u00e5r f\u00f8rst gr\u00f8nt lys, n\u00e5r det er klart defineret, hvordan den dokumenterer, at arbejdet er f\u00e6rdigt.<\/p>\n<h2>Kontekst er knap: &bdquo;dumb zone&ldquo;<\/h2>\n<p>N\u00e5r du planl\u00e6gger, er det vigtigste at styre konteksten, for en models opm\u00e6rksomhed er en knap ressource. Der cirkulerer en misforst\u00e5else om, at det er ligegyldigt, hvor meget man byder agenten, fordi moderne modeller har enorm kontekstkapacitet. Tallene er imponerende &ndash; men der er to forbehold.<\/p>\n<p><strong>For det f\u00f8rste<\/strong> er konteksten brugt hurtigere, end man tror: L\u00e6ser agenten flere Skills eller st\u00f8rre m\u00e6ngder kode, er titusinder til hundredtusinder af tokens v\u00e6k p\u00e5 et \u00f8jeblik. <strong>For det andet<\/strong> findes &bdquo;dumb zone&ldquo;. I den forreste del af kontekstvinduet virker modellen skarp og p\u00e5 h\u00f8jden af sin ydeevne. Overskrider samtalen en bestemt t\u00e6rskel, tipper det: Modellen virker overl\u00e6sset, overser ting og laver fejl, som aldrig ville ske med frisk kontekst.<\/p>\n<p>Derfor m\u00e5 du n\u00f8je afveje, hvad du giver agenten p\u00e5 forh\u00e5nd, og hvad den selv m\u00e5 opdage efter behov. Netop det er styrken ved Skills: De stiller fremgangsm\u00e5der og best practices til r\u00e5dighed, men modellen bestemmer selv, hvorn\u00e5r den har brug for hvilken information. H\u00e6ld ikke det hele ind p\u00e5 \u00e9n gang. Meget ofte ligger problemet ikke hos modellen, men i m\u00e5den konteksten fyldes p\u00e5. Det store kontekstvindue giver alts\u00e5 en falsk tryghed &ndash; det kritiske punkt b\u00f8r du helst slet ikke n\u00e5.<\/p>\n<figure class=\"yt-fig\"><img decoding=\"async\" src=\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/ig2_dumbzone.jpg\" alt=\"Kontekstvinduets dumb zone: fra en taerskel falder paalideligheden (grafikken er paa tysk).\" loading=\"lazy\" \/><figcaption>\u201edumb zone\u201c: I den forreste kontekst er modellen skarp \u2013 efter t\u00e6rsklen tipper p\u00e5lideligheden. (grafikken er p\u00e5 tysk)<\/figcaption><\/figure>\n<h2>Orkestr\u00e9r flere sessioner<\/h2>\n<p>Fordi &bdquo;dumb zone&ldquo; findes, kan du ikke smide store opgaver ind i \u00e9n enkelt session. Svaret er et workflow af flere agent-sessioner: \u00c9n agent planl\u00e6gger, giver dokumentet videre til en anden, der udf\u00f8rer det, denne skriver en udf\u00f8relsesrapport, og en tredje validerer og kontrollerer arbejdet. Omst\u00e6ndeligt, men for produktionsklar software eller forretningskritisk automatisering ganske enkelt n\u00f8dvendigt.<\/p>\n<p>Billedet er et samleb\u00e5nd: Hver agent g\u00f8r \u00e9n ting rigtig godt og giver sit resultat videre, s\u00e5 den n\u00e6ste har kontekst nok til at forst\u00e5, hvad der er gjort, hvad der udest\u00e5r, og hvad dens egen aktuelle opgave er.<\/p>\n<p>Et eksempel fra B2B-hverdagen: udarbejdelse af tilbud, for eksempel i bygge- eller trykkeribranchen. S\u00e5danne kalkulationer er omst\u00e6ndelige &ndash; ansl\u00e5 indsatsen, fastl\u00e6gge materialer, unders\u00f8ge priser, v\u00e6lge leverand\u00f8rer. Her bygger man et workflow af specialiserede agenter: \u00e9n kontrollerer lagerbeholdningen, \u00e9n sammenligner priser, \u00e9n laver udkastet til PDF&#8217;en. Til sidst st\u00e5r en validering &ndash; for eksempel et regnestykke, der kontrollerer, om den \u00f8nskede margin n\u00e5s. Ser du \u00e6rligt p\u00e5 dit eget arbejde, opdager du hurtigt, at det kan sk\u00e6res op i mange sm\u00e5 delopgaver &ndash; og netop den opdeling giver med det samme enorm l\u00f8ftestang.