AI-udvikling
uden buzzwords
Teknisk dybde for udviklere der vil bygge med LLMs. Claude API, RAG pipelines, vector databases og prompt engineering - med kodeeksempler der virker i production.
Foto: Mohammad Rahmani / Unsplash
TL;DR - Claude API i 10 linjer
# pip install anthropic
import anthropic
client = anthropic.Anthropic() # Uses ANTHROPIC_API_KEY env var
message = client.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1024,
messages=[{"role": "user", "content": "Forklar RAG i 3 bullet points"}]
)
print(message.content[0].text)Guides
7 artiklerByg en AI Agent med Python
En AI agent der taenker, bruger tools og handler autonomt. Fra scratch med Claude tool use - ingen frameworks.
MCP: Model Context Protocol Guide
Den aabne standard for at forbinde LLMs med tools og data. Byg MCP servere i Python og TypeScript.
LangChain Guide: Fra Chain til Agent
Det mest populaere LLM-framework. LCEL, RAG chains, agents og memory med praktiske kodeeksempler.
Claude API: Komplet guide til danske udviklere
Alt du skal vide om Claude API. Messages, streaming, tool use, vision og best practices for production med Python og TypeScript.
RAG implementation fra scratch
Byg en komplet Retrieval Augmented Generation pipeline. Document chunking, embeddings, vector search og context injection.
Prompt engineering for udviklere
Systematisk tilgang til prompts. Templates, few-shot learning, chain-of-thought og programmatisk prompt management.
Vector database sammenligning
ChromaDB vs Weaviate vs Pinecone. Hands-on performance test, setup guides og valg til forskellige use cases.
Emner vi daekker
Autonome LLM-systemer
Model Context Protocol
Framework til LLM apps
Messages, streaming, tools
Retrieval augmented generation
Systematisk prompting
ChromaDB, Weaviate, Pinecone
Function calling
Prerequisites
Vores guides forudsaetter at du har:
- ✓Python 3.11+ eller Node.js 18+
- ✓Grundlaeggende forstaelse af REST APIs
- ✓En API key fra Anthropic (eller OpenAI)
- ✓Villighed til at læse dokumentation