Lær AI Agents i praksis
Lær AI Agents i praksis — Lær, hvordan AI-agenter fungerer, og byg dine egne på din telefon
Lær AI Agents i praksis er en gratis kursusapp til iPhone og Android, der lærer udviklere, studerende og karriereskiftere, hvordan AI-agenter fungerer, og hvordan man bygger dem. Appen indeholder 60 kurser og 239 korte lektioner, der går fra et første LLM-loop via tool calling, RAG, LangChain og LangGraph til multi-agent-orchestration, samt et Agent Lab, hvor du kører en agent på en opgave og ser hvert tool call, resultat og svar dukke op trin for trin, og en AI Mentor, når noget går galt.
- Pris
- Gratis, Pro-opgradering
- Platforme
- iOS og Android
- Sprog
- 22
- Aldersklassifikation
- 4+
- Kræver
- iOS 15.1 eller nyere
En agent er kun så god som det tool call, du rent faktisk kan spore.
De fleste vejledninger om agenter viser et diagram over loopet — tænk, handl, observer — og går videre. Dette pensum stopper ved hver pil: Skriv funktionen, som modellen må kalde, læs præcis det, den returnerede, og se, hvordan et dårligt tool-resultat sender loopet på afveje.
Hvad det er
Lær AI Agents i praksis er en gratis app til iOS og Android, hvor du lærer, hvordan AI-agenter bygges, gennem 60 kurser og 239 lektioner på hver fem til ti minutter. Pensummet går fra en introduktion til LLM-baserede agenter og prompt engineering via tool calling, retrieval-augmented generation (RAG) og vektordatabaser til LangChain, LangGraph og LlamaIndex og videre til multi-agent-orchestration, computer-use-agenter og produktionsudrulning. Lektionerne indeholder Python-eksempler, som du kan køre direkte, et Agent Lab, der viser hvert trin i en agentkørsel, quizzer efter hvert emne og en AI Mentor til spørgsmål undervejs.
Inde i appen
Sådan ser det ud
Kurset
Det lærer du på AI Agents-kurset
60 kurser og 239 lektioner fra appens eget pensum — fra den første LLM-agentløkke til multi-agent-orkestrering og implementering i produktion.
Agentgrundlag
Intro to LLM Agents, Prompt Engineering for Agents, LLM APIs in Practice (OpenAI- og Anthropic SDKs), File System Agent Operations, Conversational Memory Basics og et første sæt praktiske projekter.
Værktøjsbrug og informationssøgning
Mønsteret Tool-Use / Function-Calling, API Integration for Agents, Email and Calendar Agents, Working with Embeddings, grundlæggende Retrieval-Augmented Generation, Vector Databases for Agents og Agent Observability Foundations.
Agenter til virkelige platforme
Slack- og chatplatform-agenter, GitHub- og repository-agenter, Web Scraping and Data Fetching Agents, Agent CLI and Interactive Tools, Secrets and Configuration Management, LangChain Fundamentals, Structured Output and Parsing samt Database Agents, der omsætter naturligt sprog til SQL.
Test, fejlfinding og driftssikkerhed
Agent Testing Fundamentals, Debugging Agent Loops, LangGraph for Stateful Agents, LlamaIndex Deep Dive, Multi-Tool Agents (ReAct-mønsteret), Building Reliable Agents og Memory Architectures for Agents.
Specialiserede agenter
Voice and Audio Agents, Knowledge Graph Integration, Personal AI Assistant Architecture, Agent Evaluation and Benchmarking, Agent Safety and Guardrails, Cost and Latency Optimisation samt Customer Service and Deep Research Agent-systemer.
Produktion og den nyeste udvikling
Multi-Agent Orchestration, Production Agent Deployment, Computer-Use and Browser Agents, Code-Generating Agents, Long-Horizon Planning Agents, Sandboxing and Secure Code Execution samt Self-Improving Agent Systems.
