Nøkkelinnsikt

• Kontekst er det viktigste: gi nok av det, styr det aktivt, og ikke la automatisk komprimering bestemme hva som beholdes
• Start alltid med en plan. Planmodus tvinger AI-en til å reflektere i stedet for å kaste seg over første løsning
• Ferdigheter, underagenter og hooks lar deg bygge arbeidsflyter som forbedrer seg over tid

---

Kort fortalt

Aleksander Stensby, grunnlegger av GritAI, skrev kode i 20 år, gikk over til å drive selskaper, og kom tilbake for å oppdage at AI hadde snudd alt på hodet. På NDC London 2026 deler han 10 konkrete tips for å få mer ut av AI-kodeverktøy som Claude Code og Cursor. Foredraget dekker alt fra kontekststyring og planmodus til underagenter, hooks og seks agentvinduer i parallell. Kjernebudskapet: behandle AI som en samarbeidspartner du utvikler løsninger med, ikke et verktøy du sender forespørsler til og forkaster når resultatene skuffer.

---

Hvorfor prøve igjen (selv om du har prøvd før)

Stensby åpner med en ærlig observasjon: mange erfarne utviklere testet AI-kodeverktøy og gikk videre uten å være imponert. Problemet er at referansepunktet deres er utdatert. For to år siden var AI-assistert koding upålitelig. Selv for seks måneder siden var det merkbart svakere enn i dag. Noe endret seg med lanseringen av Opus 4.5, det Stensby kaller et «før og etter»-øyeblikk (3:11).

Han viser til Boris Cherny, skaperen av Claude Code hos Anthropic, som fortalte at de siste 30 dagene i desember skrev Claude Code all koden hans (3:47). En annen utvikler gikk fra å skrive 80 % av koden selv til at AI skrev 80 % på bare to måneder (3:36).

«Modellene vi bruker i dag er de dårligste modellene vi kommer til å bruke resten av livet», sier Stensby (6:05). Rådet hans: hvis arbeidsgiveren bare gir deg tilgang til GitHub Copilot, press på for verktøy som Claude Code eller Cursor. Maksprisen er 100-200 dollar i måneden (8:28), og produktivitetsgevinsten er langt større enn utgiften.

Tankesettskiftet

Stensby hevder at den største opplåsingen ikke er teknisk, men handler om tankesett. Slutt å tenke på AI som et verktøy, og begynn å tenke på det som en ivrig praktikant (9:09). Når et verktøy gir middelmådige resultater, kaster du det. Når en praktikant gir middelmådige resultater, gir du tilbakemelding og prøver igjen.

Dette leder til det selskapet Every kaller «sammensatt utvikling» (compound engineering): i stedet for å starte fra null hver gang, jobber du sammen med AI-en slik at den lærer av feil og blir bedre over tid (12:36). Den enkleste måten å komme i gang er å be AI-en oppsummere en feilsøkingsøkt og lagre erfaringene i en markdown-fil.

---

De 10 tipsene

Tips 1: Kontekst er alt

Dette er det viktigste tipset, og Stensby kommer tilbake til det gjennom hele foredraget. Når du ikke gir nok kontekst, fyller AI-en inn hullene med gjetninger, og det er hovedkilden til hallusinasjoner (16:34).

Men kontekst er også en knapp ressurs. Et typisk kontekstvindu (context window, mengden tekst en AI-modell kan behandle samtidig) rommer rundt 200 000 tokens (omtrent 150 000 ord), og deler av det er allerede fylt med instruksjoner og verktøydefinisjoner før du skriver den første forespørselen (18:22).

Et kraftig triks: underagenter (sub-agents, separate AI-prosesser startet av hovedagenten) i Claude Code får sine egne kontekstvinduer. Det betyr at du kan sende en oppgave til en underagent og holde hovedsamtalen ren. Det som skjer i underagenten forblir der, og hovedtråden din får bare resultatet tilbake (22:15). Dette gir deg i praksis ubegrenset kontekst.

