Automation Platforms
Zapier, Make, n8n, recurring workflows, human review, and safer tool connections.
59 historier (36 artikler · 23 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
7 min læsningByg og valider en lille automatisering i Zapier med AI
Byg en Zapier-arbejdsgang med begrænsede konsekvenser, testdata, synlige fejl, kildehenvisninger og et menneskeligt godkendelsespunkt, før den håndterer reelt indhold.
Begynder
9 min læsningn8n vs Zapier vs Make: vælg den rigtige automatiseringsplatform
En ærlig sammenligning af de tre vigtigste automatiseringsplatforme til AI-arbejdsgange i 2026. Hvad de hver især er gode til, hvor deres grænser går, og beslutningsreglerne til at vælge uden fortrydelse.
Let øvet
11 min læsningByg din første AI-agent i n8n: kvalificering af kundeemner fra start til slut
Et dokumentationsgennemgået n8n-design til prioritering af kundeemner: validér inddata, begræns agentens værktøjer, validér strukturerede uddata, gem et atomisk forslag, og hold alle kundesynlige handlinger bag en godkendelse.
Let øvetFlere i dette emne
7 min læsningHermes Agent: hvad det er, hvad det ikke er, og hvornår du skal bruge det
Et klart overblik over Hermes Agent fra Nous Research: vedvarende hukommelse, færdigheder, værktøjer og beskedgateways samt valget mellem en chatbot og et agentkørselsmiljø.
Let øvet
8 min læsningHermes Agent første uge: hukommelseshygiejne, færdigheder og værktøjsgodkendelser
En sikker opsætning af Hermes Agent i den første uge: Installér og afprøv, kuratér MEMORY.md og USER.md, tilføj én færdighed, begræns filskrivning, og deaktivér eller isolér shelladgang.
Let øvet
8 min læsningHermes vs n8n: vælg efter opgaven (og hvornår du skal bruge begge)
En beslutningsramme for Hermes Agent over for n8n: Deterministisk integrationslogik bliver i n8n, mens et Hermes-API-trin med bearer-autentificering eller et særskilt forløb for hændelseswebhooks håndterer afgrænset agentarbejde.
Let øvet
7 min læsningHermes-webhooks: hændelsesdrevne AI-agenter uden én kæmpe universalprompt
Konfigurér Hermes Agent-webhooks med kildetilpasset autentificering, sundhedstjek på port 8644 og små navngivne ruter, så hændelser bliver til fokuserede agentkørsler med et eksplicit leveringsmål.
Let øvet
8 min læsningIdempotens, genforsøg og menneskelige kontrolpunkter for AI-noder i n8n
AI-noder fejler anderledes end CRUD-API'er. Indret genforsøg, idempotensnøgler, menneskelig kontrol og logning i n8n, så et ustabilt modelkald hverken sender samme e-mail to gange eller springer godkendelsen over.
Let øvet
10 min læsningn8n → Hermes: vælg mellem et API-kald og en hændelseswebhook
Bevar deterministisk tilstand i n8n, og vælg Hermes-API'et, når n8n har brug for et agentresultat, eller webhookadapteren, når en hændelse skal udløse en konfigureret levering fra Hermes.
Let øvet
8 min læsningKald vLLM og andre OpenAI-kompatible slutpunkter fra n8n
Kald et lokalt OpenAI-kompatibelt /v1/chat/completions-slutpunkt fra n8ns HTTP Request-node med eksplicit autentificering, målte tidsgrænser, kontrol af base-URL og en privat netværksgrænse.
Let øvet
9 min læsningOpsætning af personlig OpenClaw-gateway: installation, klargøring og kontrolpanel
Hvad OpenClaw er, hvordan du installerer og klargør flerkanalsgatewayen i egen drift, åbner Control UI på port 18789, og hvilke Node-versioner der understøttes, uden at springe sikkerhedsgrundlaget over.
Let øvet
10 min læsningSkills, heartbeat-autonomi og godkendelsespunkter i OpenClaw
Sådan indlæses skills i OpenClaw, sådan fungerer periodiske heartbeat-kørsler, sådan begrænser du shellkommandoer på værten, og sådan holder du browserautomatisering bag restriktive regler og godkendte arbejdsgange.
Let øvet
8 min læsningOpenClaw vs Hermes: vælg efter jobbet, ikke brandet
OpenClaw og Hermes er overlappende agentsystemer i egen drift med forskellige driftsmæssige styrker. Sammenlign kanalrouting, webhooks, værktøjer og automatiseringsgrænser, før du vælger det ene, det andet eller begge.
Let øvet
10 min læsningEksperimentel stak med to DGX Spark-enheder, DeepSeek-V4-Flash, n8n og Hermes
Sådan evaluerer du en eksperimentel fællesskabsudviklet løsning med to DGX Spark-systemer til DeepSeek-V4-Flash, hvor n8n håndterer den deterministiske del og Hermes vurderingsopgaverne.
