Advertise on podcast: Verbos: AI og Softwareudvikling

Hvordan organiserer man viden, instruktioner og værktøjer, så en AI-agent selv kan finde det, den har brug for? Musiker og udvikler Troels Abrahamsen gæster Verbos til en samtale om yap.tools og kontekstsystemer til AI-agenter. Yap er et open source-system, man selv kan hoste, hvor agenten navigerer gennem spaces og bundles via MCP. En bundle samler for eksempel procesdokumenter, data, filer og adgang til bestemte services omkring en opgave. Agenten kan så hente den relevante kontekst undervejs. Troels fortæller, hvordan han bruger det i sin hverdag med musikkatalog, mail og udviklingsprojekter. Sammen med Kasper Junge og Jonas Høgh Kyhse-Andersen undersøger han, hvordan man bygger strukturen sammen med agenten, lærer af det løbende arbejde og afgør, hvad der skal stå i et dokument, og hvad der skal være en fast regel i kode. Vi kommer også omkring adgangsstyring, åbne protokoller og interfaces, der vokser frem af de data og arbejdsprocesser, man allerede har opbygget. Prøv Yap med et konkret workflow fra din egen hverdag: https://yap.tools/ Links: Yap: https://yap.tools/ Yap på GitHub: https://github.com/yap-tools/yap-core Troels Abrahamsen: https://troelsabrahamsen.com/ Kapitler: 00:00 Den rigtige kontekst på det rigtige tidspunkt 01:05 Troels: Fra musik til software og integrationer 04:20 Hvorfor Yap blev et fælles kontekstlag 08:30 Spaces, bundles og et musikkatalog 12:04 Services: Afgræns agentens værktøjer 16:49 Byg strukturen sammen med agenten 20:40 MCP-tools, resources og upload-widgets 24:49 Adgangsstyring på tværs af agenter og interfaces 30:24 Hvem skal strukturere konteksten? 34:07 Behold konteksten, når du skifter AI-klient 36:29 En arbejdsdag med Yap: Mail, tickets og kode 41:56 Logs, læring og løbende ændringer 44:42 Hvornår skal en instruktion være kode? 45:41 Progressive discovery og navngivning 51:37 MCP, CLI og værdien af åbne protokoller 59:08 Lad interfacet vokse ud af datastrukturen 01:01:17 Find Troels og kom i gang med Yap Verbos er den danske podcast om AI og softwareudvikling med Kasper Junge og Jonas Høgh Kyhse-Andersen. Vi går tæt på teknikken og de konkrete workflows bag arbejdet med AI-agenter.

Hvad kræver det at køre stærke, åbne AI-modeller på dansk jord? Og hvor meget af arbejdet ligger i alt det, der omgiver selve modellen? Kasper Junge og Jonas Høgh Kyhse-Andersen har besøg af Lars Maaløe, medstifter og CTO i Corti, og Rasmus Bisgaard, Chief Commercial Officer i DCAI, som driver Gefion. Lars fortæller om rejsen fra realtidsanalyse af 112-opkald til en AI-platform og om modeller, der skal fungere med medicinske fagudtryk, støj og uventede situationer. Rasmus forklarer, hvorfor GPU-kapacitet først bliver brugbar for flere, når andre bygger de nødvendige services ovenpå. Vi undersøger gæsternes tese om, at åbne modeller nu er et reelt alternativ til de lukkede. Vi diskuterer også, hvornår små modeller giver mening, hvornår prisoptimering begrænser et produkt for tidligt, og hvordan agent-workflows ændrer behovet for compute og lav latency. Samtalen slutter med Corti og DCAI's samarbejde og Rasmus' eksempel med Vejle Kommune: forskellen mellem at have adgang til hardware og at have en løsning, der er nem at bruge. Hvad holder jer tilbage fra at køre jeres AI på dansk infrastruktur? Links og kilder: Corti: https://www.corti.ai/ Corti Labs / Corti Models: https://cortilabs.com/ Cortis API-dokumentation: https://docs.corti.ai/get_started/welcome DCAI og Gefion: https://dcai.dk/ Cortis forskning og publikationer: