Lär dig AI Agents i praktiken
Lär dig AI Agents i praktiken — Lär dig hur AI-agenter fungerar och bygg egna i mobilen
Lär dig AI Agents i praktiken är en gratis kursapp för iPhone och Android som lär ut hur AI-agenter fungerar och hur du bygger egna, för utvecklare, studenter och personer som byter karriär. Appen innehåller 60 kurser och 239 korta lektioner, från en första LLM-loop via tool calling, RAG, LangChain och LangGraph till orkestrering av flera agenter, samt ett Agent Lab där du kör en agent på en uppgift och ser varje tool call, resultat och svar visas steg för steg, och en AI Mentor för stunder när något går fel.
- Pris
- Gratis, uppgradering till Pro
- Plattformar
- iOS och Android
- Språk
- 22
- Åldersgräns
- 4+
- Kräver
- iOS 15.1 eller senare
En agent är bara så bra som det tool call du faktiskt kan följa.
De flesta agenttutorialer visar en bild av loopen — tänk, agera, observera — och går vidare. Den här kursplanen stannar vid varje pil: skriv funktionen som modellen får anropa, läs exakt vad den returnerade och se vart ett felaktigt tool-resultat leder loopen.
Vad det är
Lär dig AI Agents i praktiken är en gratis iOS- och Android-app för att lära sig hur AI-agenter byggs, med 60 kurser och 239 lektioner på fem till tio minuter vardera. Kursplanen sträcker sig från en introduktion till LLM-baserade agenter och prompt engineering via tool calling, retrieval-augmented generation (RAG) och vektordatabaser, vidare till LangChain, LangGraph och LlamaIndex, och ända fram till orkestrering av flera agenter, computer-use agents och driftsättning i produktion. Lektionerna innehåller Python-exempel som du kan köra direkt, ett Agent Lab som visar varje steg i en agentkörning, quiz efter varje ämne och en AI Mentor för frågor längs vägen.
I appen
Så här ser det ut
Kursen
Det här ingår i AI Agents-kursen
60 kurser och 239 lektioner hämtade från appens eget kursinnehåll — från den första LLM-agentloopen till orkestrering av flera agenter och driftsättning i produktion.
Agentgrunder
Intro to LLM Agents, Prompt Engineering for Agents, LLM APIs in Practice (OpenAI- och Anthropic SDK:er), File System Agent Operations, Conversational Memory Basics och ett första urval praktiska projekt.
Verktygsanvändning och informationshämtning
Mönstret Tool-Use / Function-Calling, API Integration for Agents, Email and Calendar Agents, Working with Embeddings, grunderna i Retrieval-Augmented Generation, Vector Databases for Agents och Agent Observability Foundations.
Agenter för verkliga plattformar
Slack- och chattplattformagenter, GitHub- och repository-agenter, Web Scraping and Data Fetching Agents, Agent CLI and Interactive Tools, Secrets and Configuration Management, LangChain Fundamentals, Structured Output and Parsing samt databasagenter som omvandlar naturligt språk till SQL.
Testning, felsökning och tillförlitlighet
Agent Testing Fundamentals, Debugging Agent Loops, LangGraph for Stateful Agents, LlamaIndex Deep Dive, Multi-Tool Agents (ReAct-mönstret), Building Reliable Agents och Memory Architectures for Agents.
Specialiserade 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-system.
Produktion och den senaste utvecklingen
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.
Så fungerar det
Så fungerar en AI Agents-lektion
Kursen är upplagd som en byggordning — först loopar, sedan verktyg, minne, ramverk och till sist produktionsfrågor — och Agent Lab låter dig se resultatet i stället för att bara läsa om det.
Läs en del av agentloopen
En lektion behandlar ett konkret steg — hur ett tool call ser ut på tråden, hur en vektordatabas returnerar en träff eller varför en prompt behöver separerade roller — med ett lättbegripligt språk och i ett format som passar en kort stund under dagen.
Kör en agent och läs dess spår
I Agent Lab ger du en agent en uppgift och ser varje tool call, resultat och svar visas ett steg i taget. Spårvisaren fungerar som en debugger, så att du kan se exakt var en körning gick fel. Lektionerna innehåller också Python-exempel som du kan köra direkt i dem.
Bygg en egen och rätta sedan till den
Välj en systemprompt, verktyg, en steggräns och en uppgift i Agent Builder och spara din egen agent. Lab-uppdragen ber dig göra ett första tool call, rätta till ett trasigt, läsa ett spår, lägga till en skyddsmekanism, dirigera en uppgift och dela upp arbetet mellan parallella agenter, medan AI Mentor förklarar vad en modell gjorde när ett spår inte verkar stämma.
Det här ingår
Det här täcker appen faktiskt
Live
Agent Lab med livekörningar
Ge en agent en uppgift och se varje tool call, resultat och svar visas steg för steg. Läs sedan körningen i en spårvisare som är byggd för att visa exakt var det gick fel. En daglig kvot av livekörningar är gratis.