Sådan fungerer det
Sådan foregår en AI Agents-lektion
Kurset er opbygget i den rækkefølge, man typisk bygger i — loop, derefter værktøjer, så hukommelse, frameworks og til sidst produktionsrelaterede hensyn — og Agent Lab lader dig se resultatet i stedet for kun at læse om det.
Læs én del af agent-loopet
En lektion gennemgår ét konkret trin — hvordan et tool call ser ud på forbindelsen, hvordan en vektordatabase returnerer et match, og hvorfor en prompt har brug for adskilte roller — i et letforståeligt sprog og i en størrelse, der passer til en kort pause i løbet af dagen.
Kør en agent, og læs dens spor
I Agent Lab giver du en agent en opgave og ser hvert tool call, resultat og svar dukke op ét trin ad gangen. Trace-fremviseren fungerer som en debugger, så du kan se præcis, hvor en kørsel gik galt. Lektionerne indeholder også Python-eksempler, som du kan køre direkte i lektionen.
Byg din egen, og ret den
Vælg en systemprompt, værktøjer, et trinbudget og en opgave i Agent Builder, og gem din egen agent. Lab-missionerne beder dig om at foretage et første tool call, rette et ødelagt tool call, læse et trace, tilføje en guardrail, dirigere en opgave og fordele arbejdet på parallelle agenter, mens AI Mentor forklarer, hvad en model gjorde, når et trace ikke giver mening.
Hvad det indeholder
Det dækker appen faktisk
Live
Agent Lab med live-kørsler
Giv en agent en opgave, og se hvert tool call, resultat og svar dukke op trin for trin. Læs derefter kørslen i en trace-fremviser, der er bygget til at vise præcis, hvor det gik galt. Et dagligt antal live-kørsler er gratis.
60
Kurser fra begynder- til avanceret niveau
60 kurser og 239 lektioner, fra et første LLM-agent-loop og prompt engineering via tool calling, RAG, vektordatabaser, LangChain og LangGraph til multi-agent-orchestration, computer-use-agenter og produktionsudrulning.
5
Orchestration Lab
Sammenlign fem mønstre side om side — enkelt agent, sekventiel pipeline, router, parallel fan-out og generator med kritiker — og se, hvordan hvert mønster afvejer hastighed, omkostninger og pålidelighed. Ét mønster er gratis; Pro låser resten op.
Byg
Agent Builder
Vælg en systemprompt, værktøjer, et trinbudget og en opgave, og gem derefter dine egne agenter, så du kan køre dem i Lab.
6
Lab-missioner og Python-eksempler
Seks agent-missioner — første tool call, ret et ødelagt tool call, læs et trace, tilføj en guardrail, dirigér en opgave, og fordel arbejdet på parallelle agenter — samt Python-eksempler, som du kan køre direkte i lektionerne.
AI
AI Mentor
Spørg, hvorfor et tool call returnerede data i det forkerte format, eller hvorfor agent-loopet gentog det samme trin to gange, og få et letforståeligt svar på få sekunder.
Baggrund
Hvad er en AI-agent, og hvad indebærer det egentlig at bygge en?
En AI-agent er et program, der bruger en sprogmodel til at beslutte, hvad den skal gøre som det næste — ikke kun hvad den skal sige. I stedet for at returnere ét enkelt svar kører den et loop: Den læser situationen, vælger en handling, kalder et værktøj — et søgeindeks, en database, en API eller et stykke kode — læser resultatet og gentager processen, indtil målet er nået. At bygge en sådan agent handler for det meste om engineering omkring dette loop: at beslutte, hvilke værktøjer modellen må kalde, strukturere de data, den får tilbage, håndtere det trin, hvor et værktøj fejler, eller hvor et svar kommer tilbage i et forkert format, og bevare tilstrækkelig hukommelse fra tidligere trin til, at agenten ikke gentager sig selv.