---

Tips 2: Gi riktig dokumentasjon

I stedet for å håpe at AI-en kjenner riktig versjon av et rammeverk, pek den direkte til dokumentasjonen (23:07). De fleste rammeverk tilbyr nå en «kopier til markdown»-funksjon i dokumentasjonen. Last ned de relevante filene og legg dem i prosjektmappen.

For dokumentasjonsoppslag på forespørsel anbefaler Stensby Context7, en MCP-server (Model Context Protocol, en standard for å koble AI-assistenter til eksterne verktøy) som lar AI-en søke etter rammeverksdokumentasjon ved behov (24:32).

---

Tips 3: Bruk ferdigheter

Ferdigheter (skills) er instruksjonssett som utløses automatisk når AI-en støter på bestemte situasjoner, som å redigere testfiler eller jobbe i en front-end-mappe. De aktiveres uten at du ber om det, og det er det som gjør dem kraftfulle (25:46).

Bruksområder Stensby trekker frem:

• Testretningslinjer: aktiveres når AI-en oppretter eller endrer testfiler
• Front-end-designregler: håndhever stilguiden din automatisk
• Sikkerhetsregler: aktiveres når AI-en rører sikkerhetskritisk kode
• PR-gjennomgangsregler: utløses under pull request-gjennomganger

Nøkkelrådet: ikke bare last ned tilfeldige ferdigheter fra internett. Be AI-en lage ferdigheter basert på mønstrene i din spesifikke kodebase (26:32).

---

Tips 4: Start alltid med en plan

Boris Chernys fremste anbefaling, og Stensby støtter den fullt ut. Planmodus (plan mode) tvinger den store språkmodellen (LLM, Large Language Model) til å reflektere over oppgaven i stedet for å kaste seg over første løsning (27:28).

I Claude Code trykker du Shift+Tab for å gå inn i planmodus. Når planen dukker opp, trykker du Ctrl+G for å åpne den som en redigerbar markdown-fil der du kan legge til, fjerne eller endre steg (28:24). Når du lagrer og lukker filen, blir det planen.

Stensby bruker denne modusen selv for små oppgaver. Han har også en /idea-kommando på telefonen som gjør løse ideer om til strukturerte GitHub-issues med en spesifikasjon som kjenner kodebasen (28:51).

En viktig nøkkel i enhver plan er å definere akseptansekriterier. Hva betyr «ferdig»? Hva betyr «utmerket»? Uten tydelige mål produserer langkjørende agenter tilfeldige resultater (32:28).

---

Tips 5: Del oppgaver i mindre biter

Mindre oppgaver gir bedre resultater, med eller uten AI. Stensby anbefaler å bruke et sporingssystem som GitHub Issues, Azure DevOps, Linear, eller rett og slett markdown-filer for å strukturere arbeidet (34:00).

En arbeidsflyt som sparer kontekst: når en plan har flere faser, fullfør én fase om gangen. Be AI-en oppdatere fremdriften i planfilen, tøm deretter konteksten og start på nytt (37:00). Det føles kanskje bakvendt fordi du mister samtalehistorikken, men avveiningen er verdt det. Språkmodeller jobber godt med strukturerte tekstfiler, så plandokumentet fungerer som en kompakt kontekst av høy kvalitet.

En advarsel om MCP-servere: GitHub MCP-serveren laster 30-40 verktøydefinisjoner på forhånd, noe som bruker en betydelig del av kontekstvinduet før du har skrevet noe som helst (35:11). Kommandolinjeverktøy (som GitHub CLI) kjører utenfor inferens og forurenser ikke konteksten din. Stensby bruker nå GitHub CLI nesten utelukkende i stedet for GitHub MCP.

---

Tips 6: Velg riktig modell

Stensby vurderte å droppe dette tipset fordi rådet er enkelt: bruk den beste tenkemodellen som finnes, selv for små oppgaver (38:20). Tiden du sparer med en billigere, raskere modell spises opp av feilsøking av dens feil.

Boris Cherny bruker nå Opus 4.5 til alt (38:55). Med en maksprisplan på 100-200 dollar i måneden er kostnadene uansett begrenset.

