Evergreen læring, der hjælper dig fra forklaring til konkret anvendelse. Hver guide skal lære dig en metode – ikke bare fylde et søgeord ud.
Vælg den opgave eller metode, du vil forstå, og gå videre derfra.
Kontekst, eksempel, krav og kvalitetstjek.
02 · Arbejde AI i praksisResearch, analyse, tekst og konkrete arbejdsopgaver.
03 · Systemer AI-agenterTools, memory, RAG, MCP, guardrails og evaluering.
04 · Automation Byg workflowsn8n, Make, Zapier, API'er, retries og drift.
Hver guide skal give dig en metode, et eksempel og en måde at kontrollere resultatet på.
MCP standardiserer forbindelsen mellem kompatible AI-klienter og eksterne værktøjer eller data. Det erstatter ikke rettigheder, auth eller risikovurdering.
Memory er ikke én funktion. Skeln mellem samtalekontekst, brugerpræferencer, opgavetilstand og varig viden, før du gemmer noget.
Brug agenter i kundeservice, når opgaven kræver flere kontrollerede trin og værktøjer – ikke bare fordi en enkelt prompt kunne automatiseres.
Brug agenter i salg, når opgaven kræver flere kontrollerede trin og værktøjer – ikke bare fordi en enkelt prompt kunne automatiseres.
Lær hvordan en agent får adgang til handlinger uden at lade modellen eje regler, adgangsoplysninger eller validering.
Brug agenter i SEO, når opgaven kræver flere kontrollerede trin og værktøjer – ikke bare fordi en enkelt prompt kunne automatiseres.
Brug agenter i marketing, når opgaven kræver flere kontrollerede trin og værktøjer – ikke bare fordi en enkelt prompt kunne automatiseres.
RAG lader agenten hente relevante kilder ved behov. God retrieval kræver metadata, adgangskontrol og evaluering – ikke bare embeddings.
Agent-evaluering skal måle hele opgaven – valg af værktøjer, resultater, handlinger og sikkerhed – ikke kun hvor pænt slutteksten ser ud.
Brug agenter i research, når opgaven kræver flere kontrollerede trin og værktøjer – ikke bare fordi en enkelt prompt kunne automatiseres.
Gem prompts og workflows, vælg dine interesser og få en læringssti, der peger videre i stedet for at starte forfra.