Tool callingfunction calling
Den mekanisme, der lader en model anmode om en konkret handling — køre en forespørgsel, hente en side eller sende en e-mail — ved at udsende et struktureret kald, som din kode udfører og sender resultatet tilbage til modellen. Det er forbindelsen mellem en model, der kun forudsiger tekst, og et program, der faktisk gør noget.
RAGretrieval-augmented generation
Hentning af relevante dokumenter, når spørgsmålet stilles — som regel fra en vektordatabase med embeddings — og videregivelse af dem til modellen som kontekst, så et svar bygger på dine egne data i stedet for det, modellen huskede fra sin træning.
Agent-frameworksLangChain, LangGraph, LlamaIndex
Biblioteker, der håndterer de gentagne dele af en agent — selve loopet, hukommelse, kobling af værktøjer og tilstandsbevidste grafer i flere trin — så du kan fokusere på den logik, der er specifik for din agent, i stedet for den underliggende infrastruktur.
Multi-agent-orchestrationagenter, der bruger andre agenter
Et mønster, hvor én agent uddelegerer delopgaver til andre — en research-agent, en kodeagent og en review-agent — hver med sine egne værktøjer og sin egen kontekst, koordineret af et lag, der beslutter, hvem der går videre, og samler resultaterne.
Egnethed
Hvem det er til — og hvem det ikke er til
Det passer godt til dig, hvis du
- Vil du bygge en agent, der faktisk kalder et værktøj eller en database — ikke bare få en chatbot til at generere svar
- Begynder du helt fra bunden med LLMs og vil have agentløkken forklaret, før du går i gang med frameworks
- Vil du have praktiske kurser om specifikke platforme — Slack-bots, GitHub-agenter og databaseagenter — i stedet for én generisk skabelon
- Er du udvikler og vil se LangChain og LangGraph brugt i fungerende kode, ikke kun i et diagram
- Vil du på sigt nå frem til multi-agent-orkestrering og implementering i produktion i stedet for at stoppe ved en legetøjsdemo
Det er ikke det rette værktøj, hvis du
- Vil du have hele biblioteket med 60 kurser gratis — det første kursus er gratis, og Pro låser resten op
- Vil du ikke have reklamer på gratisniveauet? Pro fjerner dem
- Har du brug for ubegrænset AI Mentor på gratisniveauet, som har en daglig grænse
- Kører du allerede agenter i produktion og vil du hellere læse forskningsartikler end følge et kursus med en bestemt byggeproces
Spørgsmål
Ofte stillede spørgsmål
Hvad er den bedste app til at lære om AI-agenter på mobilen?
Den, der tager dig fra at læse om agentløkken til at se en køre. Lær AI Agents i praksis har 60 kurser, der går fra den første LLM-løkke via tool calling, RAG og LangChain til multi-agent-orkestrering, et Agent Lab, hvor du kan følge hvert tool call og resultat i et trace, samt en AI Mentor til det øjeblik, hvor et tool call returnerer noget uventet. Du kan komme gratis i gang på iOS og Android.
Hvad er en AI-agent, forklaret enkelt?
En AI-agent er et program, der bruger en sprogmodel til at beslutte, hvad det skal gøre som det næste, i stedet for kun hvad det skal sige. Den kører i en løkke: læser situationen, vælger en handling, kalder et værktøj som et søgeindeks, en database eller en API, læser resultatet og gentager processen. Modellen leverer vurderingen af, hvad der skal ske som det næste; den omgivende kode — den del, som denne app lærer dig at skrive — leverer værktøjerne og udfører handlingen.
Hvordan adskiller en AI-agent sig fra en chatbot?
En chatbot modtager én besked og returnerer ét svar — tekst ind, tekst ud, og intet sker i verden. En agent får et mål og fortsætter, indtil det er nået, mens den udfører virkelige handlinger undervejs: forespørger i en database, kalder en API, læser en fil, kontrollerer sit eget output og prøver igen, hvis et trin mislykkes. Learn AI Agents' kurser i tool calling og agentløkker handler specifikt om denne forskel — hvad der skal være til stede i koden, for at en models beslutning kan blive til en handling.