https://www.corti.ai/research Corti og DCAI om samarbejdet: https://corti.ai/newsroom/dcai-and-corti-launch-sovereign-ai-control-layer-for-european-enterprises---trifork-first-to-adopt-as-implementation-partner Kapitler: 00:00 Åbne modeller på dansk jord – mød Lars og Rasmus 01:04 Corti: Fra neurale netværk til hjælp ved 112-opkald 04:09 GPU'er, Theano og de tidlige deep learning-år 07:30 Rasmus' vej fra produktion til NVIDIA og DCAI 10:00 Gefion: Fra supercomputer til enterprise-infrastruktur 16:19 Cortis vej fra applikationer til AI-platform 22:50 Hvorfor domænekendskab stadig er afgørende 27:17 Speech-to-text skal fungere uden for testdatasættet 30:53 Er åbne modeller blevet gode nok? 36:13 Store eller små modeller – hvornår optimerer man? 41:18 Agenter øger behovet for tokens og lav latency 46:43 Corti og DCAI: Kontrol over modeller og infrastruktur 51:25 Ingen kan bygge hele AI-stakken alene 58:36 Vejle Kommune: Fra GPU-adgang til en brugbar service 01:00:23 Afrunding og hvor du kan komme i gang Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen bygger bro mellem klassisk software engineering og arbejdet med AI-agenter. YouTube: https://www.youtube.com/@VerbosPodcast Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292 Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ

Hvorfor vente på en hel tekst, når din software bare har brug for en beslutning? Vi undersøger Jev fra TypeSafe AI og idéen om en hurtig System 1-model med et defineret udfaldsrum. Jonas forklarer forskellen på en decision model og en generativ sprogmodel. Kasper spørger, hvad man kan bygge med den, og hvordan hurtige beslutninger kan spille sammen med en LLM. Samtalen tager også en drejning mod Hugging Face-hændelsen, agentsværme og cybersecurity. Hvor meget kontrol kan vi bygge ind, og hvordan tager vi risikoen alvorligt uden at ende i hverken panik eller benægtelse? I episoden: - Klassifikation, sandsynligheder og et afgrænset action space. - System 1 og System 2: hurtig reaktion og langsommere overvejelse. - Dynamiske valgmuligheder, routing og samspil mellem modeller. - Hvad der er kendt om Jev, og hvad vi spekulerer i. - Agentsværme, sikkerhed og uenighed om de langsigtede risici. Præcisering: Et typesikkert output er ikke en garanti for en rigtig beslutning. Tal om Jevs hastighed og pris er leverandørens egne resultater. Vores diskussion af den interne arkitektur og fremtidige risici rummer hypoteser. Links og kilder: TypeSafe AI og Jev: https://typesafe.ai/ TypeSafes lancering af Jev: https://typesafe.ai/blog/introducing-system-one-models-and-jev TypeSafes egne workflow-evalueringer: https://evals.typesafe.ai/ OpenAIs gennemgang af Hugging Face-hændelsen: https://openai.com/index/hugging-face-incident-and-the-road-ahead/ Hugging Faces tekniske tidslinje: https://huggingface.co/blog/agent-intrusion-technical-timeline Prøv Jev, og se, hvad du kan bygge med det. Verbos er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks med AI og softwareudvikling. Kapitler 00:00 Jev og AI med hurtige beslutninger 04:21 Hvad gør en decision model? 09:36 Doom, skak og System 1 12:50 Hvorfor Jev ikke er en almindelig agent 17:23 Dynamiske valg og samspil med en LLM 21:18 Hvad er nyt – og hvad ved vi om arkitekturen? 27:11 Fra Jev til debatten om AI-risiko 29:58 Hugging Face-hændelsen og tab af kontrol 33:59 Cybersecurity: Når agenter arbejder parallelt 38:43 Selvforbedrende AI og dommedagsscenarier 43:09 Hvordan forsvarer vi systemerne? 50:57 Tag risikoen alvorligt uden at gå i panik 54:04 Tilbage til Jev: Hvem styrer udfaldsrummet?

