AI-verktøykasse for ingeniører: det dere faktisk skal implementere.

1. Bygg din egen Skill

Hovedøvelsen i workshopen var at hver deltaker skal gå hjem med minst én egen Skill: en gjenbrukbar oppskrift som gjør at AI-en løser en tilbakevendende oppgave på nøyaktig den måten dere vil ha den løst, hver gang, uten at dere må forklare på nytt.

En Skill er teknisk sett bare en mappe med én fil, SKILL.md, pluss valgfrie hjelpefiler (skript, maler, referansedokumenter). Filen har to deler: en kort YAML-header AI-en bruker for å vite når skillen er relevant, og en instruksjonsdel som forklarer hvordan oppgaven skal løses. Formatet ble laget av Anthropic og er nå en åpen standard som støttes av Claude Code, Claude.ai, Claude Cowork, og flere andre AI-verktøy.

Legg merke til strukturen: skillen sier ikke "vær en flink ingeniør". Den låser fast et konkret, gjentakbart arbeidsmønster dere allerede vet fungerer. Det er forskjellen på en Skill og en vanlig prompt: en prompt glemmes når samtalen lukkes, en Skill ligger klar neste gang noen trenger den samme oppgaven løst.

1. 01

   Velg én oppgave dere gjør ofte

   Ikke start bredt. Ta én konkret, tilbakevendende oppgave fra workflow-kartleggingen i workshopen, noe dere kan beskrive i tre setninger.

2. 02

   Skriv ned dagens beste praksis, steg for steg

   Hva gjør den flinkeste personen i teamet annerledes enn de andre når de løser akkurat denne oppgaven? Det er det som skal inn i skillen.

3. 03

   Be AI-en bygge skillen sammen med deg

   Du trenger ikke skrive YAML-formatet selv. Beskriv oppgaven i klartekst og be Claude om å strukturere den som en Skill (Anthropics offisielle skill-creator gjør nettopp dette).

4. 04

   Test den på et ekte tilfelle, ikke et påfunnet eksempel

   Kjør skillen på en reell sak fra forrige uke. Sjekk om resultatet er noe dere faktisk ville sendt videre uten redigering.

5. 05

   Del den med teamet, ikke bare deg selv

   En Skill som kun ligger hos én person sparer én person tid. Delt i teamet blir samme kvalitetsnivå standard for alle, ikke bare for den som er flinkest.

2. Få AI-en til å huske bedriften: CLAUDE.md

Skills løser enkeltoppgaver. Men dere vil også at AI-en skal huske ting som gjelder på tvers av alt: hvordan dere skriver, hvilke systemer dere bruker, hva som er forbudt å gjøre uten godkjenning. Det er jobben til en CLAUDE.md-fil: en enkel tekstfil AI-en alltid leser først, i hvert eneste prosjekt eller hver eneste samtale.

Fem regler som faktisk gjør forskjell, hentet fra Anthropics egne anbefalinger og etablert praksis i community:

• Hold den kort. Under 200 linjer er anbefalt, og noen team klarer seg med 50–60. Alt over ~300 linjer, og AI-en begynner å miste presisjon fordi instruksjonene drukner i støy.
• Vær konkret, ikke generell. "Skriv tydelig" hjelper ingenting. "Bruk alltid tabell for tallsammenligninger, aldri løpende tekst" er noe AI-en faktisk kan følge konsekvent.
• Skriv bare det som gjelder overalt. Regler som kun gjelder ett prosjekt hører hjemme i det prosjektets egen fil, ikke i hovedfilen alle andre oppgaver også må lese gjennom.
• Ikke over-strukturer. Én god fil slår fem nøstede undermapper med regler som overstyrer hverandre.
• Bruk HTML-kommentarer til notater til mennesker. <!-- som dette --> fjernes automatisk før AI-en ser det, så det er trygt for interne forklaringer uten å bruke opp AI-ens kontekst.

3. Minne og kontekst-drift

De fleste moderne AI-verktøy har nå en form for minne: informasjon som overføres mellom samtaler uten at noen limer det inn på nytt hver gang. Brukt riktig sparer det enormt med tid. Brukt feil fyller det opp konteksten med utdatert informasjon som AI-en aldri sjekker om fortsatt stemmer.

• Lagre beslutninger og preferanser, ikke rådata. "Vi bruker alltid 14 % arbeidsgiveravgift i kalkyler" er godt minnestoff. En hel rapport limt inn "for sikkerhets skyld" er det ikke.
• Aldri sensitiv informasjon i minnet. Passord, personnummer, kontraktsvilkår under NDA: dette hører hjemme i systemer med tilgangsstyring, ikke i et AI-minne.
• Rydd i minnet jevnlig. Gamle, motstridende notater er den vanligste årsaken til at AI-en plutselig "glemmer" noe den burde visst, fordi den egentlig fant to motstridende notater og gjettet feil.

4. Sjekk en Skill før dere stoler på den

En Skill er i praksis kode og instruksjoner noen andre har skrevet, som får lov til å styre hvordan AI-en oppfører seg. Det gjør den nyttig, og det gjør den til et reelt angrepspunkt hvis dere laster ned en fra en ukjent kilde. Uavhengige gjennomganger har funnet ondsinnet innhold i en ikke-ubetydelig andel offentlig delte skills, alt fra datatyveri til bakdører.

Bruk et Skill-sikkerhetsverktøy før dere installerer noe fra utsiden av teamet deres, for eksempel NVIDIA SkillSpector eller lignende community-verktøy for skill-skanning. De sjekker for skjult datainnhenting, prompt-injeksjon og andre mistenkelige mønstre, og gir dere en konkret vurdering før dere gir skillen tilgang til noe som helst.

5. 20 oppgaver, 20 verktøy

Dette er de mest frekvente oppgavene vi ser at ingeniører og tekniske team faktisk bruker AI til, med det verktøyet eller den type Skill vi vil anbefale for hver av dem. Noen er offisielle Anthropic-skills, noen er godt etablerte community-skills, noen er verktøy dere sannsynligvis allerede har tilgang til, og noen bør dere bygge selv i workshopen.

«Offisiell» betyr en skill utgitt av Anthropic selv. «Community, etablert» betyr en åpent delt skill med stor bruk og god track record, men gjennomgå den selv med et sikkerhetsverktøy (punkt 4) før dere tar den i bruk. «Eksisterende verktøy» er ikke en Claude Skill, men noe dere sannsynligvis allerede har tilgang til.

Neste steg

Dere har nå identifisert en konkret mulighet i workshopen, og verktøyene over for å faktisk gjøre noe med den. To veier videre:

• Test internt. Ta med pilotbrief-en fra workshopen og de skillsene dere bygde, og se hvor langt teamet kommer selv de neste ukene.
• Bygg piloten sammen med ETD. Vi hjelper dere å ta det valgte use-caset videre til en fungerende prototype, med samme kvalitetssikring som resten av leveransene våre.