Skal jeg kunne kode, før jeg lærer om AI-agenter?
Det hjælper at være fortrolig med kode, men det første kursus forudsætter ingen forkundskaber og begynder med, hvad en LLM-agentløkke overhovedet er. Hver lektion kombinerer et kort teoriafsnit med Python-eksempler, du kan køre inde i lektionen, så du lærer at kode samtidig med agentkoncepterne i stedet for som et separat krav. Lær AI Agents i praksis henvender sig både til begyndere og udviklere.
Hvad er RAG, og hvorfor har et agentkursus Vector Databases med?
Retrieval-augmented generation betyder, at relevante dokumenter hentes, når spørgsmålet stilles, og gives til modellen som kontekst, så svaret bygger på dine egne data i stedet for det, den huskede under træningen. Vector Databases er det, der får denne informationssøgning til at fungere i praksis — de gemmer embeddings og returnerer hurtigt de matches, der ligger tættest på en forespørgsel. Agenter, der besvarer spørgsmål om en bestemt codebase, et produkt eller en dokumentsamling, bygger næsten altid på dette mønster. Derfor får det egne kurser i stedet for blot et enkelt afsnit.
Hvad er forskellen på LangChain, LangGraph og LlamaIndex?
LangChain forbinder de almindelige dele af en agent — prompts, værktøjer og hukommelse — så du ikke skal bygge denne infrastruktur fra bunden. LangGraph tilføjer eksplicit tilstand og forgrening ovenpå, hvilket passer til agenter, hvis trin afhænger af, hvad der skete tidligere, i stedet for en simpel lineær kæde. LlamaIndex specialiserer sig i informationssøgning: effektiv indlæsning, indeksering og forespørgsler i dine egne dokumenter. Learn AI Agents har et separat kursus om hver af dem, og kurset Multi-Tool Agents gennemgår ReAct-mønsteret, som de ofte bygges op omkring.
Er AI-agenter værd at lære i 2026?
Agenter er et af de tydeligste områder, hvor en sprogmodel bliver til noget, der udfører arbejde i stedet for kun at beskrive det, og de grundlæggende færdigheder kan bruges på tværs af frameworks: værktøjsdesign, promptstrukturering, informationssøgning og forståelse for, hvornår en automatiseret løkke bør stoppe og spørge et menneske. Lær AI Agents i praksis indeholder kurser i agentsikkerhed, guardrails, evaluering samt optimering af omkostninger og latenstid — netop de spørgsmål teams møder, når en agent sættes i drift.
Er Lær AI Agents i praksis gratis?
Den er gratis at downloade og gratis at komme i gang med. Det første kursus, introduktionen til LLM-baserede agenter, er gratis sammen med en daglig AI Mentor-kvote, ét Orchestration Lab-mønster, dit første Agent Builder-design og en daglig kvote af live-kørsler. Pro låser alle kurser og alle orkestreringsmønstre op, fjerner den daglige kørselsgrænse og fjerner reklamer.
Er der et certifikat til sidst?
Ja. Når du består den afsluttende eksamen, får du et gennemførelsescertifikat, som du kan vise sammen med de agenter, du har bygget. Det dokumenterer det arbejde, du har udført, men er ikke en akkrediteret akademisk kvalifikation.
Hvilke platforme og sprog understøtter den, og hvorfor er der to navne?
Lær AI Agents i praksis fungerer på iPhone (iOS 15.1 eller nyere) og Android, har en brugerflade på 22 sprog og er klassificeret som 4+. På Google Play hedder appen Lær AI Agents i praksis, mens den samme app i App Store hedder Learn AI Agents. Den er en del af CoddyKit, en familie af 40+ coding-apps, så lektionsformatet går igen i de øvrige kurser i serien.
Kom i gang
Kør din første AI-agent i dag
Gratis at komme i gang på iOS og Android på 22 sprog.
Mere fra CoddyKit
Tilgængelig på iOS og Android.