AI-agenter kan skrive mere kode. Men hvem får den testet, reviewet og sikkert i produktion? DevOps-konsulent Anders Lykke forklarer, hvorfor små releases, automatisering og korte feedbackloops bliver endnu vigtigere, når kodeproduktionen stiger. Sammen med Kasper Junge og Jonas Høgh Kyhse-Andersen undersøger Anders, hvad det kræver at omsætte mere kode til værdi for brugerne. Samtalen går fra DevOps' oprindelige idé om fælles ansvar til continuous delivery, DORA, platform engineering og AI-agenter med feedback fra produktion. Du får konkrete spørgsmål til dit eget setup: Kan en færdig feature komme ud i dag? Kan andre end én bestemt kollega release? Og hvilke manuelle trin kan automatiseres først? Hvad står mellem en færdig feature og produktion hos jer? Links og kilder: Anders Lykke: https://lykke.it/ Anders på LinkedIn: https://www.linkedin.com/in/lykkeanders/ DORA – rapporter og forskning: https://dora.dev/research/ DORA-rapporten 2025: https://dora.dev/research/2025/dora-report/ INSPIRED – Marty Cagan: https://www.svpg.com/books/inspired-how-to-create-tech-products-customers-love-2nd-edition/ Output to Outcome – Mik Kersten: https://www.simonandschuster.com/books/Output-to-Outcome/Mik-Kersten/9781966280231 Kapitler: 00:00 DevOps som fundament for AI-agenter 02:05 Fra siloer til ansvar for hele leverancen 05:29 Hvad skal et platformteam eje? 08:40 Koden er ikke færdig, før den er ude 11:07 AI forstærker forskellen mellem teams 13:09 Continuous delivery: validér hver ændring 17:34 Fra output til værdi for brugerne 23:21 Når kode ikke længere er flaskehalsen 29:32 Hvad kan vi bruge DORA-rapporterne til? 35:46 Legacy-kode: begynd med de manuelle trin 40:05 DORA-målinger og spørgsmål til releaseprocessen 44:30 Platformteams og agenter med feedback fra produktion 49:14 Symptomer på en skrøbelig releaseproces 55:08 Følg Anders og læs State of DevOps

Hvad hvis AI's næste effektivitetsløft ikke kommer fra flere GPU'er, men fra at lade fysikken udføre selve beregningen? Forsker Jens Egholm Pedersen forklarer neuromorphic computing – og hvorfor hjerneinspirerede, eventbaserede systemer kan ændre måden, vi bygger sensorer, robotter og AI-hardware på. I episoden: - Fra digitale 0- og 1-taller til kontinuerte og eventbaserede signaler - Hvordan neuromorphic computing kan spare energi i sensorer, akustik og robotter - Hvorfor et eventkamera kan registrere ekstremt hurtige ændringer uden at behandle komplette billeder - Hvordan man programmerer et system, hvor kredsløbets fysik udfører beregningen - Hvorfor en ekstremt hurtig AI-chip kan ende som en dyr mursten, når modellen bliver forældet - Hvad embodied intelligence og hjernens plasticitet fortæller os om AI i den fysiske verden Kapitler: 00:00 Velkommen og introduktion af Jens Egholm Pedersen 02:18 Hvad er neuromorphic computing? 09:00 Neurale netværk, quantization og fysisk præcision 16:42 Kan neuromorphic computing løse AI's energiproblem? 21:38 Robotter og embodied intelligence 27:47 Er informationsteknologien stadig i stenalderen? 30:35 Jens' forskning i eventbaseret signalbehandling 32:24 Hvordan programmerer man fysikken? 37:17 Fra analoge sensorer til mixed-signal computing 39:17 AI-modellen direkte på chippen 43:39 World models, læring og plasticitet 47:40 Hvad kan vi lære af biologien? 49:34 Sådan kommer du videre med neuromorphic computing Links og kilder: - Jens Egholm Pedersen på DTU: https://orbit.dtu.dk/en/persons/jens-egholm-pedersen/ - Jens' hjemmeside: https://jepedersen.dk/ - Jens på LinkedIn: https://www.linkedin.com/in/jens-egholm-pedersen-69543117/ - Practical Spiking Neural Networks, gratis open source-bog: https://snnbook.net/ - Jens' ph.d.-afhandling, Neuromorphic computation in space and time: https://kth.diva-portal.org/smash/get/diva2:2001119/FULLTEXT01.pdf - Neuromorphic Intermediate Representation (Nature Communications): https://www.nature.com/articles/s41467-024-52259-9 - Norse – spiking neural networks i PyTorch: https://norse.github.io/norse/ - A Brief History of Intelligence af Max Bennett: https://www.abriefhistoryofintelligence.com/book - Lessons from the Lobster af Charlotte Nassim: https://mitpress.mit.edu/9780262037785/lessons-from-the-lobster/ Følg Verbos: AI og Softwareudvikling: - Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292 - Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ - YouTube: https://www.youtube.com/@VerbosPodcast Verbos er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter.