60
Kurser från nybörjarnivå till avancerad nivå
60 kurser och 239 lektioner, från en första LLM-agentloop och prompt engineering via tool calling, RAG, vektordatabaser, LangChain och LangGraph till orkestrering av flera agenter, computer-use agents och driftsättning i produktion.
5
Orchestration Lab
Jämför fem mönster sida vid sida — en enda agent, sekventiell pipeline, router, parallell fan-out och generator med kritiker — och se hur de balanserar hastighet, kostnad och tillförlitlighet. Ett mönster är gratis; Pro låser upp resten.
Bygg
Agent Builder
Välj en systemprompt, verktyg, en steggräns och en uppgift, och spara sedan dina egna agenter och kör dem i Lab.
6
Lab-uppdrag och Python-exempel
Sex agentuppdrag — första tool call, rätta till ett trasigt anrop, läs ett spår, lägg till en skyddsmekanism, dirigera en uppgift och dela upp arbetet mellan parallella agenter — plus Python-exempel som du kan köra direkt i lektionerna.
AI
AI Mentor
Fråga varför ett tool call returnerade fel datastruktur eller varför agentloopen upprepade samma steg två gånger, och få ett lättbegripligt svar på några sekunder.
Bakgrund
Vad är en AI-agent, och vad innebär det egentligen att bygga en?
En AI-agent är ett program som använder en språkmodell för att bestämma vad den ska göra härnäst, inte bara vad den ska säga. I stället för att returnera ett enda svar kör den en loop: läser situationen, väljer en åtgärd, anropar ett verktyg — ett sökindex, en databas, ett API eller en kodbit — läser resultatet och upprepar processen tills målet är nått. Att bygga en agent handlar framför allt om ingenjörsarbete runt den loopen: att bestämma vilka verktyg modellen får anropa, strukturera datan den får tillbaka, fånga upp när ett verktyg misslyckas eller ett felaktigt formaterat svar kommer tillbaka, och behålla tillräckligt mycket minne från tidigare steg för att agenten inte ska upprepa sig.
Tool callingfunction calling
Mekanismen som låter en modell begära en verklig åtgärd — köra en fråga, hämta en sida eller skicka ett e-postmeddelande — genom att generera ett strukturerat anrop som din kod kör och skickar tillbaka resultatet från. Det är länken mellan en modell som bara förutsäger text och ett program som faktiskt gör något.
RAGretrieval-augmented generation
Att hämta relevanta dokument när frågan ställs — vanligtvis från en vektordatabas med embeddings — och skicka dem till modellen som kontext, så att svaret bygger på dina egna data i stället för på sådant modellen memorerade under träningen.
AgentramverkLangChain, LangGraph, LlamaIndex
Bibliotek som hanterar de repetitiva delarna av en agent — själva loopen, minnet, kopplingen till verktyg och tillståndsbaserade grafer i flera steg — så att du kan fokusera på logiken som är specifik för din agent i stället för på infrastrukturen under den.
Orkestrering av flera agenteragenter som använder andra agenter
Ett mönster där en agent delegerar deluppgifter till andra — en researchagent, en kodagent och en granskningsagent — där varje agent har sina egna verktyg och sin egen kontext, samordnade av ett lager som bestämmer vem som går vidare och sammanför det som kommer tillbaka.
Passar
Vem den är till för – och vem den inte är till för
Passar bra om du
- Vill du bygga en agent som faktiskt anropar ett verktyg eller en databas, inte bara skickar en prompt till en chatbot
- Börjar du från noll med LLM och vill förstå agentloopen innan du ger dig på ramverken
- Vill du ha praktiska kurser om specifika plattformar — Slack-botar, GitHub-agenter och databasagenter — inte en enda generell mall
- Är du utvecklare och vill se LangChain och LangGraph användas i fungerande kod, inte bara i ett diagram
- Vill du så småningom nå orkestrering av flera agenter och driftsättning i produktion, i stället för att stanna vid en leksaksdemo
Inte rätt verktyg om du
- Vill du ha hela biblioteket med 60 kurser gratis — den första kursen är gratis, Pro låser upp resten
- Vill du inte ha annonser i gratisnivån? Pro tar bort dem
- Behöver du obegränsad AI Mentor i gratisnivån, som har en daglig begränsning
- Kör du redan agenter i produktion och vill läsa forskningsartiklar i stället för att gå en kurs i byggordning
Frågor
Vanliga frågor
Vilken är den bästa appen för att lära sig AI-agenter på mobilen?
Den som tar dig från att läsa om agentloopen till att se en köra. Lär dig AI Agents i praktiken har 60 kurser, från den första LLM-loopen via verktygsanrop, RAG och LangChain till orkestrering av flera agenter, ett Agent Lab där du kan följa varje verktygsanrop och resultat i ett spår, samt en AI Mentor när ett verktygsanrop returnerar något oväntat. Du kan börja gratis på iOS och Android.
Vad är en AI-agent, enkelt förklarat?
En AI-agent är ett program som använder en språkmodell för att avgöra vad den ska göra härnäst, i stället för att bara avgöra vad den ska säga. Den kör en loop: läser av situationen, väljer en åtgärd, anropar ett verktyg som ett sökindex, en databas eller ett API, läser resultatet och upprepar processen. Modellen står för bedömningen av vad som ska göras härnäst; den omgivande koden — den del som den här appen lär dig skriva — tillhandahåller verktygen och utför åtgärden.
Hur skiljer sig en AI-agent från en chatbot?
En chatbot tar emot ett meddelande och returnerar ett svar — text in, text ut, utan att något händer i världen. En agent får ett mål och fortsätter tills det är uppnått, samtidigt som den utför verkliga åtgärder: frågar en databas, anropar ett API, läser en fil, kontrollerar sitt eget resultat och försöker igen när ett steg misslyckas. Learn AI Agents-kurserna om verktygsanrop och agentloopar handlar specifikt om den skillnaden — vad som måste finnas i koden för att en modells beslut ska omvandlas till en åtgärd.
Måste jag kunna programmera innan jag lär mig om AI-agenter?
Det underlättar att känna sig bekväm med kod, men den första kursen kräver inga förkunskaper och börjar med vad en LLM-agentloop faktiskt är. Varje lektion kombinerar en kort teoridel med Python-exempel som du kan köra direkt i lektionen, så att du lär dig programmeringen parallellt med agentkoncepten i stället för som ett separat förkunskapskrav. Lär dig AI Agents i praktiken riktar sig både till nybörjare och utvecklare.
Vad är RAG, och varför tar en agentkurs upp vektordatabaser?
Retrieval-augmented generation innebär att relevanta dokument hämtas när frågan ställs och skickas till modellen som kontext, så att svaret bygger på dina egna data i stället för på sådant den memorerade under träningen. Vektordatabaser är det som gör denna hämtning möjlig i praktiken — de lagrar embeddings och returnerar de närmaste matchningarna till en fråga snabbt. Agenter som svarar på frågor om en specifik kodbas, produkt eller dokumentsamling bygger nästan alltid på detta mönster, vilket är varför det får egna kurser i stället för ett enda stycke.
Vad är skillnaden mellan LangChain, LangGraph och LlamaIndex?
LangChain kopplar ihop de vanliga delarna i en agent — prompts, verktyg och minne — så att du slipper bygga om den infrastrukturen från grunden. LangGraph lägger till explicit tillstånd och förgreningar, vilket passar agenter vars steg beror på vad som hänt tidigare, snarare än en enkel linjär kedja. LlamaIndex är specialiserat på informationshämtning: att läsa in, indexera och söka i dina egna dokument effektivt. Learn AI Agents har en separat kurs för varje del, och kursen Multi-Tool Agents tar upp ReAct-mönstret som de ofta byggs kring.
Är AI-agenter värda att lära sig 2026?
Agenter är ett av de tydligare områdena där en språkmodell blir något som faktiskt slutför arbete i stället för att bara beskriva det, och de grundläggande färdigheterna kan användas med olika ramverk: verktygsdesign, promptstrukturering, informationshämtning och att veta när en automatiserad loop bör stanna och be en människa om hjälp. Lär dig AI Agents i praktiken innehåller kurser om agentsäkerhet, guardrails, utvärdering samt kostnads- och latensoptimering — frågor som team ställs inför när en agent väl tas i drift.
Är Lär dig AI Agents i praktiken gratis?
Den är gratis att ladda ner och gratis att börja använda. Den första kursen, introduktionen till LLM-baserade agenter, är gratis, liksom en daglig AI Mentor-kvot, ett Orchestration Lab-mönster, din första Agent Builder-design och en daglig kvot för livekörningar. Pro låser upp alla kurser och alla orkestreringsmönster, tar bort den dagliga körningsgränsen och tar bort annonserna.
Finns det ett certifikat i slutet?
Ja. När du klarar slutprovet får du ett intyg på genomförd kurs som du kan visa upp tillsammans med agenterna du byggt. Det är ett bevis på arbetet du utfört, inte en ackrediterad akademisk examen.
Vilka plattformar och språk stöds, och varför finns det två namn?
Lär dig AI Agents i praktiken fungerar på iPhone (iOS 15.1 eller senare) och Android, har ett gränssnitt på 22 språk och är åldersklassad 4+. På Google Play heter appen Lär dig AI Agents i praktiken, medan samma app i App Store heter Learn AI Agents. Den är en del av CoddyKit, en familj med över 40 kodningsappar, så lektionsformatet delas med de andra kurserna i serien.
Kom igång
Kör din första AI-agent redan idag
Gratis att börja använda på iOS och Android, på 22 språk.
Mer från CoddyKit
Tillgänglig på iOS och Android.