Hoppa till huvudinnehåll
NexarAcademy
/ academy
Logga inSkapa kontoMentorskap
←Avancerad

Vad gör en agent

Playbook · 40 min
📖Teori·1 / 7

Vad gör en agent

En AI-agent är inte bara en chatbot. Den kan observera sin omgivning, resonera om vad som behöver göras, vidta åtgärder och lära sig av resultaten. Det här kapitlet definierar vad som skiljer en agent från en vanlig AI-interaktion.

📖Teori·2 / 7

De fyra egenskaperna

1. Perception — Agenten kan observera sin omgivning (läsa filer, hämta data, se skärmen)

2. Resonemang — Den kan tänka igenom problem, planera steg och fatta beslut

3. Handling — Den kan utföra åtgärder (skriva kod, anropa API:er, skicka meddelanden)

4. Minne — Den kan komma ihåg kontext och lära sig av tidigare interaktioner

En vanlig chatbot har bara resonemang. En agent har alla fyra.

❓Quiz·3 / 7
Vad skiljer en AI-agent från en vanlig chatbot?
🎯Reflektion·4 / 7
+50 XP

Tänk på en process hos en kund (eller hypotetisk kund) som du tror skulle gynnas av automation. Bryt ner processen i de fyra agentegenskaperna:

  1. Vad behöver agenten OBSERVERA (vilken data, vilka system)?
  2. Vad behöver den RESONERA om (vilka beslut)?
  3. Vad behöver den AGERA på (vilka konkreta handlingar)?
  4. Vad behöver den MINNAS över tid?

Om någon av dessa är tom — överväg om det egentligen behövs en agent eller om en enklare lösning räcker.

De fyra egenskaperna: Perception, Resonemang, Handling, Minne. En chatbot saknar perception, handling och minne.

📋Mini-projekt·5 / 7
🎨 Mini-projekt
Designa en agent för en specifik kund
~30 min+200 XP

Innan du bygger något — designa det på papper. Det här är konsultmusklerna du behöver för att sälja in en agent-lösning till kund.

1
Välj en konkret kund och problem

Beskriv en specifik kund (verklig eller realistisk hypotetisk) och ett återkommande problem de har som skulle gynnas av en agent. Var konkret: bransch, storlek, vilken roll i företaget som drabbas, hur mycket tid problemet kostar idag.

Bedömningskriterier
  • ▸Specifik kund med bransch och storlek
  • ▸Konkret problem (inte 'mycket admin')
  • ▸Tydlig kostnad i tid eller pengar
  • ▸Förklarar varför en agent (inte bara en prompt eller workflow) passar
2
Definiera agentens fyra egenskaper

Specificera EXAKT vad agenten ska kunna i varje av de fyra dimensionerna. Var teknisk — namnge system, datakällor, beslutspunkter och minneshållande element.

Bedömningskriterier
  • ▸Perception: minst 2 konkreta datakällor namngivna
  • ▸Resonemang: minst 2 beslutspunkter beskrivna
  • ▸Handling: minst 3 konkreta verktyg/handlingar
  • ▸Minne: tydligt vad som sparas kort vs långt
3
Identifiera risker och guardrails

Vilka 3 saker kan gå allvarligt fel med din agent? För varje risk: föreslå en konkret guardrail eller human-in-the-loop-punkt.

Bedömningskriterier
  • ▸Minst 3 specifika risker (inte 'AI:n hittar på')
  • ▸Varje risk har en konkret guardrail
  • ▸Minst en human-in-the-loop-punkt definierad
  • ▸Reflektion över vilken risk som är allvarligast
📖Teori·6 / 7

Sammanfattning

  • Agenter har 4 egenskaper: perception, resonemang, handling, minne
  • En chatbot är inte en agent — den saknar perception, handling och minne
  • Claude Code är ett exempel på en agent — den läser filer, resonerar, skriver kod och minns kontext
  • Agentisk AI är framtiden för affärsautomation
🔁Flashcards·7 / 7
📇 Flashcards1 / 5
Agent-designmönster →