Kasper Tidemann er tilbage i Verbos til en sommerspecial om rogue AI-agenter, agentic engineering og det enorme skift, der er sket i softwareudvikling på bare to år. Kasper Junge og Jonas Høgh Kyhse-Andersen mødes med softwareudvikler og iværksætter Kasper Tidemann hos Warpigs i Kødbyen. De følger udviklingen fra de første ChatGPT-workflows til agenter, der kan undersøge en kodebase, planlægge, implementere og teste. Undervejs diskuterer de, hvad der stadig mangler: lokal kontekst, dømmekraft, reduktion, sikkerhed og evnen til at se tilbage på et system og gøre det enklere. Du får blandt andet: - Kaspers vurdering af, hvorfor AI-kollegaen er gået fra nyansat til senior på to år - En teknisk diskussion af memory, context engineering og sprogmodellernes world model - Erfaringer med Claude Code, Codex, lokale modeller og hardware til inference - Rogue AI-agenter, shell-adgang og asymmetrien mellem angreb og forsvar - JFrog-sårbarheder, open source-sikkerhed og ansvaret helt ned i Linux-kernen - En konkret historie om en vibe-coded løsning på 300.000 linjer kode - Hvorfor mere kode og flere abstraktioner ikke nødvendigvis giver bedre software Episoden er en sommerspecial og en bevidst lang samtale fra maskinrummet. Den varer lidt over to timer og bevæger sig fra øl og gammel hardware til AI-agenter, cybersikkerhed og fremtidens softwarearkitektur. Gæst: Kasper Tidemann Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter. Links: Kasper Tidemann: https://dk.linkedin.com/in/kaspertidemann YouTube: https://www.youtube.com/@VerbosPodcast Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292 Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ Kapitler: 00:00 Sommerversion af Verbos fra Warpigs 01:20 Kasper Tidemann vender tilbage 07:13 Fra copy-paste til agentic engineering 10:29 AI-kollegaen er blevet seniorudvikler 16:39 Hvad mangler AI stadig for at forstå en kodebase? 21:15 Context engineering er et hack omkring en begrænsning 24:19 Når en kort prompt virker bedre 29:51 Open source-modeller og nye værktøjer 37:58 Håndværket er stadig vores ansvar 49:44 Små modeller, lokal afvikling og egen hardware 01:09:41 Rogue AI-agenter og adgang til shell 01:21:22 AI-sikkerhed bliver et våbenkapløb 01:26:51 JFrog, Artifactory og sårbarheder i open source 01:42:02 Hvor langt går ansvaret ned i Linux-kernen? 01:44:11 Mere software er ikke nødvendigvis bedre 01:47:21 Da vibe coding blev til 300.000 linjer kode 01:58:45 Din gamle tekniske viden er stadig relevant 02:02:00 Purple: et socialt netværk uden algoritmer og reklamer

En OpenAI-agent brød ud af sin sandbox, fandt en zero-day og fik adgang til Hugging Faces produktionssystemer. Hvordan kunne en intern modeltest ende som et virkeligt cyberangreb – og hvad betyder sagen for alle, der bygger eller bruger AI-agenter? OpenAI oplyser, at en kombination af GPT-5.6 Sol og en endnu stærkere pre-release-model blev testet på cybersikkerhedsbenchmarket ExploitGym. Modellerne fandt en vej til internettet gennem OpenAIs testmiljø og søgte derefter efter facit hos Hugging Face. Hugging Face registrerede mere end 17.000 handlinger og brugte selv AI til at opdage, kortlægge og stoppe angrebet. Sammen med Christian Bech Nørhave gennemgår Kasper Junge og Jonas Høgh Kyhse-Andersen hændelsen og skiller de bekræftede fakta fra hypen. Christian Bech Nørhave: https://www.linkedin.com/in/cbechn/ Du får blandt andet svar på: - Hvordan agenten slap ud af OpenAIs sandbox og ind hos Hugging Face - Hvorfor long-running agents og adgang til bash ændrer trusselsbilledet - Hvordan en zero-day, stjålne credentials og lateral movement indgik i angrebet - Hvorfor Hugging Face måtte bruge den åbne model GLM 5.2 i sit forsvar - Hvad guardrails, least privilege, sandboxing og nøje valgte tools betyder i praksis - Hvorfor virksomheder skal styre AI-agenters interne adgang – ikke kun beskytte sig mod angreb udefra Sagen viser både AI-agenters nye offensive evner og et konkret problem for forsvarere: De stærkeste hostede modeller kan afvise ægte sikkerhedsdata, mens angribere ikke følger de samme regler. Værterne diskuterer, om svaret er bedre sandboxes, færre rettigheder, afgrænsede tools, MCP, code mode eller modeller, som sikkerhedsteams selv kan køre. Links og kilder: - Hugging Faces hændelsesrapport: https://huggingface.co/blog/security-incident-july-2026 - OpenAIs redegørelse: https://openai.com/index/hugging-face-model-evaluation-security-incident/ - ExploitGym-benchmarket: https://arxiv.org/abs/2605.11086 - OpenAI om sikkerhed for long-horizon-modeller: https://openai.com/index/safety-alignment-long-horizon-models/ - Cloudflare om Code Mode: https://developers.cloudflare.com/agents/tools/codemode/ Har du dyb teknisk viden om hændelsen eller ser du en vinkel, vi har overset? Så vil vi gerne høre fra dig. Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter. 00:00 OpenAI-agenten, der hackede Hugging Face 01:54 Hvad skete der hos OpenAI og Hugging Face? 06:59 Agenten fandt en zero-day og brød ud 09:26 Autonom hacking med maskinhastighed 14:35 AI mod AI og problemet med guardrails 23:59 Truslen kan komme fra egne AI-agenter 26:29 Gateways, least privilege og færre tools 34:40 Sandboxing, code mode og programmatic tool calling 41:55 Adgangsstyring, identitet og MCP 47:35 Reel cybertrussel eller AI-hype?

