Ta kontakt

Kursplan

Personifiseringsstabelen i fire nivå

Nivå 1 | Vet – Rules og AGENTS.md

Emner behandlet:
• Definisjon av prosjektstandarder og kodingskonvensjoner
• Dokumentasjon av arkitektur og tekniske begrensninger
• Opprettelse av verktøy-uavhengig prosjektveiledning
• Sikring av konsistens på tvers av utviklingsteam og AI-verktøy

Nivå 2 | Kan – Skills

e

Emner behandlet:
• Opprettelse av gjenbrukbare enheter med spesialiserer kunnskap
• Lasting av kontekstuell informasjon kun når det er nødvendig
• Reduksjon av kontekststørrelse samtidig som oppgaveprestation forbedres
• Bygging av biblioteker med gjenbrukbare arbeidsflyter og ekspertise

Nivå 3 | Rekker – MCP

e

Emner behandlet:
• Kobling av AI-verktøy til eksterne systemer og tjenester
• Tilgang til repository, databaser og dokumentasjonskilder
• Utvidelse av kapasiteten til AI-kodingsassistenter
• Implementering av sikre integrasjoner og styringskontroller

Nivå 4 | Handler – Agents

e

Emner behandlet:
• Forståelse av autonome AI-agenter og deres evner
• Lesing, skriving, testing og revisjon av kode autonomt
• Administrasjon av målstyrt arbeidsflyt og delegerte oppgaver
• Innføring av tilsyn og menneskelig gjennomgangsmekanismer for agentic systemer

Dag 1 | Delegasjon og utvidelse av verktøyene

Modul 1 | Fra assistent til agent

e

Emner behandlet:
• Forskjellen mellom AI-assistenter og autonome agenter
• Inline-kodefullføring vs. agentic delegasjon
• Hvordan agentic arbeidsflyter endrer struktureringen av utviklingsoppgaver
• Identifisering av oppgaver som egner seg for delegasjon til agenter
• Best practices for samarbeid med autonome AI-systemer

Modul 2 | Delegasjoner som fungerer uten babysitting & Loops

e

Emner behandlet:
• Skriv effektive instruksjoner for AI-agenter
• Sikre tilstrekkelig kontekst og forretningskrav
• Definere begrensninger og rammer for utførelse
• Fastsette klare akseptkriterier og suksessmål
• Minimere menneskelig intervensjon samtidig som kvalitet opprettholdes
• Hvordan bygge Loops

Modul 3 | Personifiseringsstabel og hva som gjelder hvor

e

Emner behandlet:
• Forståelse av personifiseringsstabelen i fire nivå
• Bruk av Rules og AGENTS.md for å definere prosjektstandarder
• Avgjørelse av hvilke personifiseringsmekanismer som gjelder i ulike scenarier
• Effektiv håndtering av kontekst på tvers av verktøy og prosjekter
• Skaping av konsistente AI-assisterte utviklingsmiljøer

Modul 4 | Skills og subagenter

e

Emner behandlet:
• Opprettelse av gjenbrukbare Skills for vanlige arbeidsflyter og oppgaver
• Pakk inn spesialkunnskap for gjentatt bruk
• Forståelsen av rollen til subagenter og isolerte kontekster
• Delegasjon av begrensede oppgaver til spesialiserte agenter
• Bedre effektivitet gjennom modulære AI-arbeidsflyter

Dag 2 | Kobling av verktøy, parallelisme og styring

Modul 5 | MCP: Koble og bygg

e

Emner behandlet:
• Forståelse av prinsippene bak Model Context Protocol (MCP)
• Kobling av AI-verktøy til eksterne systemer og tjenester
• Integrering av nettlesere, databaser, repository og dokumentasjonskilder
• Bygging av en egendefinert MCP-server
• Administrasjon av adgangs kontroll og sikkerhetsaspekter

Modul 6 | Den disiplinerte agentic arbeidsflyten

e

Emner behandlet:
• Fastsettelse av en gjentakbar AI-assistert utviklingsprosess
• Brainstorming og planlegging med AI-agenter
• Samarbeidende bygging og implementering av løsninger
• Testing og validering av genererte utdata
• Gjennomgang og ferdigstillelse av leveranser med passende verifiseringssteg
• Hvordan sette opp mål

Modul 7 | Parallell utvikling

e

Emner behandlet:
• Kjøring av flere AI-agenter samtidig
• Samarbeid med isolerte grener og Git worktrees
• Koordinering av utviklingsaktiviteter på tvers av parallelle arbeidsflyter
• Sammenføyning og validering av utdata fra flere agenter
• Bedre produktivitet gjennom parallelle eksekveringsstrategier

Modul 8: Risikoer, gjennomgang og styring

e

Emner behandlet:
• Evaluering og sjekking av eksterne Skills og MCP-servere
• Forståelse av sikkerhets- og styringsrisikoer
• Administrasjon av tillatelser og tilgangsrettigheter
• Beskyttelse av sensitiv data og immaterielle rettigheter
• Fastsettelse av gjennomgangsprosesser og kvalitetssikringsrutiner

Modul 9 | AI-adopsjon i programvareutvikling: Brukstilfeller og neste steg

e

Emner behandlet:
• Hvordan organisasjoner integrerer AI i Software Development Lifecycle (SDLC)
• Virkelige brukstilfeller og implementeringseksempler fra ulike bransjer
• Vanlige AI-adopsjonsmetoder: individuell adopsjon, teambasert adopsjon og organisasjonsvid enablement
• Typiske brukstilfeller på tvers av SDLC:
• Innsamling av krav og dokumentasjon
• Kodegenerering og prototyping
• Testing og kvalitetssikring
• Kodesgjennomgang og refactoring
• Dokumentasjon og kunnskapsstyring
• DevOps og henvendelseshåndtering
• Styringsmodeller, politikker og sikkerhetsaspekter
• Måling av produktivitet og ROI for AI-assistert utvikling
• Oppbygging av en intern AI-adopsjonskartleggning
• Definisjon av praktiske neste steg for deltakerne og deres team

Interaktiv diskusjonsworkshop

e

• Gjeldende utfordringer innen deltakernes utviklingsteam
• Identifisering av høyverdi brukstilfeller for umiddelbar adopsjon
• Risikoer, hindringer og organisatoriske hensyn
• Skaping av en initial handlingsplan for AI-integrasjon.

Krav

Profesjonell utviklingserfaring, komfort med terminalen og kjennskap til Git. Regelbundet bruk av et AI-kodingsverktøy, eller gjennomføring 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.

 14 Timer

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier