Den nye overdragelse: Sådan deler du din AI-agents kode med dit team6 min read

Din AI-agent har lige bygget noget nyttigt. Måske er det et dashboard, en ny onboarding-flow eller en lille intern app.

Du kan se, det virker. Koden ser god ud. Nu stiller din holdkammerat et helt rimeligt spørgsmål:

“Kan du sende den til mig?”

Det er her, en AI-kodningsarbejdsgang ofte bliver til en manuel overlevering. Du sender et screenshot, kopierer et kodeuddrag, skubber en branch eller forklarer, hvordan man får projektet til at køre lokalt.

Men den person, der spørger, vil måske ikke have kildekoden. De vil åbne tingen, prøve den og fortælle dig, hvad der skal ændres.

Den rigtige måde at dele AI-genereret kode på afhænger af, hvad der sker næste gang.

Først, hvad deler du egentlig?

Når nogen beder om den kode, din AI-agent har genereret, kan de mene tre forskellige ting.

1. Kildekoden

En udvikler skal inspicere implementeringen, køre tests eller sammenflette den med en eksisterende kodebase.

Et Git-repository og pull request er som regel det rigtige svar. De giver en velkendt arbejdsgang til gennemgang af ændringer, test og integration af koden i produktion.

2. En fungerende version

En produktchef vil gerne klikke sig igennem onboarding-flowet. En designer vil se det responsive layout. En interessent vil prøve dashboardet.

At sende kildefiler er ikke særligt nyttigt her. De har brug for en app eller artefakt, de kan åbne i en browser.

3. Arbejde, som en anden vil fortsætte med

Din holdkammerat vil gennemgå appen, foreslå en ændring og få en AI-agent til at implementere feedbacken.

Dette er en anden slags overdragelse. Destinationen skal rumme mere end et øjebliksbillede. Den skal bevare arbejdet, dets historie og adgang for den, der fortsætter det.

Disse arbejdsgange overlapper, men de er ikke udskiftelige.

Forskellen på at dele kode og at overdrage arbejde

Forestil dig, at en agent bygger et kundeanalyse-dashboard.

Den indeholder tre KPI-kort, et forbrugsdiagram og et datofilter.

Du kunne sende din holdkammerat React-filerne. De ville have brug for et udviklingsmiljø for at se resultatet.

Du kunne sende et screenshot. De ville forstå layoutet, men ville ikke kunne teste filteret.

Du kunne implementere den et sted. De kunne interagere med den, men du ville stadig have brug for en proces til at indsamle feedback og opdatere projektet.

Forestil dig nu en lidt anderledes arbejdsgang.

Agenten opretter dashboardet i et delt artefakt-arbejdsområde og giver dig sin URL.

Din holdkammerat åbner artefaktet, tester filteret og efterlader feedback på diagrammet. Du beder agenten om at lave ændringen i det samme artefakt.

URL’en forbliver den samme som før. Værket har en historie. Der er ikke behov for at starte en ny samtale og forklare, hvad den tidligere agent byggede.

Det er den overdragelse, der er værd at designe til.

Sådan deler du AI-genereret kode med dit team

Her er en praktisk arbejdsgang ved brug af AgentGrid.io, et delt artefakt-arbejdsområde for mennesker og AI-agenter, bygget af Anima.

Trin 1: Byg med dit foretrukne AI-kodningsværktøj

Bliv ved med at arbejde i Claude Code, Codex, Cursor eller et andet værktøj, du er tryg ved.

For eksempel:

Byg et responsivt produktanalysedashboard med et brugsdiagram, datofilter og tre KPI-kort. Brug React.

Du behøver ikke ændre det værktøj, du bruger til at generere koden.

Trin 2: Læg resultatet et sted, hvor dit team kan få adgang til det

Forbind din mægler med AgentGrid og spørg:

Sæt dette dashboard på AgentGrid som en app. Giv mig artefaktlinket, og hold det privat.

AgentGrid gemmer appen som et artefakt med sin egen URL og versionshistorik.

Hvis du bruger en kodningsagent, der kan forbinde uafhængigt, så følg AgentGrid forbindelsesinstruktioner. Browserbaserede assistenter som Claude eller ChatGPT bruger deres understøttede integrationer.

Det vigtige er, at din agent opretter artefakten i et arbejdsområde, den har tilladelse til at få adgang til.

Trin 3: Giv din holdkammerat adgang

Åbn artefakten og kopier dets link.

Før du sender det, skal du sikre dig, at din holdkammerat har adgang til arbejdsområdet. En privat artefakt-URL identificerer værket; den giver ikke selv tilladelse.

For internt samarbejde er det som regel det, du ønsker. En kollega kan gennemgå arbejdet uden at gøre det offentligt tilgængeligt.

Se Hvordan artefaktdeling fungerer.

Trin 4: Indsaml feedback på det faktiske resultat

Din holdkammerat åbner dashboardet og opdager, at datofilteret ikke opfører sig som forventet.

I stedet for at skrive en separat Slack besked, der forklarer, hvilken komponent der er defekt, kan de efterlade feedback knyttet til den relevante del af artefakten.

AgentGrid understøtter gennemgang af kommentarer på app-elementer og dokumentpassager. Autoriserede personer og agenter kan gennemgå disse kommentarer sammen.

Det holder diskussionen tæt på det, der bliver gennemgået.

Trin 5: Lad agenten fortsætte arbejdet

Nu kan du se det til en tilknyttet agent:

Åbn dette AgentGrid artefakt og fix datofilteret. Behold det eksisterende layout og opdater det samme artefakt.

Inkluder den faktiske artefakt-URL.

Agenten kan inspicere og opdatere artefaktet, hvis det har den nødvendige adgang og kapacitet.

Ændringer vises i samme versionshistorik, tilskrevet agenten, der lavede dem. Din holdkammerat kan vende tilbage til det samme artefakt for at gennemgå resultatet.

Se Versionshistorik i AgentGrid.

Hvad med Claude, ChatGPT, Cursor og Codex?

Nogle AI-værktøjer har allerede nyttige native delingsfunktioner.

Claude kan dele understøttede artefakter inden for sit økosystem. GitHub er fantastisk til at gennemgå kode. Udviklingsplatforme kan tilbyde preview-implementeringer.

Du behøver ikke erstatte de arbejdsgange bare for at dele noget.

AgentGrid er nyttigt, når næste skridt involverer folk og agenter, der arbejder på det samme artefakt., især på tværs af forskellige AI-værktøjer.

For eksempel kan dit team bruge Claude til at udarbejde en grænseflade, Codex til at forfine adfærden og en menneskelig reviewer til at give feedback.

Den fælles artefakt giver et fælles mål for det arbejde.

Hvornår bør du udgive i stedet?

Hvis værket er tiltænkt personer uden for dit arbejdsområde – som en kunde, der har brug for en offentlig demo – kan du overveje at udgive det.

AgentGrid kan publicere understøttede apps og Markdown artefakter til offentlige URL’er.

Men deling og udgivelse er ikke det samme.

Et privat artefaktlink kræver autoriseret adgang til arbejdsområdet. En offentliggjort udrulning er offentligt tilgængelig. Senere ændringer af artefakten skal offentliggøres igen, før de vises på den offentlige side.

Udgiv kun, når det er det, du har til hensigt.

Et bedre spørgsmål at stille, når agenten er færdig

I stedet for at afslutte hver kodesession med “eksporter filerne”, så spørg:

Hvem har brug for det næste gang, og hvad skal de gøre med det?

Hvis en udvikler skal sammenflette koden, skal du oprette en pull request.

Hvis nogen skal teste appen, så giv dem en fungerende forhåndsvisning.

Hvis folk og agenter har brug for at gennemgå og fortsætte arbejdet sammen, så giv det et fælles hjem.

Outputtet fra en AI-kodningssession behøver ikke at være slutningen på arbejdsgangen. Det kan være udgangspunktet for alle andre.

👉 Udforsk AgentGrid.