- 1️⃣ total tystnad - 2️⃣ musik i lurarna - 3️⃣ halvkaos + kaffe - 4️⃣ annat?

My process usually starts as if I’m talking to the owner of a development company. First, we do a system brief. Outcomes, constraints, what the system must achieve. That brief usually goes through one, two, sometimes three iterations until it’s clean. From there, I move into a senior-level architectural discussion between me and the AI. We go back and forth, refining ideas, pressure-testing assumptions, and turning rough concepts into structured thinking. Out of that comes real documentation often 10 to 20 documents in total. Some short, some long. System briefs, architecture outlines, infrastructure designs, domain models, boundaries, ingestion and validation flows, human-in-the-loop reviews if AI is involved, and so on. A key part of this is canon. I always define canonical documents: a system brief canon, sometimes a domain canon, sometimes something more specific. These are single sources of truth. The AI understands what “canonical” means, and when things drift, I can always pull it back with “read the canon first.”All of this happens before I touch an IDE. With human developers, this usually happens implicitly they ask the right questions and create the documentation themselves. AI doesn’t do that. It has no long-term memory. So I create the structure for it. That way, when it starts to hallucinate or wander, I can anchor it instantly instead of re-explaining everything from scratch. Only after that foundation is in place do I move into the IDE and let the agent work. The documentation isn’t overhead it’s the control system. So… what do the rest of you do? Or Am I just being overly fucking anal? One thing I forgot to mention: once I move into the IDE—Visual Studio Code, Antigravity, or both that’s where prompting really matters. I don’t just start prompting and hoping for the best. Before any code happens, I create what I call System Specification Documents. I catalogue them and explicitly require the agent to read every single one in detail. To make sure it hasn’t just skimmed them, I ask the agent to explain the project back to me the purpose, constraints, goals, and boundaries. No coding is allowed at this stage. No output. Just comprehension. If it misunderstood something, or if I missed something, we fix that immediately.

Bara för några timmar sedan släppte OpenAI sin nya Codex-app för Mac. Det här ser ut att vara deras direkta svar på Anthropic's Claude Code & Google's Antigravity och det vi håller på med här i studion. Jag har kört lite inledande research via NotebookLM och bilden här visar vad jag hittat hittills. Det verkar som att OpenAI nu satsar stenhårt på just det vi pratar om, nämligen att ha ett helt team av agenter (Multi-agent) som styrs av en central "Orchestrator". Det som ser mest spännande ut för oss: - Skills: Möjligheten att låta agenterna prata direkt med våra andra verktyg som GitHub och Figma. - Säkerhet: De kör allt i en sandlåda så att man kan känna sig trygg när AI:n börjar flytta runt filer. - Parallella trådar: Att kunna ha flera agenter som jobbar med olika delar av projektet samtidigt. Jag är själv helt ny på just OpenAI's Codex-miljö men jag är sjukt sugen på att se hur den står sig mot Antigravity Kit 2.0 som vi precis börjat köra med. Vad säger ni? Är det någon här inne som har hunnit testa Codex i andra sammanhang? Om ni vill så installerar jag appen direkt, filmar hela förloppet och gör en ordentlig "vibe check" åt oss här i Classroom. Ska jag trycka på knappen och börja filma? 👇

Jag tänkte dela ett exempel på när AI och jag inte alls jobbade så bra tillsammans. Jag försökte lägga till ytterligare en källa för jobbannonser i ett system där en källa redan fungerade stabilt. Det som hände var att den nya källan inte bara strulade – utan till slut slutade även den gamla, fungerande källan att fungera. Vi byggde vidare, justerade, testade igen, byggde lite till… i nästan två dagar. Resultatet blev mest stress, förvirring och känslan av att helt tappa kontrollen över systemet snarare än att komma framåt. Till slut fick det ett lyckligt slut – inte genom någon smart fix, utan genom att backa allt och återställa från backup. Då fungerade allt direkt igen. I efterhand var det ändå en erfarenhet rikare och ganska tydligt vad som saknades: - vi borde ha jobbat i egen branch för större förändringar (jag visste dock inte att det skulle vara så stort/komplicerat när vi började) :-) - Git hade inte hjälpt oss i just det här läget eftersom vi aldrig skapade den branchen - vi saknade automatiserade tester (smoke tests) som snabbt hade kunnat säga: “nu har något grundläggande gått sönder” Lärdomen blev rätt enkel men viktig: - minst en automatisk backup per dag (den körs varje dag automatiskt men bara första gången när jag öppnar terminalen) - alltid branch vid större ändringar - komplettera med enkla automatiserade tester som bara kollar att helheten fortfarande hänger ihop Nu är jag igång igen med ett nytt försök – men den här gången med bättre skyddsräcken. (Detta jobbar vi med nu.) Nu är planen att göra ett nytt försök. Förhoppningsvis går det lite lugnare och bättre för AI och mig den här gången 🙂

Tänk dig att din internetuppkoppling försvinner imorgon, men du får behålla ett enda AI-verktyg och en enda prompt. Det du väljer ska hjälpa dig i vardagen, jobbet eller ditt skapande. 👉 Min är: Verktyg: ChatGPT Prompt: “Hjälp mig tänka klarare, inte snabbare. Ställ tre frågor som gör att jag förstår mitt problem bättre innan du ger något förslag.” Nu är jag nyfiken på er: 1. Vilket verktyg behåller du? 2. Vad är din “livsprompt”? Bonuspoäng om du berättar varför du valde just den. 👀