Værktøjerne ændrer sig hele tiden
Nye funktioner kommer hver uge. Teamet kan ikke se hvilke metoder der holder.
AI-træning
Giv jeres udviklingsteam en fælles måde at arbejde med AI
AI-værktøjerne er allerede på skrivebordet. De fleste teams mangler stadig en praktisk metode. Lynray hjælper udviklere med at bruge kodeagenter på rigtigt arbejde. Teamet bevarer den tekniske vurdering. Standarderne for review er klare.
Claude Code | Codex | OpenCode
Planlæg AI-træningProblemet med udrulning
Teamet har AI-værktøjer. Arbejdsmetoden er stadig uklar.
Individuelle forsøg skaber ikke en pålidelig metode for hele organisationen.
Resultaterne varierer i teamet
Nogle udviklere får gode resultater. Andre har svært ved at bruge samme tilgang.
AI-kode er svær at stole på
Genereret kode flytter sig hurtigt. Review og kontrol følger ikke altid med.
Der mangler en fælles metode
Personer bruger forskellige prompts. De bruger forskellige kontroller. Læringen bliver hos den enkelte.
En arbejdsmetode
Lær at bruge AI som en reel arbejdsmetode
Træningen er praktisk. Hver session forbindes direkte med den måde teamet leverer software på.
Praktisk, ikke teoretisk
Teamet arbejder med rigtige udviklingsopgaver. Resultatet kan bruges efter sessionen.
Bygget til udviklingsteams
Træningen passer til jeres stack. Den passer til jeres kodebase. Den passer til jeres reviewproces.
Aktuelt, ikke sidste års
Værktøjerne ændrer sig. Træningen dækker planlægning. Den dækker kontekst. Den dækker også review. Den dækker kontrol.
Vejen gennem træningen
Forbind workshoppen med rigtig levering
Hvert trin skaber et resultat som teamet kan bruge videre.
01
Fastlæg udgangspunktet
Vælg ét team. Vælg én rigtig arbejdsgang. Registrér det nuværende resultat.
Bevis: et aftalt udgangspunkt
02
Lær gennem praksis
Udviklerne planlægger arbejde med agenter. De styrer kontekst. De gennemgår resultatet. De kontrollerer ændringen.
Bevis: gennemførte øvelser med relevant arbejde
03
Brug metoden
Teamet bruger metoden i den normale levering. Fælles instruktioner gør arbejdet gentageligt.
Bevis: en fungerende metode for teamet
04
Gennemgå resultatet
Sammenlign resultatet med udgangspunktet. Bevar de metoder som forbedrer nyttig levering.
Bevis: en klar beslutning om næste trin
Kommercielt resultat
Mål forbedringen i leveringen efter træningen
Aktivitet i værktøjet er ikke resultatet. Sikker levering af værdifuld software er resultatet.
Tid til levering
Mål tiden fra godkendt arbejde til en sikker release.
Tid til review
Mål hvor længe færdigt arbejde venter på et nyttigt review.
Ekstra arbejde
Mål hvor ofte arbejdet vender tilbage fordi resultatet ikke var færdigt.
Frigivet værdi
Forbind den bedre arbejdsgang med software der når ud til brugerne.
Træn teams inden for klare rammer i virksomheden
Store organisationer har brug for fælles styring før agentisk kodning udvides til flere kodebaser.
Rammer for træningen
- Godkendte værktøjer
- Regler for data
- Regler for adgang til kode
- Menneskelig godkendelse
- Standarder for sikker kode
- Klart ansvar
Det teamet beholder
- Fælles agentisk arbejdsgang
- Instruktioner til kodebasen
- Tjekliste til review
- Relevante eksempler fra træningen
- Udgangspunkt for levering
- Plan for næste trin
Nuværende workshops
Vælg det rigtige udgangspunkt
Hver workshop tilpasses jeres behov og de aktuelle udfordringer i leveringen. Sessionen kombinerer fokuseret undervisning med praktisk arbejde. Teamet går derfra med metoder og klare næste skridt, som kan bruges med det samme.
Agentic Engineering
Endagsworkshop for udviklere og arkitekter
Claude Code | Codex | OpenCode
Lær at bruge kodeagenter til at levere software i produktionskvalitet. Agentic Engineering er en praktisk workshop med fokus på spec-drevet udvikling: du beskriver præcist, hvad der skal bygges og hvordan, agenten implementerer det, og du bevarer det fulde tekniske ejerskab over kodebasen.
Det lærer du
- Spec-drevet udvikling i praksis: skriv opgaver, der kan drive autonom kodegenerering
- Kontekststyring med AGENTS.md, CLAUDE.md, .opencode og repo-struktur
- Opsætning og daglig brug af Claude Code, Codex og OpenCode
- Hvornår du lader agenten arbejde, hvornår du stopper den, og hvordan du fanger fejl tidligt
- Sådan reviewer og validerer du AI-genereret kode med samme grundighed som håndskrevet kode
- Governance og ansvar i enterprise-miljøer
Hvem er det for
Udviklere og arkitekter, der vil bruge AI som en reel kodepartner uden at miste den tekniske dømmekraft.
Avanceret Agentic Engineering
Til teams, der allerede bruger agenter i produktion
Claude Code | Codex | OpenCode
En praktisk opfølgningsworkshop for udviklere, der er klar til næste skridt med at udbrede agentic engineering i organisationen. Vi arbejder med avanceret kontekststyring, loop engineering, Ralph Loops, strukturering af kodebasen og multi-agent-arbejdsgange.
Det lærer du
- Adversarial udvikling: skriv opgaver, så agenter reviewer deres eget arbejde
- Avancerede prompt-mønstre og agenter, der skriver prompts
- Dybdegående kontekst-engineering på tværs af en rigtig kodebase
- Valg af den rette model til opgaven - hvornår billigere modeller rækker, og hvornår du skal bruge de bedste
- Skills, plugins og multi-agent-arbejdsgange, der får jer hurtigere i mål
Hvem er det for
Udviklere og arkitekter med erfaring i agentbaseret udvikling, eller som har gennemført workshoppen Agentic Engineering.
Skalering af succes
Udvid når ét team viser nyttige resultater
Et større program skal følge bevis fra det normale leveringsarbejde.
1
Start med ét team
Brug en rigtig kodebase. Fokuser på ét problem i leveringen.
2
Gør det der virker til en standard
Bevar de nyttige instruktioner. Bevar reglerne for review. Bevar målene.
3
Træn de næste teams
Tilpas den afprøvede metode til flere kodebaser. Gennemgå resultatet efter hver udrulning.
Hvor har jeres team brug for en fælles AI-praksis?
Beskriv det nuværende problem i leveringen. Lynray foreslår en fokuseret workshop eller et bredere enablement-forløb.