Var ska jag börja?
Kom igång: att programmera tillsammans med en AI-modell
Vad modellen faktiskt är bra på, vad du fortfarande äger själv, och hur du lägger upp en arbetsdag där AI gör utkasten men du behåller ansvaret för besluten.
Databasmigreringar med AI: ändra schema utan att riskera datan
Modellen kan skriva migrationskod men ser inte datamängden, låsningarna eller vägen tillbaka. Så delar du schema, backfill och kod i verifierbara steg.
Ärvd kodbas: så använder du AI för att förstå kod du inte skrivit
"Förklara den här kodbasen" ger ett svar som låter rätt och inte går att använda. Så ställer du frågorna som ger terrängen — och så verifierar du svaren innan du bygger vidare på dem.
Claude Opus 5 är släppt — och tre ändringar som ger fel i din kod
Opus 5 kom den 24 juli 2026 till samma pris som Opus 4.8. Men i samma release notes ligger två brytande ändringar som redan gäller och en nedstängning med deadline 17 augusti.
Beslutsloggen: sluta ta om samma diskussion varje session
Modellen har inget minne mellan sessioner, så samma arkitekturfråga återkommer. En logg på fyra fält gör slut på slingan — och den är något annat än kontextfilen.
Små diffar vinner: varför AI-hjälpen blir bättre av mindre ändringar
Stora AI-genererade ändringar ser produktiva ut och är svåra att granska. Så delar du upp arbetet i steg som går att verifiera var för sig — och så formulerar du prompten som håller ihop dem.
Prompta för kod: fyra delar som avgör vad du får tillbaka
En kodprompt har ett osynligt facit som en vanlig fråga saknar: ditt befintliga system. Vilken kontext som faktiskt hjälper, varför du ska be om plan före kod, och tre mallar att återanvända.
Granska AI-genererad kod: sju frågor per diff
AI-kod går sönder på ett annat sätt än handskriven — sällan slarvfel, desto oftare rätt mönster på fel plats. Vad du tittar på först, och hur du granskar kod i ett språk du inte kan.
Felsökning med AI: förstå innan du fixar
Slingan av staplade fixar som äter tjugo minuter, undersökningen som ska göras före frågan, felsökningsmallen — och buggarna där AI sällan hjälper alls.
Testning av AI-genererad kod: mer test, inte mindre
Varför testbehovet ökar när koden genereras, testet som skrivs först, genererade tester som inte testar något, och täckningssiffran som ljuger.
Säkerhet och känsliga data: vad som får lämna huset
Två skilda frågor som ofta blandas ihop: vad du skickar in i modellen och vad som kommer ut. Anonymisering som fungerar, vanliga sårbarheter, och leverantörsfrågorna.
Verktyg och redigerare: uppsättningen slår valet
Tre kategorier av verktyg, vad som faktiskt bör avgöra valet, kontextfilen som verktygen läser — och vad du inte ska automatisera.
Agenter och automatisering: avgränsningen är hela säkerheten
Vad en agent faktiskt är, när det lönar sig, de tre gränserna som utgör skyddet, vilka verktyg den ska få använda — och de fyra mönster som går fel.
Vibecoding: bygg appar genom att beskriva vad du vill ha
Sex delar för dig som inte skriver kod. Komma igång, läsa AI-genererad kod, ta sig ur läget när appen gått sönder, publicera säkert — och veta när det är dags att ta hjälp.
Guiderna är längre genomgångar av ett arbetsmoment, från grunderna till det som brukar gå fel. Varje guide är tänkt att gå att läsa i ett svep.
Kom igång: att programmera tillsammans med en AI-modell
Vad modellen faktiskt är bra på, vad du fortfarande äger själv, och hur du lägger upp en arbetsdag där AI gör utkasten men du behåller ansvaret för besluten.
Prompta för kod: fyra delar som avgör vad du får tillbaka
Vilken kontext som faktiskt hjälper, varför du ska be om plan före kod, och tre mallar att återanvända.
Granska AI-genererad kod: sju frågor per diff
Vad du tittar på först, felen som ser rätt ut men inte är det, och hur du granskar kod i ett språk du inte kan.
Felsökning med AI: förstå innan du fixar
Undersökningen som ska göras före frågan, felsökningsmallen, och buggarna där AI sällan hjälper alls.
Testning av AI-genererad kod: mer test, inte mindre
Testet som skrivs först, genererade tester som inte testar något, och täckningssiffran som ljuger.
Säkerhet och känsliga data: vad som får lämna huset
Vad du skickar in i modellen och vad som kommer ut. Anonymisering, vanliga sårbarheter och leverantörsfrågorna.
Verktyg och redigerare: uppsättningen slår valet
Tre kategorier av verktyg, vad som bör avgöra valet, och kontextfilen som verktygen läser.
Agenter och automatisering: avgränsningen är hela säkerheten
Vad en agent faktiskt är, de tre gränserna som utgör skyddet, och de fyra mönster som går fel.
För dig som bygger genom att beskriva vad du vill ha i stället för att skriva kod. Sex delar i ordning — men varje del går att läsa fristående.
Kom igång med vibecoding: bygg utan att kunna koda
Vad som ska vara på plats innan du börjar, varför du bygger ett steg i taget, och de fyra reglerna som håller projektet säkert.
Läsa AI-genererad kod utan att kunna programmera
Fem saker att känna igen i all kod, hur du läser en fil på en minut, och förklaringsprompten som faktiskt avslöjar något.
När appen går sönder: backa först, felsök sedan
Slingan av staplade fixar och vägen ut ur den, hur du läser ett felmeddelande utan förkunskaper, och fyra fel du kan lösa själv.
Publicera appen: vad som går sönder när någon annan använder den
Checklistan innan du delar länken, nycklar som inte får ligga publikt, och vad som gäller när appen samlar in personuppgifter.
Åtta misstag att undvika i vibecoding
För stora steg, ingen väg tillbaka, staplade fixar, egen inloggning och betalning — och vad man gör i stället för var och en.
Lämna över till en utvecklare utan att förlora arbetet
Tecknen på att det är dags, vad du ska ha förberett inför första samtalet, och hur du fortsätter bygga själv inom en avgränsad del.
Kortare texter om ett enskilt problem: ett arbetssätt, en fallgrop eller en mall du kan använda direkt.
Databasmigreringar med AI: ändra schema utan att riskera datan
Modellen kan skriva migrationskod men ser inte datamängden, låsningarna eller vägen tillbaka. Så delar du schema, backfill och kod i verifierbara steg.
Ärvd kodbas: så använder du AI för att förstå kod du inte skrivit
"Förklara den här kodbasen" ger ett svar som låter rätt och inte går att använda. Så ställer du frågorna som ger terrängen — och så verifierar du svaren innan du bygger vidare på dem.
Beslutsloggen: sluta ta om samma diskussion varje session
Modellen har inget minne mellan sessioner, så samma arkitekturfråga återkommer. En logg på fyra fält gör slut på slingan — och den är något annat än kontextfilen.
Små diffar vinner: varför AI-hjälpen blir bättre av mindre ändringar
Stora AI-genererade ändringar ser produktiva ut och är svåra att granska. Så delar du upp arbetet i steg som går att verifiera var för sig.
Förändringar i AI-verktygen som påverkar hur du bygger: modellsläpp, API-ändringar, prisändringar och verktygsuppdateringar.
Claude Opus 5 är släppt — och tre ändringar som ger fel i din kod
Opus 5 kom den 24 juli 2026 till samma pris som Opus 4.8. Men i samma release notes ligger två brytande ändringar som redan gäller och en nedstängning med deadline 17 augusti.