<\/p>\n<h2>Sikkerhed h\u00f8rer til i teknikken, ikke i prompten<\/h2>\n<p>En s\u00e6rligt falsk tryghed handler om rettighederne. Mange tror, at deres prompts er beskyttelse nok. Det er de ikke. Siger du til en agent, at den aldrig m\u00e5 slette en database, kan det ske alligevel. Forbyder du den at slette en mappe, skriver den m\u00e5ske et script, der g\u00f8r pr\u00e6cis det.<\/p>\n<p>Den eneste holdbare grundholdning er derfor: <strong>Alt, hvad agenten kan l\u00e6se eller r\u00f8re, r\u00f8rer den f\u00f8r eller siden ogs\u00e5<\/strong> &ndash; selv uopfordret. Rettigheder skal h\u00e5ndh\u00e6ves teknisk: via sn\u00e6vert afgr\u00e6nsede n\u00f8gler eller ved at bestemte ting simpelthen er uden for r\u00e6kkevidde. Et virkeligt eksempel viser faren: En agent misforstod et punkt p\u00e5 sin opgaveliste &ndash; og sendte derfor en e-mail med en rabatkode til hele distributionslisten, selv om den aldrig skulle ud.<\/p>\n<p>Et gennempr\u00f8vet middel er Hooks &ndash; sm\u00e5 stykker kode, der k\u00f8res ved en bestemt h\u00e6ndelse, for eksempel lige f\u00f8r agenten bruger et v\u00e6rkt\u00f8j. S\u00e5dan kan du kontrollere, om en kommando er kritisk, og blokere den. De samme Hooks kan bruges til at forbedre systemet af sig selv &ndash; for eksempel ved at der i slutningen af hver session automatisk skrives et resum\u00e9 i en daglig log.<\/p>\n<h2>G\u00f8r hver fejl til en varig opgradering<\/h2>\n<p>Det m\u00e5ske vigtigste er systemets udvikling. Opst\u00e5r der et problem, retter du det ikke bare og g\u00e5r videre &ndash; du bruger det sammen med agenten som anledning til at sp\u00f8rge, hvad der kan forbedres, s\u00e5 det ikke gentager sig. M\u00e5ske opst\u00e5r der en ny regel i din konfiguration, et ekstra planl\u00e6gningsdokument eller en tilpasset Skill. S\u00e5dan bliver hver bug til en varig opgradering.<\/p>\n<p>Har du f\u00f8rst etableret dette system, byder du fejl n\u00e6sten velkommen. Og inden de overhovedet opst\u00e5r, hj\u00e6lper et enkelt sp\u00f8rgsm\u00e5l, som n\u00e6sten ingen t\u00f8r stille: &bdquo;Hvad kunne g\u00e5 galt her?&ldquo; Lad agenten m\u00e5lrettet konstruere gr\u00e6nsetilf\u00e6lde og fors\u00f8ge at kn\u00e6kke applikationen med problematisk input. G\u00e5r noget i stykker, h\u00f8rer det tilbage i kontrolsl\u00f8jfen: find problemet, ret det og &ndash; meget vigtigt &ndash; test igen. M\u00e5ske l\u00f8ste rettelsen slet ikke problemet.<\/p>\n<h2>Den rigtige holdning til v\u00e6rkt\u00f8jet<\/h2>\n<p>Behandl v\u00e6rkt\u00f8jet som en mentor &ndash; verdens klogeste menneske, der samtidig er din bedste ven. Det ler ikke ad dig, n\u00e5r du sp\u00f8rger om noget tilsyneladende dumt. Men ikke alt egner sig som sp\u00f8rgsm\u00e5l: P\u00e5 grund af smigeren er det problematisk at sp\u00f8rge en model om dens mening. Til geng\u00e6ld egner den sig fremragende til at forst\u00e5, hvordan noget fungerer, eller hvor der findes empiriske data &ndash; ved gr\u00e6nsetilf\u00e6lde virker en automatisering med et bestemt input, eller ogs\u00e5 g\u00f8r den ikke. Ingen gr\u00e5zone. Har du brug for et andet perspektiv, lader du to modeller g\u00e5 imod hinanden: den ene bygger, den anden spiller dj\u00e6velens advokat i en separat session i stedet for at rose ukritisk.<\/p>\n<h2>Konklusion: t\u00e6nk som en produktmanager<\/h2>\n<p>Det centrale r\u00e5d til slut: Uanset hvor teknisk kyndig du er &ndash; betragt dig selv som produktmanager for din agent. Du beh\u00f8ver ikke beskrive, <em>hvordan<\/em> noget bygges. Men du skal forme visionen: <em>Hvad<\/em> bygger vi, og <em>hvorfor?<\/em> Giv v\u00e6rkt\u00f8jet hvorfor&#8217;et med &ndash; det pr\u00e6ger hvordan&#8217;et overraskende meget.<\/p>\n<p>Det er den \u00e6rlige kerne bag hypen: AI-agenter er hverken en spilleautomat eller et mirakelmiddel. De er et effektivt v\u00e6rkt\u00f8j, der bliver pr\u00e6cis s\u00e5 godt som den ramme, du giver det. Gode planer, klare kontrolkriterier og disciplinen til at l\u00e6re af hver fejl &ndash; det bringer dig l\u00e6ngere end enhver ny model. Start i det sm\u00e5: Skriv en af dine processer ned, sk\u00e6r den op i delopgaver og defin\u00e9r, hvordan du kan se, at resultatet holder. Resten kan du delegere.<\/p>\n<div class=\"yt-downloads\">\n<h2>Til at tage med<\/h2>\n<div class=\"yt-dl-grid\">\n<div class=\"yt-dl\">\n<div class=\"yt-dl-ic\">\ud83d\udcc4<\/div>\n<h3>Guiden som PDF<\/h3>\n<p>Hele artiklen inklusive alle infografikker \u2013 som et rent designet PDF til at l\u00e6se og give videre.<\/p>\n<p>      <a class=\"yt-dl-btn\" href=\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/KI-Coding-Agents-Leitfaden-pletzenauer.pdf\" download>Download PDF (p\u00e5 tysk)<\/a>\n    <\/div>\n<div class=\"yt-dl\">\n<div class=\"yt-dl-ic\">\u2705<\/div>\n<h3>Tjekliste &amp; snydeark<\/h3>\n<p>4-trins-loopet, planl\u00e6gningspunkterne og \u201eHvad kunne g\u00e5 galt?\u201c-blikket p\u00e5 \u00e9n side \u2013 til udskrift.<\/p>\n<p>      <a class=\"yt-dl-btn\" href=\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/checkliste-ki-coding-agents.txt\" download>Download tjekliste (p\u00e5 tysk)<\/a>\n    <\/div>\n<\/p><\/div>\n<\/div>\n<p class=\"source\"><strong>Kilde:<\/strong> Denne artikel bygger p\u00e5 videoen <a href=\"https:\/\/www.youtube.com\/watch?v=RzLV8sfFdMM\" target=\"_blank\" rel=\"noopener\">How to Build Effective Claude Code Agents in 2026<\/a> af Nate Herk | AI Automation. Indholdet er bearbejdet selvst\u00e6ndigt og sat i kontekst for en tysksproget l\u00e6serskare.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>S\u00e5dan leder du AI-coding-agenter som Claude Code i rollen som instrukt\u00f8r: planl\u00e6gning, verifikation, dumb zone, sub-agents, hooks og sikre workflows \u2013 \u00e6rligt forklaret.<\/p>\n","protected":false},"author":0,"featured_media":1627,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2437","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-unkategorisiert"],"_links":{"self":[{"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/posts\/2437","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/comments?post=2437"}],"version-history":[{"count":1,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/posts\/2437\/revisions"}],"predecessor-version":[{"id":3107,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/posts\/2437\/revisions\/3107"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/media\/1627"}],"wp:attachment":[{"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/media?parent=2437"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/categories?post=2437"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pletzenauer.com\/da\/wp-json\/wp\/v2\/tags?post=2437"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}