Oppslagsverk · 41 begreper

Begreper i kurset

Korte forklaringer på ordene du møter underveis. Du trenger ikke lære dem utenat. Bruk siden når et begrep dukker opp og du vil forstå hva det betyr i praksis.

A

Agent: En modell som arbeider mot et resultat gjennom flere steg og kan bruke filer, verktøy og annen kontekst underveis. En agent gjør mer enn å svare i en chat, men den handler fortsatt innenfor tilgangen og instruksjonene den har fått.
Agentisk arbeidsflate: En applikasjon på datamaskinen der en agent kan arbeide med en mappe, lese filer og bruke avgrensede verktøy. Codex og Claude Cowork er eksempler. Det er noe annet enn å bruke den samme leverandøren bare som chat i nettleseren.
AGENTS.md: En tekstfil med faste instrukser for agenten i en mappe: hva området er, hvilke regler som gjelder og hvor viktig kontekst finnes. Du trenger ikke skrive filen fra bunnen av; agenten kan lage og forbedre den sammen med deg.
Applikasjon: Produktet eller grensesnittet du bruker for å få tilgang til en modell. ChatGPT, Claude-appen og Gemini-appen er applikasjoner; GPT, Claude og Gemini er modellfamilier. Én applikasjon kan gi tilgang til flere modeller og tjenester.
Arbeidsenhet: Én konkret sak, oppgave eller leveranse inni et arbeidsrom. Et kundeprosjekt kan være et arbeidsrom, mens én analyse eller én leveranse er en arbeidsenhet.
Arbeidsmåte: Den gjentakbare måten en oppgave blir løst på: rekkefølge, krav, kilder, kontroll og ønsket format. Når en god arbeidsmåte dokumenteres, kan agenten gjenbruke den i stedet for å starte fra null.
Arbeidsrom: Et varig hjem for en type arbeid som gjentas. Her kan kontekst, kilder, instrukser, arbeidsmåter og konkrete arbeidsenheter bo sammen, slik at både du og agenten finner det igjen.
Autoritativ kilde: Kilden som skal regnes som fasit for en bestemt opplysning eller beslutning. Det kan være en vedtatt strategi, en kontrakt, et fagsystem eller en navngitt person. Agenten bør vite hvilken kilde som vinner når kilder er uenige.

B

Bibliotek: Mappen i arbeidsflaten der du samler materiale du bruker underveis: rapporter, artikler, notater, transkripsjoner. Biblioteket vokser raskere enn kjernekonteksten, og agenten henter fra det når en oppgave trenger det.

C

Chat versus agent: I en chat skriver du en melding og får et svar. En agent kan ta et avgrenset oppdrag, arbeide gjennom flere steg og bruke filer eller verktøy før den kommer tilbake med et resultat. Forskjellen ligger i arbeidsformen, ikke bare i hvilket produktnavn som står øverst.

F

Ferdigkriterium: En konkret beskrivelse av hva som må være sant før en oppgave kan regnes som ferdig. Det hjelper agenten å vite når den skal stoppe, og hjelper deg å kontrollere at resultatet faktisk kan brukes.
Filformat: Måten et dokument er lagret på, for eksempel PDF, Markdown eller et regneark. Filformatet påvirker hvordan innholdet kan leses, endres og brukes av agenten. Dette er noe annet enn Formater-mappen, som beskriver ønsket oppbygning av en leveranse.
Format: En beskrivelse av hvordan du vil at et resultat skal bygges opp: hvilke deler det skal inneholde, rekkefølge, lengde og språk. Du kan for eksempel lagre et artikkelformat eller et format for LinkedIn-innlegg i Ressurser/Formater. Her betyr format innholdets oppbygning, ikke filtypen.
Forsterker: Noe som øker virkningen av grunnlaget det får. AI kan forsterke faglighet, tempo og gode arbeidsmåter, men også uklarhet, svake vurderinger og feil. Derfor må både grunnlaget og resultatet kontrolleres.
Frontier-modell: En betegnelse på modellene som ligger nærmest den tekniske fronten på et gitt tidspunkt. De er ofte kraftige og kostbare, men ordet er ikke en garanti for at modellen er best til akkurat din oppgave. Hvilke modeller som regnes som frontier, endrer seg raskt.

H

Hallusinasjon: Når en modell lager informasjon som høres troverdig ut, men som er feil eller ikke kan dokumenteres. Dette håndteres med tydelige kilder og kontroll, ikke ved å stole på hvor sikkert svaret er formulert.

K

Kjernekontekst: Det relativt stabile grunnlaget agenten bør kjenne i mange typer arbeid: hvem du er, rollen din, hvordan du foretrekker å arbeide og hva som er viktig for deg. Ligger i egne filer under Kilder og oppdateres når virkeligheten endrer seg, ikke hver dag.
Klient: Applikasjonen du arbeider i og som gir tilgang til modellen og verktøyene rundt den. I kurset bruker vi ordet om blant annet Codex og Claude Cowork. Klienten avgjør mye av hva agenten kan se og gjøre.
Kontekst: Informasjonen agenten trenger for å forstå situasjonen og gjøre godt arbeid: mål, bakgrunn, kilder, eksempler, beslutninger, regler og tidligere arbeid. God kontekst er mer enn én lang prompt; den bør kunne finnes igjen og holdes oppdatert.
Kontekstvindu: Mengden informasjon modellen kan ha tilgjengelig samtidig i én arbeidsøkt. Tenk på det som arbeidsbordet modellen jobber på: Når bordet blir for fullt, må noe oppsummeres, hentes på nytt eller falle ut av oppmerksomheten.
Kontrollsløyfe: En arbeidsmåte der resultatet blir kontrollert mot krav eller kilder, feil blir rettet og kontrollen gjentas før arbeidet godkjennes. Agenten kan gjøre deler av kontrollen, men et menneske beholder ansvaret for viktige beslutninger.