Hvis du må inngå kompromisser, bruk en tenkemodell til planlegging og bytt til en raskere modell for gjennomføring. Cursors Composer-modell er rask og overraskende dyktig til enklere oppgaver (39:29).

---

Tips 7: Bruk verktøyene

Claude Code-økosystemet tilbyr flere verktøy som fungerer på tvers av kodeverktøy:

• Skråstrekkommandoer (slash commands): gjenbrukbare snarveier for forespørsler. Hvis du sier det samme mer enn én gang, gjør det om til en skråstrekkommando (41:06). De er bare markdown-filer med YAML-metadata.
• Underagenter: separate AI-prosesser med egne kontekstvinduer. Du kan kjede dem sammen, kjøre dem i parallell, eller la en hovedagent koordinere arbeid mellom spesialiserte hjelpere (arkitekt, front-end, back-end, testing) (45:25).
• Kodeforenkler (code simplifier): Anthropics åpen kildekode-agent som takler et av de største problemene med AI-generert kode. AI har en tendens til å overdesigne, etterlate ubrukt kode og legge til mer enn nødvendig (44:13). Kodeforenkleren kjører etter at kodingen er ferdig og rydder opp.

Et nyttig triks: i skråstrekkommandoer kan du bruke utropstegn for å kjøre bash-kommandoer utenfor inferens. Resultatet mates tilbake som kontekst uten å bruke tokens på selve språkmodellkallet (43:16).

---

Tips 8: Hooks og langkjørende agenter

Hooks er skript som utløses ved bestemte hendelser: før et verktøy kjører, etter at et verktøy kjører, eller når agenten stopper (48:06). De kjører utenfor inferens (inference, prosessen der AI-modellen behandler input og lager et svar), noe som betyr at de håndhever regler uten å stole på at språkmodellen følger instruksjonene.

Det mest omtalte mønsteret er «Ralph Wigum»-sløyfen, oppkalt etter et internett-meme. Den bruker en stopp-hook kombinert med akseptansekriterier for å holde agenten i gang til jobben er gjort (49:05). I praksis fanger hooken opp agentens «jeg er ferdig»-signal, sjekker om akseptansekriteriene er oppfylt, og hvis ikke, ber den agenten fortsette.

Noen team har kjørt agenter i en uke i strekk med denne metoden. Stensby er mer forsiktig. Han ser verdien av langkjørende agenter for nye prosjekter, refaktorering av gammel kode og utbedring av testdekning, men for det meste av daglig arbeid foretrekker han å være mennesket i løkken (49:53).

---

Tips 9: Markedsplassen for ferdigheter

Ferdigheter har blitt tatt i bruk av alle de store kodeverktøyene. Vercel lanserte skills.sh, en markedsplass som nådde 30 000+ ferdigheter på omtrent to uker etter lansering (52:46).

Stensby anbefaler én ferdighet spesielt: front-end-designferdigheten. Den produserer genuint kreative design i stedet for det generiske lilla-gradient-utseendet som de fleste AI-genererte front-ender har (51:57). Du kan også kombinere den med bedriftens stilguide for merkevarekonsistente resultater.

Det overordnede rådet: bruk markedsplassen til inspirasjon, men lag ferdigheter som er tilpasset din kodebase og arbeidsflyt (52:57). Del nyttige ferdigheter med teamet ved å sjekke dem inn i kodelageret.

---

Tips 10: Kjør flere agenter og vær mennesket i løkken

Når du er komfortabel med én agent, er neste steg å dele skjermen og kjøre to (58:28). Stensby kjører seks agentvinduer samtidig og beskriver det som sin kognitive grense for å koordinere agenter (58:36).

Utover lokale agenter kan bakgrunnsagenter jobbe asynkront. Du kan starte dem fra GitHub (med @claude eller @cursor), fra Slack, eller fra nettgrensesnitt. De spinner opp et virtuelt miljø, henter koden, jobber på en branch og lager en pull request du kan gjennomgå (59:10).

Claude Code støtter også å sende oppgaver til skyen med ampersand-prefikset, og deretter teleportere økten tilbake til din lokale maskin med /tp når du er klar til å se over resultatet (1:00:24).

