Kursplan
Den fire-nivå personaliseringsstaplen
Nivå 1 | Vet – Rules og AGENTS.md
Temaer dekket:
• Definering av prosjektstandarder og kodingskonvensjoner
• Dokumentasjon av arkitektur og tekniske begrensninger
• Opprettelse av verktøy-uavhengig prosjektstyring
• Sikring av konsistens på tvers av utviklingsteam og AI-verktøy
Nivå 2 | Kan – Skills
Temaer dekket:
• Opprettelse av gjenbrukbare enheter med spesialkunnskap
• Innlasting av kontekstinformasjon kun når det er nødvendig
• Reduksjon av kontekststørrelse samtidig som oppgavepresteren forbedres
• Bygging av biblioteker med gjenbrukbare arbeidsflyter og ekspertise
Nivå 3 | Rekker – MCP
Temaer dekket:
• Kobling av AI-verktøy til eksterne systemer og tjenester
• Tilgang til versjonskontrollrepository, databaser og dokumentasjonskilder
• Utvidelse av mulighetene til AI-kodingsassistenter
• Implementering av sikre integrasjoner og styringskontroller
Nivå 4 | Handler – Agents
Temaer dekket:
• Forståelse av autonome AI-agenter og deres muligheter
• Lese, skrive, teste og revidere kode autonomt
• Administrering av målbaserte arbeidsflyter og delegerede oppgaver
• Opprettelse av tilsyns- og menneskelig gjennomgåingsmekanismer for agentic systemer
Dag 1 | Delegering og utvidelse av verktøy
Modul 1 | Fra assistent til agent
Temaer dekket:
• Forståelse av forskjellen mellom AI-assistenter og autonome agenter
• Inline-kodefullføring versus agentic delegering
• Hvordan agentic arbeidsflyter endrer strukturen til utviklingsoppgaver
• Identifisering av oppgaver som egner seg for delegering til agenter
• Beste praksis for samarbeid med autonome AI-systemer
Modul 2 | Delegeringer som fungerer uten babysitting
Temaer dekket:
• Skriv effektive instruksjoner til AI-agenter
• Tilstrekkelig kontekst og forretningskrav
• Definering av begrensninger og rammer for kjøring
• Fastsetting av klare akseptkriterier og suksessmål
• Minimering av menneskelig inngripen mens kvaliteten opprettholdes
Modul 3 | Personaliseringsstaple og hva som gjelder hvor
Temaer dekket:
• Forståelse av den fire-nivå personaliseringsstaplen
• Bruk av Rules og AGENTS.md for å definere prosjektstandarder
• Avgjørelse av hvilke personaliseringsmekanismer som gjelder i ulike scenerier
• Effektiv konteksthåndtering på tvers av verktøy og prosjekter
• Opprettelse av konsistente AI-støttede utviklingsmiljøer
Modul 4 | Skills og subagenter
Temaer dekket:
• Opprettelse av gjenbrukbare Skills for vanlige arbeidsflyter og oppgaver
• Pakking av spesialkunnskap til gjentatt bruk
• Forståelse av subagenters rolle og isolerte kontekster
• Delegering av avgrensede oppgaver til spesialiserte agenter
• Forbedring av effektivitet gjennom modulære AI-arbeidsflyter
Dag 2 | Kobling av verktøy, parallelisme og styring
Modul 5 | MCP: Koble og bygg
Temaer dekket:
• Forståelse av prinsippene bak Model Context Protocol (MCP)
• Kobling av AI-verktøy til eksterne systemer og tjenester
• Integrering av nettlesere, databaser, versjonskontrollrepository og dokumentasjonskilder
• Bygging av en egendefinert MCP-server
• Håndtering av tilgangskontroll og sikkerhetsaspekter
Modul 6 | Den disiplinerte agentic arbeidsflyten
Temaer dekket:
• Fastsetting av en gjentakbar AI-støttet utviklingsprosess
• Brainstorming og planlegging med AI-agenter
• Samarbeidende bygging og implementering av løsninger
• Testing og validering av genererte utdata
• Gjennomgang og sluttføring av leveranser med passende verifiseringssteg
Modul 7 | Parallell utvikling
Temaer dekket:
• Kjøring av flere AI-agenter samtidig
• Arbeid med isolerte grener og Git worktrees
• Samordning av utviklingsaktiviteter på tvers av parallelle arbeidsflyter
• Sammenføyning og validering av utdata fra flere agenter
• Forbedring av produktiviteten gjennom strategier for parallell kjøring
Modul 8 | Risikoen, gjennomgang og styring
Temaer dekket:
• Vurdering og gransking av eksterne Skills og MCP-servere
• Forståelse av sikkerhets- og styringsrisikoer
• Administrering av tillatelser og tilgangsrettigheter
• Beskyttelse av sensitiv data og immaterielle rettigheter
• Fastsetting av gjennomganger og kvalitetssikringspraksis
Modul 9 | AI-adopsjon i programvareutvikling: Brukstilfeller og neste steg
Temaer dekket:
• Hvordan organisasjoner integrerer AI i Software Development Lifecycle (SDLC)
• Virkelige brukstilfeller og implementeringseksempler fra ulike industrier
• Vanlige tilnærminger til AI-adopsjon: individuell adopsjon, teambasert adopsjon og organisasjonsomfattende muliggjøring
• Typiske brukstilfeller på tvers av SDLC:
• Kravinnsamling og dokumentasjon
• Kodegenerering og prototyping
• Testing og kvalitetssikring
• Kodereview og refaktorering
• Dokumentasjon og kunnskapsforvaltning
• DevOps og hæringshåndtering
• Styringsmodeller, retningslinjer og sikkerhetsaspekter
• Måling av produktivitet og ROI for AI-støttet utvikling
• Bygging av en intern AI-adopsjonsplan
• Definering av praktiske neste steg for deltakere og deres team
Interaktiv diskusjon og workshop
• Gjeldende utfordringer innenfor deltakerne sine utviklingsteam
• Identifisering av høyverdige brukstilfeller for umiddelbar adopsjon
• Risiki, hindringer og organisatoriske hensyn
• Utarbeidelse av en initial handlingsplan for AI-integrering.
Krav
Profesjonell utviklererfaring, komfort med terminalen og grunnleggende kunnskap om Git. Regelmessig bruk av et AI-kodingsverktøy, eller fullføring av Foundations-kurset.
Målgruppe
Utviklere som allerede bruker AI-verktøy, tekniske ledere ansvarlige for teamadopsjon, og plattform- eller DevOps-ingeniører som bygger Skills og MCP-servere.
Referanser (2)
Bruke Claude Code på en mer effektiv måte
Virgil Trif - Frequentis
Kurs - Claude Code: Agentic AI Development · 1-Day
Maskinoversatt
"Jeg lærte verktøyets potensial og oppnådde tilstrekkelige ferdigheter til å starte bruken med en gang."
Angelo Moro
Kurs - Claude AI for Developers: Building AI-Powered Applications
Maskinoversatt