Hvad er en AI-agent egentlig, og hvorfor taler alle pludselig om dem? I episode 115 tager Jonas og Kasper AI-agenter helt ned fra atomniveau. Vi starter med sprogmodeller, transformers, GPT-3, ChatGPT og function calling, og bygger langsomt op til det, der i dag kaldes agentic AI: systemer der ikke bare svarer på spørgsmål, men kan planlægge, bruge værktøjer, læse og skrive filer, køre kommandoer og udføre rigtigt vidensarbejde på en computer. Vi taler om, hvorfor de første agent-demoer med AutoGPT og BabyAGI var vilde, men ikke særligt brugbare, hvad der har ændret sig siden, og hvorfor coding agents som Cursor, Claude Code og GitHub Copilot har været med til at gøre AI-agenter praktisk anvendelige. Til sidst kigger vi fremad: Hvad sker der, når software skal bygges til agenter? Hvad betyder det for almindelige brugere, virksomheder, interfaces, browseren, interne systemer og måden vi arbejder på? Links og ting vi nævner: - Attention Is All You Need: https://arxiv.org/abs/1706.03762 - GPT-3 / Language Models are Few-Shot Learners: https://arxiv.org/abs/2005.14165 - AutoGPT: https://github.com/Significant-Gravitas/AutoGPT - BabyAGI: https://github.com/yoheinakajima/babyagi - ReAct-paperet: https://arxiv.org/abs/2210.03629 - LangChain: https://docs.langchain.com/oss/python/langchain/agents - Cursor: https://cursor.com/ - Claude Code: https://claude.com/product/claude-code - GitHub Copilot: https://github.com/features/copilot - Google Agent2Agent / A2A protocol: https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/ - A2A-projektet på GitHub: https://github.com/a2aproject/A2A - Bakspejl - Geniet i lommen 1:4 med Geoffrey Hinton: https://podcasts.apple.com/dk/podcast/geniet-i-lommen-1-4/id1536415884?i=1000770505364 Verbos Podcast handler om AI og softwareudvikling. Live på YouTube de fleste mandage mellem kl. 11 og 12. Kapitler 00:00 Introduktion til AI-agenter 02:34 Fra NLP til Transformer-teknologi 05:26 Udviklingen af sprogmodeller og deres anvendelse 08:09 ChatGPT og interaktion med brugere 10:48 Struktureret data og agenters funktionalitet 13:51 Fremtidige perspektiver for AI-agenter 19:34 Struktur og Sikkerhed i Sprogmodeller 22:09 Fra Chatbots til Handlende Agenter 26:55 Indre Dialog og Funktionalitet i AI 30:24 Udviklingen af Agentmønstre og React Framework 33:59 Vibe Coding og Fremtidens Programmering 39:36 Delegering og Struktur i Arbejdet med Agenter 41:45 Fremtidige Udfordringer og Muligheder med Agenter 46:08 Teknologisk Udvikling og Interaktion mellem Agenter 52:23 Agenternes Rolle i Fremtidens Arbejdsliv

I dette afsnit af Verbos Podcast sidder Kasper Junge og Jonas Høgh Kyhse-Andersen alene uden gæster og tager en ærlig, ustruktureret snak om AI, open weights-modeller, det nye regeringsgrundlag og offentlig IT i Danmark. Vi starter med open weights large language models og den nye GLM 5.2 fra det kinesiske AI-firma Z.ai, som mange mener koder lige så godt som Opus 4.8. Hvad betyder det for muligheden for at self-hoste state-of-the-art AI på dansk jord — særligt for offentlige institutioner med tunge compliance-krav? Læs om modellen her: https://huggingface.co/zai-org/GLM-5.2 Derefter dykker vi ned i det politiske grundlag for Firkløverregeringen, der har et helt separat afsnit om kunstig intelligens. Vi diskuterer Cybernauterne-artiklen "Den nye regering har slugt Silicon Valleys hype om kunstig intelligens råt" og spørger: Skal AI overhovedet skrives ind alle steder i et regeringsgrundlag, eller bør vi fokusere på de problemer, vi rent faktisk vil løse? - Regeringsgrundlaget: https://stm.dk/statsministeriet/publikationer/det-politiske-grundlag-for-firkloeverregeringen/ - Artiklen: https://cybernauterne.dk/blog/den-nye-regering-har-slugt-silicon-valleys-hype-om-kunstig-intelligens-rat/ Vi tager også fat i, hvorfor offentlige IT-udbud ofte bestiller et output i stedet for et outcome — illustreret med et konkret udbud på et CPR-masseopslagsværktøj til 1,2 mio. kr.: https://udbud.dk/detaljevisning?noticeId=52f9a358-fdd5-4cfc-815a-d8cedc48e6be&noticePublicationNumber=&noticeVersion=01 Til sidst snakker vi om den nye (gamle) flaskehals i softwareudvikling: når agentic engineering gør det lynhurtigt at skrive kode, flytter flaskehalsen sig til information og afklaring — ikke selve kodningen. Vi diskuterer feature factories, clarification patterns, product operating model, autonome tværfaglige teams og hvorfor softwareudvikling aldrig kun har handlet om at skrive kode. Emner i afsnittet: - GLM 5.2 og open weights vs. frontier-modeller - Self-hosting af AI i Danmark og compliance - AI i det nye regeringsgrundlag - Output vs. outcome i offentlige IT-udbud - Den nye flaskehals: information frem for kode - Product operating model og autonome teams Verbos Podcast handler om AI og softwareudvikling. Live på YouTube de fleste mandage mellem kl. 11 og 12. 00:00 Intro og tak til alle nye lyttere 01:01 Dagens emner: open weights, regeringsgrundlaget og en ny flaskehals 03:16 Open weights LLM'er og den nye GLM 5.2 vs. Opus 4.8 08:18 Harness engineering: gør modellen eller miljøet forskellen? 10:21 Self-hosting af AI på dansk jord og danske providers 14:52 Det nye regeringsgrundlag og AI 15:54 Artiklen: Har regeringen slugt Silicon Valleys AI-hype råt? 26:27 Den digitale sundhedsassistent: et output bestilt i regeringsgrundlaget 32:30 Offentlige IT-udbud: CPR-masseopslag til 1,2 mio. kr. 35:19 Output vs. outcome i offentlige udbud 41:26 Outsourcing, konsulenter og interne IT-folk 46:43 Den nye flaskehals: feature factories og dårligt beskrevne tickets 50:16 Product operating model og autonome, tværfaglige teams 59:47 Bloat, fyringer og myten om at kode er kerneopgaven 01:02:19 Outro

Loop Engineering er det nye AI-hype begreb, som alle taler om lige nu. I episode 113 af Verbos Podcast dykker vi ned i, hvad det egentlig betyder, og hvorfor det har taget AI- og softwareudviklingsverdenen med storm.Vi har besøg af fast medvært Paul Kjellager, og sammen tager vi en status på vibecoding-landskabet halvanden år efter, vi første gang begyndte at snakke om det. Vi diskuterer den nye release fra Anthropic, Mythos 5, og hvordan modellen er blevet modtaget. Derudover går vi i dybden med Loop Engineering, et begreb som Peter Steinberger fra Open Claw og Boris Cherny bag Claude Code fra Anthropic har bragt på banen.Vi taler også om de udfordringer, markedet står overfor lige nu, når udviklere bruger månedslønninger på tokens, og hvordan man som konsulent prissætter værdi i en verden, hvor man kan have fire kunders agenter kørende parallelt. Til sidst deler Kasper sine erfaringer med Ralphify-frameworket og de uendelige Ralph-loops, han har eksperimenteret med, samt hvorfor grounding-mekanismer er afgørende for, at loops kan producere noget brugbart.Er Loop Engineering bare endnu et buzzword for klassisk engineering, eller er der virkelig noget nyt på spil? Lyt med og bliv klogere på fremtidens AI-drevne softwareudvikling.Husk at dele og abonnér på podcasten for flere afsnit om AI og softwareudvikling, og smid en kommentar med dine tanker om Loop Engineering. Chapters 00:00 Introduktion til Vabos Podcast og dagens emner 01:42 Status på Vibe Coding og udfordringer med token økonomi 06:01 Overgang til Loop Engineering og dets betydning 13:59 Loop Engineering: En ny tilgang til prompt design 16:57 Relevansen af Loops for Udviklere 18:45 Human in the Loop: Bevarelse af Kontrol 20:53 Engineering af Loops: Udfordringer og Løsninger 23:13 Over- og Underspecifikation i Loops 25:44 Design af Effektive Loops 28:01 Memory Management i Loops 30:16 Kontekst og Loop Effektivitet 35:07 Effektiv Onboarding og Kompaktering 37:41 Samarbejde mellem Agenter og Kode 40:40 Fabel 5 og Dens Udfordringer 48:06 Sikkerhed og Kontrol i AI Modeller 50:55 Loop Engineering og Fremtidige Perspektiver

