AI-agenter der koder, mens du sover

Vi kender alle den situation. Du sidder dybt koncentreret i koden, når du pludselig opdager flere ting, der skal rettes. Måske en regex, der ikke håndterer alle tilfælde. Måske en validering, der mangler. Eller måske bare en lille tekstjustering, som designteamet har påpeget.

I stedet for at bryde din koncentration for at oprette en ticket, tilføje kriterier og tildele opgaven, kan du nu bare nævne problemet. Så klarer en AI-agent resten.

En ny arbejdsgang i tre trin

Nye udviklingsværktøjer ændrer måden, vi leverer kode på. I stedet for manuelt at oprette tickets og vente på overdragelser, kan du nu bruge en arbejdsgang, der holder dig i flow.

Trin 1: Du taler
Mens du arbejder i din IDE, nævner du blot en ændring. "Denne valideringsfunktion skal kunne håndtere RFC-5321 quoted local parts." Agenten opfanger det og opretter en opgave automatisk.

Trin 2: Agenten leverer
Mens du sover eller arbejder med andre ting, trækker agenten opgaven frem, kloner dit repo og skriver den nødvendige kode. Den tester i rigtige browsere med real rendering og screenshots og åbner en PR.

Trin 3: Du gennemgår
Næste morgen eller efter en pause finder du en PR, der allerede er testet. Den inkluderer billeder og video som dokumentation. Du kan blot gennemgå og merge de gode PR'er uden at skrive en eneste linje kode.

Fordelene ved denne arbejdsgang

Den klassiske udviklingsproces har en skjult omkostning – nemlig context switching. Det tager ofte mere end 15 minutter, at komme tilbage efter en afbrydelse. Ticket-oprettelse, spørge-runder og code reviews forlænger processen.

Den nye arbejdsgang holder problemerklæringen let og mekaniske arbejdsopgaver automatiseret. Det eliminerer mange af de friktionspunkter, der ellers forhindrer fast flow.

Specifikke fordele:

• Intet flow-brud: Du bliver i din editor. Bruger natural language. Agenten overtager kontextfangst.
• Rigtig QA: Ikke kun linting eller unit tests. Rigtige browser-tests med real DOM, DOM screenshots og video-dokumentation.
• Selvrettende: Når QA finder fejl, læser agenten error report og push'er en ny version. Hun kan gøre det op til 3 times før en human review.
• Afhængighedsbevidst: Hvis en PR afhænger af en anden, venter den korrekt. Ingen merge conflicts eller 2 AM cleanup.
• Repo-læring: Agenten lærer dine login-flows, naming conventions og specifikke pitfalls. Med tiden bliver processerne hurtiger.

Hvordan det teknisk fungerer

Under motorhætten ligger en kombination af nyere teknologier:

1. Large language models der kan læse kode, write code og vurdere correctness