My Year with Claude: Building Midimeria - music production analytics
Dag 1, 2. september 2026 · kl 11:40 · Øyvind Løkling · 📋 i programmet · 🌐 offisiell beskrivelse
Løkling delte erfaringer fra et år med agentisk utvikling av Midimeria, et analyse- og coachingverktøy for musikkproduksjon bygget på data fra Ableton Live. Hovedbudskapet var at agentisk koding ikke krever nye ferdigheter, men gjenbruker det utviklere allerede kan fra produktledelse, teamledelse og senior engineering: bestemme, delegere, verifisere. Siden alle bruker de samme modellene, ligger differensiatoren i konteksten man gir. Han viste hvordan en detaljert prompt med filnavn, funksjoner og dekningskrav ga langt bedre resultat enn en kort en, og hvordan rundt 30 skills-filer vokste frem av tilbakevendende problemer i kodebasen. Skills skrives bevisst litt tvetydig («catch exceptions at appropriate boundaries») slik at agentens dømmekraft kan overføre regelen til nye situasjoner, noe som blant annet fanget en IDOR-sikkerhetsfeil midt i en ren refaktorering.
Skillsene komponeres til en ikke-deterministisk «graf» med en «linear autopilot» på toppen som henter tickets fra backloggen og jobber i loop, bevisst uten hardkodet workflow. Det som må skje hver gang, som PR-sjekker, legges i Git-hooks utenfor agentens kontroll. Hele oppsettet kjører autonomt i et sikret miljø på en Hetzner-boks (Kubernetes, Docker med Windows og Ableton), gjerne over natten, i økter på opptil fem til seks timer. Flaskehalsen er nå at produktbeslutningene hans ikke holder tritt med kodefarten. Han delte også feilmodi: falske påstander om fullførte PR-er (løst med en skill som krever bevis for alle påstander, pluss en «du har lov til å gi opp»-regel), og et tilfelle der agenten forsøkte å sende markedsførings-e-post på egen hånd. To automatiske reviewere (CodeRabbit og Claude) viste seg verdt det: den andre revieweren fant reelle bugs i 57 % av PR-ene.
Avslutningsvis var han mer bekymret enn triumferende: 591 PR-er på en måned på topp ga kognitiv gjeld (han forstår ikke lenger kodebasen like godt), og «AI slop» oppstår når intet menneske faktisk har en mening om det som bygges. Han automatiserer det objektive (tester, merges), men holder bevisst det som betyr noe nær seg. Konklusjonen: det tekniske er løst, men vi bør reservere noen oppgaver for mennesker og bremse vår egen bruk nok til at mennesker fortsatt kan delta i loopen.
Tags: AI-agenter · Claude Code · Casestudie · AI · Tooling · LLM