I denne episode dykker vi ned i Rentemester - et nyt open source bogføringsprogram, som er bygget agent-first og lavet til primært at blive brugt af AI-agenter. Vi har to gæster med: Mikkel Freltoft Krogsholm, manden bag Rentemester, og Gabriel Sativa fra Advisoa, der ved alt om compliance og den digitale bogføringslov.Vi snakker om, hvorvidt det overhovedet er lovligt at bruge et open source regnskabsprogram i Danmark, hvordan Rentemester løser krav om hash-kæder, SAF-T, backup og e-fakturaer, og hvad der sker, når kode-agenter gør det så billigt at udvikle software, at vi kan bygge hyperspecialiserede løsninger selv. Vi kommer omkring SaaSpocalypse, build vs. buy, generative UI, og hvorfor det måske ikke er software-as-a-service men Standard Operating Procedures as a Service, der bliver fremtiden.PS: Verbos Podcast er lige nu Danmarks mest lyttede teknologi-podcast på Apple Podcasts. Tusind tak for det!Links:Rentemester: https://rentemester.dk/Mikkel Freltoft Krogsholm på LinkedIn: https://www.linkedin.com/in/mikkelkrogsholm/Gabriel Sativa på LinkedIn: https://www.linkedin.com/in/gabrielsativa/ Chapters00:00 Velkommen til Verbos Podcast00:50 Open Source Regnskabsprogrammer i Danmark06:08 Mikkel og Gabriel Introducerer Sig Selv13:20 Compliance og Lovgivning for Regnskabsprogrammer18:07 Rentemester: En AI-Drevet Løsning23:02 Åben kildekode og regnskabsprogrammer27:23 SaaSpokalypse og fremtidige løsninger32:13 Open Source og samarbejde i softwareudvikling38:08 Agent-first software og fremtidens teknologi47:26 Workflows som service og agenters rolle

Denne episode dykker ned i agent skills, orchestrering af flere agenter og selvforbedring i AI-systemer. Kasper Junge og Markus Wüstenberg diskuterer praktiske metoder til at bygge, bruge og forbedre AI-agenter, herunder skills, workflows og open source strategier. Denne episode dykker ned i avancerede AI-agent workflows, orchestrering af flere agenter, og hvordan man effektivt bruger kontekst og handoff-teknikker til at forbedre softwareudvikling og AI-integration. Fabrik: https://github.com/maragudk/fabrik

I episode #110 af Verbos Podcast dykker vi ned i et af de hotteste emner inden for agentic engineering lige nu: Second Brain til AI-agenter. Vi har inviteret AI-ingeniør Andreas Vig Astrup fra Simply.tv i studiet til at fortælle om hans open source second brain starter kit — et setup der er direkte inspireret af Andrej Karpathy's berømte LLM Wiki gist og auto-research-koncept. Vi taler om, hvordan du giver din Claude Code- eller Codex-agent en levende hukommelse, der lærer over tid, så den stopper med at begå de samme fejl fra repo til repo. Andreas deler sin opskrift på harness engineering, hvordan han bruger en hybrid graph-struktur med hubs, mapper og frie referencer i Obsidian, og hvorfor han har bygget et "REM-sleep" / dream-loop, der rydder op i agentens memory base mellem sessioner. Vi kommer også omkring: Hvorfor RAG ikke altid er svaret — og hvornår markdown + grep slår vector searchForskellen på short-term working memory og long-term knowledge i agent-setupsHvordan du strukturerer docs og skills til progressive disclosureAuto-research og hvordan agenter kan opdage ny viden ved at linke gammel researchHvorfor evals er det vigtigste skill du kan lære som AI-ingeniør i 2026Monorepo som superpower for agenterAndreas' hot take: Er computer vision død?Hvis du arbejder med Claude Code, Codex eller andre coding agents og vil powere dig selv op til maksimal produktivitet, så er det her episoden for dig. Links nævnt i episoden: Andreas' Second Brain Starter Kit på GitHub: https://github.com/andreasvig/second-brain-starter-kitAndrej Karpathy's LLM Wiki gist: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94fAndreas' YouTube-kanal: https://www.youtube.com/@andreasastrup3425?app=desktop Kaptiler: 00:00 - Intro: Second Brain til AI-agenter 00:55 - Andreas præsenterer sig selv & Simply.tv 02:18 - Vibe coding vs. AI engineering 04:11 - Hvad er auto-research? 