Juni 2025
Engang i begyndelsen af juni tikked tælleren i Cline forbi 987 prompts. Jeg var startet den 4. februar. På 96 dage havde jeg gennemsnittet over 10 kodingsprompts om dagen, hver eneste dag.
Ettusen samtaler med en AI om kode. Hvad lærer det dig?
Milepælen som Ingen Fejrer
Der er ingen achievement badge for "1000 AI-kodingsprompts." Ingen community-anerkendelse. Intet certifikat. I en verden, der stadig debatterede, om AI-kodning var en fidus, føltes det mindre som et flex og mere som en tilståelse at indrømme, du havde gjort det tusinde gange.
Men hver prompt var logget. Hver respons gemt. Jeg kunne søge tilbage gennem måneder af arbejde og se præcis hvad jeg havde bygget, hvilke prompts, der havde været dyre tamper, hvilke, der havde været kirurgisk effektive, og hvordan min tilgang havde udviklet sig over tid.
Dataene fortalte en historie, som min hukommelse ikke kunne: prompterne fra februar var dramatisk anderledes end de i juni. Tidlige prompts var lange, detaljerede, over-specificerede — som at skrive en kontrakt med nogen, du ikke stoler på. Ved juni var de korte, kontekstuelle, conversational — som at tale til en kollega, der allerede forstår projektet.
MobilePay Øjeblikket
Jeg beskrev milepælen til en ven ved at nævne, at jeg havde kodet en MobilePay-integration med AI. Hans svar var ikke "hvordan virker det?" eller "er det sikkert?" — det var "hvad var prompten?"
Det spørgsmål markerede et kulturelt skift. Når udviklere starter med at spørge "hvad var prompten?" i stedet for "hvilket framework brugte du?", er noget grundlæggende ændret om, hvordan vi tænker omkring at bygge software. Prompten er arkitekturen. Prompten er designbeslutningen. Prompten er hvor håndværket lever nu — eller i det mindste, en stadig vigtigere del af det.
At Ramme Plateauet
Omkring denne tid skete noget uventet: Jeg holdt op med at være begejstret over model-forbedringer.
Claude 4 var lige lanceret. Alle på LinkedIn og X slog billeder af det. Og jeg... brydde mig ikke så meget. Ikke fordi det var godt — det var det — men fordi jeg havde kør et eksperiment, der overraskede mig.
I mit største vibe coding-projekt til dato havde jeg så mange regler og kontekst-filer, at når jeg byttede ind Gemini Flash — en model 23 gange billigere end premium-modellerne — var resultaterne næppe skelneligt. Modellen fulgte mine regler, mine ADRs, mine konventioner. "Intelligensen" kom ikke fra modellen længere. Det kom fra systemet jeg havde bygget omkring modellen.
Det var det indsigt, der standsede mig i et par dage. Hvis en billig model med gode instruktioner kunne matche en dyr model med vage, så var alle pengene og hype omkring større, smartere modeller noget der missede pointen. Pointen var konteksten. Reglerne. De akkumulerede beslutninger. Det menneskelige arkitektur omkring AI'en.
Jeg gik dybt med Gemini Flash over en weekend for at teste denne teori. Resultaterne holdt.
"Teknologien Er Klar"
I midten af juni skrev jeg et opslag, der fangede hvor mit hoved var: "For mig er teknologien klar, og det handler bare om at komme i gang. Jeg har ingen forventning om, at modeller bliver bedre, eller behov for, at de bliver bedre for at levere mere værdi."
Dette var en kontrarisk holdning. AI-verden var besatt med den næste model, det næste benchmark, den næste evne. Jeg sagde: stop med at vente. Hvad vi har i dag, er allerede nok til fundamentalt at ændre, hvordan software får bygget. Flaskehalsen er ikke AI — det er mennesker, der lærer at bruge det.
Den stille periode, der fulgte, var ikke, fordi jeg mistede interesse. Det var fordi hverdagen for vibe coding holdt op med at være ny og blev arbejde. Godt arbejde. Produktivt arbejde. Men arbejde alligevel. Jeg opdagede ikke nye evner længere — jeg anvendte bevist kendte på rigtige problemer.
GitHub Copilot Kommer ind i Blandingen
Omkring denne tid begyndte jeg at bruge GitHub Copilot mere seriøst ved siden af Cline. De to værktøjer tjente forskellige formål:
Cline var for dyb, kontekstuel, multi-fil arbejde — "forstå denne codebase og byg en ny feature på tværs af disse 5 filer." Copilot var for in-flow autocomplete — "afslut denne linje kode, jeg har startet med at skrive."
Frustrationen var, at de ikke delte data. Cline's loggede historie på 1000+ prompts eksisterede i en silo. Copilot's forslag eksisterede i en anden. Jeg begyndte at tænke på, om der var en måde at få alt sammen — et sted at se hele min AI-assisteret udvikling, uanset værktøj.
Den tråd ville til sidst få mig til Claude Code, men jeg var ikke der endnu.
Listen Vokser
En vane fra denne periode, som jeg ikke kan forsvare rationelt: Jeg holdt op med at starte nye projekter. Et fryser-inventar-system (fordi jeg har to frysere og kan aldrig finde noget). OpenAI's nye billede-generering API-eksperimenter. Hackathon-forberedelser. Hver enkelt tilføjet til bunken.
Men jeg blev også hurtigere til de kedelige dele. ADRs betalte sig ud. Hvert nyt projekt startede på et højere baselinjer, fordi AI'en allerede kendte mine præferencer. Kløften mellem "ide" og "arbejdende prototype" fortsatte med at krympe. Hvis det havde været 10 minutter i december, var det 5 minutter ved juni.
Kløften mellem "prototype" og "shipped produkt" havde ikke krympet overhovedet. Det var stadig den hårde del.
Hvad Tallene Faktisk Betyder
1000 prompts på 96 dage. Her er hvad det opdeles til i praksis:
- Vågn op, åbn IDE, prompt AI'en: det er 2-3 prompts før morgen kaffe.
- Arbejde på dagens hovedprojekt: 4-5 substantielle prompts med iterativ raffinering.
- Udforske en side-ide: 2-3 prompts for at se, om noget virker.
- Aften session: 2-3 mere prompts på hvad, der fangede min opmærksomhed.
Det var ikke et slid. Det var en rytme. AI'en var altid der, altid klar, altid hurtig. Det menneskelige bottleneck var at beslutte hvad man skal spørge til, ikke at vente på svar.
Og blandet ind i de 1.000 Cline-prompts var alle Bolt.new-projekterne, Anthropic Console-sessionerne, eksperimenterne i andre værktøjer. Det rigtige tal var sandsynligt 3-4x højere. Jeg havde bare kun kvitteringer for Cline.
Ser Fremad
Posten jeg skrev om milepælen endte på en fremadskuende note: Jeg var begyndt at høre om multi-agent kodning workflows. Idéen om, at du kunne have flere AI-instanser, der arbejdede på forskellige dele af et projekt samtidigt. Det lød som science fiction.
Det var det ikke. Og det kom hurtigere, end jeg troede.
Næste: The Hackathon Era → — Bygning af produkter ved hastighed, Bolt hackathon, og kunsten at shippe på 10 minutter.
Dette er del 4 af en 10-delt serie, der dokumenterer min rejse fra traditionel softwareudvikler til agentic AI-udvikler, december 2024 – marts 2026.