AI och systemutveckling i praktiken - intervju med en agentisk kodningsexpert

Vi har många kunder som vill jobba mer med AI i sin utveckling men få som ännu landat i ett tydligt arbetssätt. Därför har jag denna vecka intervjuat Andreas som är en av OMATEQs experter på området. Vi pratar om hur han jobbar med agentic coding, lokala modeller och kvalitet i praktiken.

Andreas, vad menar du med agentic coding i praktiken?

Jag jobbar med agentic coding som om jag vore manager för ett team juniora utvecklare. Utvecklare som är väldigt ambitiösa, men med minnesproblem och en tendens att bli lite överexalterade. Jag ger uppgifter med kontext och acceptanskriterier, och agenten tar fram kod, tester och förslag. Jag reviewar, fattar besluten och håller i arkitektur, säkerhet och kvalitet. Och så bromsar jag när det blir överbyggt eller luktar code smells.

Hur ser din setup ut en vanlig dag?

Jag börjar nästan alltid med planeringsagenten i t.ex. OpenCode, där jag skriver uppgiften så konkret jag kan med kontext och tydliga mål. Behöver jag bolla lite kring implementationen, använder jag en uppsatt brainstorming-skill för detta. Är det större saker bryter jag ut en spec först, gärna enligt SDD (Spec-Driven Development), och använder något som OpenSpec för att få en tydlig specifikation och dokumentation.

Under implementationen kör jag helst TDD (Test-Driven Development) med Red-Green-Refactor, så agenten får en objektiv signal via tester och inte fortsätter på "känsla". Jag gör review löpande och avslutar med en separat granskning mot checklistor via en egen review-agent.

När väljer du lokala modeller istället för moln?

Personligen kodar jag inte med lokala modeller, men i produktion skulle jag välja det när krav på dataskydd och regelefterlevnad innebär att prompts och användardata måste stanna i den egna miljön, till exempel på grund av data residency, loggning, åtkomstkontroll eller leverantörsrisk. Jag skulle också välja det när snabb och förutsägbar respons är affärskritiskt, till exempel i interaktiva flöden där det ska kännas direkt, eller när tjänsten måste funka offline. Och ibland räcker en liten lokal modell långt för enklare saker som inte kräver så mycket världskunskap, till exempel en supportbot som svarar utifrån den egna kunskapsbasen och etablerade rutiner.

Hur undviker du att AI skapar snabb kod som blir dyr senare?Jag är extremt nitisk med statisk kodanalys, till exempel lintingregler, typcheckning och kontroll av oanvända dependencies. Jag försöker ha så många regler med autofix som möjligt så att inget lämnas åt slumpen. Jag ser till att linting körs så fort en fil skrivs till via hooks, så att modellen får feedback direkt och inte fortsätter förrän allt är godkänt. Hela kontrollkedjan körs även i en pre-commit hook. Jag har alltid en väl utarbetad, projektspecifik AGENTS.md-fil med den viktigaste domänkunskapen och tydliga Do's och Dont's, till exempel att inte ändra reglerna för linting eller försöka inaktivera dem. Och som sagt, TDD hjälper också mycket med detta.

Vad tror du blir standarden för hur team sätter upp agentisk kodning?

Jag tror att det blir vanligare att jobba med fler agenter parallellt: en som planerar, en som gör codebase discovery och summerar tillbaka, en som implementerar och en som granskar mot checklistor. Sedan kan man lägga på många fler roller vid behov. Överst sitter en agent som agerar koordinator och delegerar arbetet till subagenter så att varje roll kan jobba med mindre och mer relevant kontext. De olika rollerna kör olika modeller baserat på hur avancerad uppgiften är, vilket gör att enklare roller kan köras med små, snabba modeller och bara de svårare stegen eskaleras till större modeller, så teamet får kortare tid till leverans och lägre kostnad per pull requests.

Vilket råd skulle du ge ett utvecklingsteam som vill börja agentiskt?

Börja med att sätta tydliga ramar och kvalitetsspärrar som känns rimliga för teamet. Optimera för review och ansvar snarare än för hur mycket kod som spottas ut, jobba med små pull requests, tydliga granskningspunkter. Och se till att en människa alltid äger beslut om arkitektur, säkerhet och kvalitet.

Jag tror också att det är viktigt att det finns personer i teamet som omfamnar det här sättet att arbeta, inte att det endast är något som kommer uppifrån i organisationen.

Tack för det :)

Tack, tack

Vill ni veta mer om ämnet agentisk utveckling är det bara höra av sig till mig eller någon av mina kollegor. Nästa vecka återvänder vi in under motorhuven på LLMer med en teknisk artikel kring hur modellerna fungerar i praktiken.

Mvh

Emil