06:28 - Karpathy's LLM Wiki forklaret 09:00 - Retrieval- og memory-problemet i agenter 10:27 - Daily driver-loopet omkring Second Brain 12:02 - Er det her bare RAG i en ny indpakning? 14:18 - REM-sleep: Sådan rydder agenten op i sin egen hukommelse 15:40 - Sådan installerer og bruger du Second Brain 19:05 - Hvorfor lokal memory + world knowledge betyder noget 23:34 - Abstraktioner, imposter syndrome og obsolete software 26:35 - Markdown-filer slår vector databases 27:38 - Anthropic skills & progressive disclosure 28:19 - Hvornår simpel search ikke er nok 31:55 - Cross-repo workspace: Andreas' daglige setup 33:54 - Monorepo som superpower for agenter 37:02 - Sådan strukturerer du dine docs og mapper 39:50 - Hybrid graph: hops + frie referencer 41:17 - Sådan testede Andreas tre forskellige strukturer 42:47 - Evals: Det vigtigste skill i AI engineering 47:10 - Raindrop AI & agent monitoring i produktion 50:47 - Andreas' plugs: YouTube, LinkedIn & Simply.tv 53:05 - Hot take: Er computer vision død?

I dag har vi besøg af Kræn Hansen, Developer Experience Engineer hos ElevenLabs, hvor han arbejder med SDK'er, dokumentation og developer relations. Med 13+ års erfaring fra open source-verdenen (bl.a. 7-8 år hos MongoDB) tager Kræn os med ind i en af de mest undervurderede AI-revolutioner lige nu: stemme. Vi taler om:✅ Hvordan ElevenLabs bygger text-to-speech og speech-to-text der lyder menneskeligt✅ Voice cloning, dubbing og AI-agenter der kan ringe og løse kundeservice-sager✅ Hvordan Kræn har givet Claude Code en stemme — og hvorfor den nu råber "Det lykkedes!" når testene passer✅ SDK-design i agenternes tidsalder: hvad er god dokumentation når både mennesker og kodeagenter læser med?✅ Use case-orienteret API-dokumentation og hvorfor README'er er vigtigere end nogensinde✅ Open source, "JavaScript in Rust"-fænomenet og tillidsøkonomien bag afhængigheder✅ Agentiske arkitekturer: tale-til-tekst-LLM-tekst-til-tale vs. ren speech-to-speech✅ Guardrails, turn-taking og kunsten at få en AI til at tie stille✅ Hvordan Kræn bruger Claude Code, Cursor og custom skills til release management, dokumentation og talk-forberedelse✅ Hvorfor man "taler sig frem til forståelse" — også med en AI Et must-listen for udviklere, AI-entusiaster og alle der er nysgerrige på, hvordan stemme bliver det næste store interface mellem mennesker og maskiner. 🔗 Gæst: Kræn Hansen — Developer Experience Engineer, ElevenLabs🎧 Værter: Kasper Junge & Jonas Høgh Kyhse-Andersen ⏱️ Kapitler:00:00 Intro og velkommen til Kræn00:49 Kræns baggrund: MongoDB, open source og ElevenLabs02:00 Hvad laver ElevenLabs egentlig? Dubbing, transkribering og agenter04:13 Den undervurderede stemme-revolution i AI06:00 Fremtidens kontor: AI, stemme og noise cancelling09:48 SDK-design og dokumentation i agenternes tidsalder14:00 Use case-orienteret API-dokumentation17:00 Hvorfor SDK'er stadig giver mening20:00 Open source-tillid, "rustificering" og supply chain28:00 Kræn giver Claude Code en stemme34:00 Stemme som interface i den virkelige verden40:00 Agent-arkitekturer: guardrails og turn-taking45:00 Reasoning, indre dialog og Jan LeCun51:00 Sådan bruger Kræn AI-kodeagenter i hverdagen59:00 At tale sig frem til forståelse