Den uventede gave fra agentisk kodning: Bedre commits gennem klare grænser

AI-agenter ændrer stille, men effektivt, den måde udviklere arbejder med versionstyring på. Det er ikke en bevidst strategi – det er en uventet sidegevinst.

I årevis har vi kæmpet med at holde vores commits rene. Vi har brugt timer på at squashe, rebase og omstrukturere historikken, så ændringerne bliver nemmere at læse. Atomic commits blev en slags hellig gral, og alle havde en holdning til, hvordan en god diff burde se ud.

Men måske har vi hele tiden jagtet det forkerte problem.

Det handler ikke om commits – det handler om scope

Når udviklere arbejder med AI-agenter, oplever de ofte, at smalle, velafgrænsede opgaver automatisk resulterer i overskuelige ændringer. En agent, der får til opgave at migrere en database eller bygge en ny service, leverer typisk kode, der er nem at gennemgå – uden ekstra arbejde i Git.

Omvendt giver brede, sammensatte opgaver store og uoverskuelige diffs. Her hjælper ingen commit-beskeder. Problemet ligger ikke i commit-strategien, men i at opgaven var for bred fra starten.

Det er en simpel, men vigtig indsigt: De fleste problemer med commits er i virkeligheden problemer med scope.

Agenter afslører, hvad vi selv overser

AI-agenter har ingen evne til at gætte sig frem. De kan ikke dele en stor opgave op i mindre bidder, medmindre man beder dem om det. De har brug for tydelige grænser.

Derfor bliver man tvunget til at være præcis. I stedet for at sige "tilføj dark mode", skal man beskrive præcis, hvad der skal ske – hvilke filer der røres, hvilke komponenter der ændres, og hvilke tests der skal opdateres. Det er ikke en begrænsning. Det er en fordel.

En ny måde at arbejde på

Når man begynder at tænke i klare, afgrænsede opgaver, ændrer arbejdsprocessen sig:

• Man arbejder i kortere, fokuserede sessioner i stedet for lange maratonløb
• Hver opgave får et klart slutpunkt, så man undgår at "bare lige" tilføje mere
• Commit-grænserne opstår naturligt, fordi scope er defineret på forhånd
• Code review bliver lettere, fordi ændringerne hænger sammen

Det handler ikke om at arbejde hårdere – det handler om at lade værktøjets begrænsninger hjælpe med at strukturere arbejdet.

Sådan sætter du grænser for agenten

1. Start med ét klart mål. Ikke "forbedr betalingssystemet", men "tilføj refund-funktion til eksisterende endpoints."

2. Skriv acceptkriterier, som hvis du testede en ny kollega. "Brugeren kan anmode om refund fra ordrehistorikken, og admin ser anmodningerne i dashboardet."

3. Definer, hvad der er uden for scope. "Rør ikke authentication. Lav ingen nye migrationer."

4. Gennemgå diffen med det samme, mens konteksten stadig er frisk.

Den her tilgang er ikke kun nyttig, når man arbejder med AI. Den gør det lettere for hele teamet at forstå, hvad der er sket – og hvorfor.

Det handler om disciplin, ikke værktøjer

Det bedste ved agentisk kodning er ikke, at det sparer tid. Det er, at det tvinger os til at arbejde mere præcist. Den gode kode kommer ikke fra ubegrænset frihed, men fra en klar forståelse af, hvad der skal løses – og hvad der ikke skal.

Det er ikke Git, der skal fixes. Det er vores evne til at definere opgaver skarpt. AI-agenter gør det bare sværere at ignorere.