L

LLM (stor språkmodell): En modell som er trent på store mengder tekst og kan tolke og generere språk ved å bruke mønstre den har lært. Den er motoren bak mange AI-applikasjoner, men den er ikke en database eller en kilde som alltid har rett.

M

Markdown: Vanlige tekstfiler som ender på .md, med en enkel måte å lage overskrifter, lister og lenker på. De kan åpnes i nesten alle programmer og leses direkte av både mennesker og agenter, og er derfor godt egnet til kunnskap som skal leve over tid.
MCP: Model Context Protocol er en åpen standard for å koble en agent til avgrensede verktøy og datakilder. Tenk på det som en felles kontaktstandard: Tilkoblingen gir en mulighet, mens den faktiske tilgangen bestemmes separat.
Minste tilgang: Prinsippet om at agenten bare skal få den tilgangen den trenger for den konkrete oppgaven, og ikke mer. Lesetilgang er tryggere enn skrivetilgang, og godkjenning bør kreves før handlinger som er vanskelige å reversere.
Modell: Motoren som tolker det du sender inn og genererer tekst eller annet innhold. Modellen er ikke det samme som applikasjonen du bruker, og den kjenner ikke virksomheten eller oppgaven din før den får relevant kontekst.
Modell med åpne vekter: En modell der de lærte modellfilene kan lastes ned og kjøres utenfor produsentens egen tjeneste, dersom lisensen og teknikken tillater det. Det betyr ikke nødvendigvis at hele modellen er åpen kildekode, gratis eller enkel å kjøre lokalt. GLM, Qwen og DeepSeek har eksempler på slike modeller.
Multimodal: At en modell kan forstå flere typer materiale enn tekst, for eksempel skjermbilder, bilder og dokumenter. Du kan vise agenten det relevante materialet i stedet for å beskrive det, men må fortsatt gi et tydelig formål og kontrollere resultatet.

P

PDF: Et filformat som bevarer utseendet på et dokument. Agenten kan lese PDF-er, men tekstuttrekk og tolkning av sidebilder kan kreve ekstra arbeid. En kontrollert Markdown-kopi kan være nyttig når tekstinnholdet skal brukes flere ganger.
Plugin: En utvidelse som legger nye funksjoner til en applikasjon. I en agentisk arbeidsflate kan en plugin pakke instrukser, verktøy eller koblinger slik at de blir enklere å ta i bruk. Innholdet og tilgangen bør vurderes før installasjon.
Prompt: Det du ber modellen eller agenten om å gjøre i en melding eller instruksjon. En nyttig prompt beskriver mål, relevant kontekst, viktige rammer og hvordan et godt resultat skal se ut.
Prompt injection: Tekst i en kilde, nettside eller fil som forsøker å få agenten til å endre oppdraget, avsløre informasjon eller omgå reglene. Eksternt innhold må derfor behandles som data som skal vurderes, ikke som instrukser agenten automatisk skal følge.

R

Read-only (lesetilgang): Tilgang der agenten bare kan lese, ikke endre, slette eller sende. Lesetilgang er tryggere enn skrivetilgang og er ofte nok når agenten skal undersøke, oppsummere eller kontrollere noe.
Reasoning-modell: En modell som bruker mer beregning og tid før den svarer på krevende oppgaver. Den kan være bedre til analyse og sammensatte problemer, men er ofte tregere og dyrere og må fortsatt få god kontekst og kontroll.
Ressurser: Mappen for skills og formater du vil bruke igjen i flere oppgaver. Skills beskriver hvordan agenten skal arbeide, og formater beskriver hvordan resultatet skal bygges opp. Selve arbeidet og de ferdige tekstene hører hjemme i et arbeidsrom.

S

Skill: En gjenbrukbar instruksjon som beskriver hvordan agenten skal utføre en bestemt type oppgave. Den kan angi steg, spørsmål og krav til når arbeidet er ferdig. Arbeidsmåten kan forbedres etter hvert som du bruker den.
Systemet rundt modellen (agent harness): Programvaren rundt modellen som gir den tilgang til filer og verktøy, lar den utføre flere steg og følger med på arbeidet. Tenk på modellen som motoren og systemet rundt som resten av kjøretøyet. Claude Cowork og Codex er slike systemer.
Systeminstruksjon: En overordnet instruksjon som setter rolle, regler og grenser for modellen eller agenten før den vanlige samtalen begynner. Slike instrukser kan ligge i applikasjonen eller i filer som AGENTS.md.

T

Token: En liten tekstdel modellen bruker når den leser og skriver. Ett ord kan bestå av ett eller flere tokens. Antall tokens påvirker hvor mye som får plass i kontekstvinduet, hvor lang tid arbeidet tar og ofte hva det koster.

V

Verifisering: Å kontrollere en påstand eller et resultat mot autoritative kilder, krav eller faktiske tester før det brukes videre. Et overbevisende svar er ikke det samme som et verifisert svar.
Verktøy: En avgrenset handling agenten kan utføre, for eksempel å lese en fil, søke på nettet, oppdatere et dokument eller hente data fra et system. At verktøyet finnes, betyr ikke automatisk at agenten har tilgang til å bruke det.