Stensbys siste poeng: ta eierskap til det du produserer, selv når AI-en skrev det. AI-agenter gjør feil, de kan være overbevisende når de tar feil, og de har en tendens til å si seg enige med deg selv når de ikke burde det. Til og med Linus Torvalds innrømmet at han «vibe coder», riktignok ikke på Linux-kjernen (1:01:41). Bruk AI til hjelp, men stå ansvarlig for resultatet.

---

Sjekkliste: Vanlige fallgruver

• Behandler du AI som et engangsverktøy? Skift til å tenke på det som en samarbeidspartner. Gi tilbakemelding, gjenta, og be AI-en lære av feil i stedet for å forkaste den etter dårlige resultater.
• Ga du nok kontekst? Vage forespørsler gir vage resultater. Pek AI-en til spesifikke filer, dokumentasjon og mappestier i stedet for å si «fiks dette».
• Lar du automatisk komprimering bestemme hva som beholdes? Oppsummer fremdriften manuelt og tøm konteksten før du treffer vindusgrensen. Du styrer konteksten, ikke AI-en.
• Hopper du over planmodus? Selv for små oppgaver tvinger Shift+Tab (Claude Code) eller tilsvarende AI-en til å tenke før den handler. Se over og rediger planen før du fortsetter.
• Laster du ned tilfeldige ferdigheter? Ferdigheter og skråstrekkommandoer bør tilpasses din kodebase. Bruk fellesskapsressurser som inspirasjon, og bygg deretter dine egne.
• Spiser GitHub MCP konteksten din? Bytt til kommandolinjealternativer. GitHub CLI laster ikke verktøydefinisjoner inn i kontekstvinduet.
• Kjører du én agent når du kunne kjørt to? Start med å dele skjermen. Selv to agenter i parallell kan øke gjennomstrømmingen dramatisk.

Praktiske implikasjoner

For nybegynnere

Start med én endring: lag en CLAUDE.md (eller tilsvarende regelfil) for prosjektet ditt. Kjør /init i Claude Code for å generere et utgangspunkt. Legg deretter til én instruksjon: «still oppklarende spørsmål før du går videre.» Disse to stegene alene vil redusere hallusinasjoner og bortkastet tid betraktelig.

For erfarne utviklere

Invester i sammensatt utvikling. Etter hver feilsøkingsøkt, be AI-en reflektere over hva som gikk galt og lagre erfaringene. Bygg et bibliotek av skråstrekkommandoer for oppgaver du gjentar. Bruk plan-funksjonen for alt, selv små funksjoner. Investeringen i starten betaler seg i hver fremtidige økt.

For team

Del regelfiler, ferdigheter og snarveiskommandoer gjennom repositoryet. Sett opp en felles CLAUDE.md med delte konvensjoner, og la hver utvikler ha en personlig fil for preferanser. Bruk hooks som sikkerhetsnett teamet er enige om: ingen destruktive git-kommandoer, obligatorisk testkjøring, kodeforenkling før pull requests.

Test deg selv

1. Overføring: Stensby håndterer kontekst ved å oppsummere til markdown-filer og tømme vinduet. Hvordan ville du tilpasset denne teknikken til noe annet enn koding, for eksempel å skrive en forskningsoppgave med AI?
2. Avveining: Å bruke den beste tenkemodellen (Opus 4.5) for alle oppgaver koster flere tokens og tar lengre tid per forespørsel. Når ville du valgt en raskere modell til tross for høyere risiko for feil?
3. Arkitektur: Design et oppsett med underagenter for et fullstack-prosjekt. Hvilke spesialiserte agenter ville du laget, hva ville hver enkelt hatt i konteksten sin, og hvordan ville de kommunisert?
4. Atferd: Stensby advarer mot å bare godta AI-resultater uten gjennomgang. Hvordan kan det å alltid planlegge før man koder endre måten en utvikler tenker om problemløsning over tid?
5. Avveining: Ralph Wigum-mønsteret kan holde en agent i gang i dagevis. Hvilke sikkerhetsnett ville du satt opp for å gjøre dette trygt for en produksjonskodebase?

---

Ordliste

---

Kilder og ressurser