Når AI-kodeassistenter løber fast: Bedre prompting og arkitektur

Der kommer et øjeblik i AI-støttet udvikling, hvor magien pludselig forsvinder. Din kodeagent, der ellers lynhurtigt fikserer bugs og tilføjer features, begynder at tage uendelig tid. Token-forbruget eksploderer, og svarene bliver vage og usikre.

Hvad skete der? AI'en er ikke gået i stykker. Du har bare stillet det forkerte spørgsmål.

Fra honeymoon til muren

Kodeassistenter som Claude og GPT-4 er skabt til præcise, afgrænsede ændringer. De læser din kodebase, fanger stilen og respekterer dine tests – og så laver de små, målrettede rettelser. Det er fantastisk, når arkitekturen er på plads og du bare vil forbedre lidt ad gangen.

Men der er en hage.

Når du går fra "tilføj denne feature" til "omskriv hele autentificeringslaget", begynder AI'ens træningsdata at arbejde imod dig. Den ser dine tests som uomtvistelig sandhed. Den holder fast i den eksisterende kodestil. Den laver de mindst mulige ændringer. Det er en styrke ved vedligeholdelse – men en begrænsning, når du vil omtænke arkitekturen.

Vi kan kalde det test hell – hvor alle dine tests bliver faste holdepunkter, og alle forsøg på større ændringer bliver fanget af de samme sikkerhedsmekanismer, der egentlig skulle beskytte dig.

Token-spiralen

Sådan ser det typisk ud i praksis:

1. Du beder agenten om at refaktorere et modul
2. Agenten forsøger at bevare alle tests
3. Den nye arkitektur passer ikke til de gamle teststrukturer
4. Agenten laver kun små ændringer
5. Du bliver mere specifik
6. Token-forbruget fordobles – og tredobles
7. Svarene bliver mere og mere uforståelige

Agenten er ikke ved at miste forstanden. Det er simpelvejse, at den kæmper mod flere modstridende instrukser på én gang.

Root cause: Arkitektur og forventninger

Det er en arkitektonisk og filosofisk læring.

Kodeassistenter er trænet til inkrementel udvikling – små, præcise ændringer på et stabilt fundament. Det er også, hvad virkelige pull requests ser ud til. Det gør træningen korrekt og værdifuld.

Men din projektfase kan være en, hvor du er nødig til større omstrukturering. Du ikke er ved udvikling af en stabilt system; men ved at omforme en. De eksperimentelle eksperimenter, du skrev i sidste sprint, var ikke permanent. De foreløbige tests var blot valideringsværktøjer – ikke kontrakter.

Når tests og arkitektur støder sammen

AI-agenten er loyal over for de direktiver, der tidligere har fungeret. Tænk på en human senior developer: de ville aldrig bare udtrykke "omskriv hele koden og holde alting kørende". De opretter en design document. De markerer visse tests for deprecation. De opstiller acceptance criteria for resultatet – ikke for processen.

Sådan får du bedre resultater med din AI-agent

1. Gør dine begrænsninger tydelige

Thats, "Refactor this module while keeping the tests green."

Try: "We're doing an architectural refactor. These tests are being retired. Heres den nye specifikation for, hvad dette modul skal gøre. Disse acceptance tests repræsenterer den nye contract."

2. Separér udforsning fra implementering

Brug din agent for small, throwaway branches til at eksperimentere. Build prototypes. Get feedback. Derefter opstiller du den stabile arkitektur. Undgå at bede agenten om at maintain gamle tests, mens den samtidig er tasked med at erfind a new structure.

3. Opdater test-strategien

Tests er fantastiske til at beskytte eksisterende funktionalitet. Men de er mindre ideal til at guide fremtidig arkitektur. Når arkitekturen ændrer sig, skal du også opdatere din test-strategy. Give agenten eksplicit permission i writing – at refaktorere tests sammen med code.

4. Brug design documents

Før du beder din AI-assistent om at gøre sweeping changes, skrive ned, hvad der skal ændres og защо. Inkludér den arkitektoniske rationale. Dette giver agenten context uden code style og test coverage.

Vibe coding og AI-assisteret udvikling

Det gelt geltan apply direkt til vibe coding – den samarbejdsmodel, hvor AI håndterer execution og humans guide direction. AI's styrke er ikke at arbejde uden correction. Det is that AI excels at implementing well-defined direction.

When you're working with NameOcean's AI-assisted development tools or any coding agent, remember: You're not managing an independent engineer. You're collaborating with a system optimized for specific kinds of changes within specific constraints.

The magic returns when you align your requests with those constraints – or explicitly override them with clear direction.

Takeaway

Din AI-kodeagent er ikke brudt. Det er ikke at blive dummere. Det er doing exactly what it was trained to do: make precise, safe, incremental changes. Når du need something different, you need to ask differently.

Næste gang når you feel like din coding agent is spinning its wheels, pause and ask: Am I asking for incremental changes against a stable foundation, or am I asking for evolutionary architecture while pretending the foundation is stable?

The answer will determine whether you need better prompting or better architecture – or usually, both.

At NameOcean, we're exploring how AI-assisted development, robust infrastructure, and thoughtful architecture work together. Whether you're building on our Vibe Hosting platform or deploying elsewhere, understanding your tools' strengths—and constraints—is the real competitive advantage.