Avanceret
8 min læsningVærdighed i arbejdet, når maskiner kan udføre mere af det
En praktisk vurdering af jobomlægning for SMV-ledere: Undersøg medarbejderindflydelse, bevaret dømmekraft, udviklingsmuligheder, arbejdsbelastning, overvågning og klageadgang, før I erklærer en automatisering for en succes.
Let øvet
8 min læsningHvad du skal sige til dit team, når du automatiserer en del af deres arbejde
En praktisk rækkefølge for kommunikationen om automatiseringsprojekter: Hvad du skal sige, før beslutningen ligger fast, hvilke tilsagn der opbygger tillid, og hvilke løfter ledere ikke bør give.
Let øvet
7 min læsningAutomatiseringen, du bør slette: vedligeholdelsesomkostninger og skjulte fejl
En praktisk gennemgang, der hjælper dig med at beslutte, hvilke automatiseringer der skal beholdes, repareres, forenkles eller udfases, herunder ejerskab, driftsfejl, skjult kontrolarbejde og risikoen for fejl, der ikke opdages.
Let øvet
17 minutter12-Factor Agents: Mønstre for pålidelige LLM-applikationer — Dex Horthy, HumanLayer
AI Engineer. Dex Horthy forklarer, hvorfor pålidelige agentsystemer mest er disciplineret software omkring et par LLM-kald: ej prompten, ej kontekstvinduet, hold control flow deterministisk, og brug tool calls til at kontakte mennesker, når arbejdsgangen behøver vurdering. Det mapper direkte til artiklens mønstre for godkendelse, undtagelse og eskalering.
Let øvet
18 minutterAWS re:Invent 2025 — Implementing Human-in-the-Loop Controls for Multi-Agent AI Systems (CNS428)
AWS Events. Denne lightning talk navngiver de forretningsøjeblikke, hvor menneskelig kontrol er nødvendig: high-stakes-beslutninger, irreversible handlinger, regulatoriske krav, tillidsopbyggende faser, tvetydige edge cases og graceful degradation. Den viser også konkrete implementeringsmekanismer som MCP elicitations, Step Functions callback waits og godkendelsesnoder.
Let øvet
6 minutterAI-stemmeagenter: sådan fungerer de egentlig, og derfor lyder de så menneskelige
CX Foundation. Bryder voice-agenter ned til den praktiske pipeline: talegenkendelse, sprogmodel, business-system-API'er, text-to-speech og håndtering af afbrydelser. Det giver artiklens rollout-ramme et konkret teknisk fundament, før læseren vælger Twilio, Retell, Vapi, LiveKit eller en anden platform.
Avanceret
9 min læsningHuman-in-the-loop-designmønstre til AI-arbejdsgange
Menneskelig gennemgang er ikke et vagt sikkerhedsnet. En praktisk guide til at beslutte, hvad mennesker skal godkende, stikprøvekontrollere, revidere, eskalere eller aldrig uddelegere i AI-arbejdsgange.
Let øvet
9 min læsningByg eller køb AI-systemer: den praktiske beslutningsramme
Sammenlign køb, konfiguration, udvidelse, egenudvikling og selvhosting ud fra de samme krav og vetokriterier, den samme repræsentative prøve og den samme samlede omkostningsmodel.
Avanceret
9 min læsningStemmeagenter i kundeforløb: hvor de virker, og hvor de svigter
Stemmeagenter er nyttige, når forløbet er afgrænset, dataene er tilgængelige, og reserveløsningen er klar. Et praktisk beslutningsgrundlag for Twilio-/Retell-lignende systemer, oplysning, overførsel, test og udrulning.
Avanceret
11 min læsningLangGraph vs. CrewAI vs. direkte API: valg af agentframework i 2026
Landskabet for agentframeworks er i 2026 mere modent, men ikke mere overskueligt. LangGraph, CrewAI, Pydantic AI, OpenAI Agents SDK og direkte API passer hver til nogle teams og projekter, men ingen passer til alle. Her får du en ærlig sammenligning og en beslutningsramme.
Avanceret
13 min læsningDesign af agenter, der ikke fortsætter i det uendelige
Den mest almindelige fejl for produktionsagenter er uendelige eller næsten uendelige løkker — agenter, der prøver igen, forgrener sig og bruger tokens uden at gøre fremskridt. Her er de arkitekturmønstre, der forhindrer det og skaber agenter, som afslutter selv svære opgaver.
Avanceret
11 min læsningDesign en AI-agent til kundeservice: triage, viden, handlinger og eskalering
Et køevalueret referencedesign til supporttriage, retrieval, svarudkast, kontrollerede handlinger og menneskelig eskalering med de politik- og målegrænser, som en sikker pilot kræver.
Let øvet
7 min læsningAI til møder: transskriptioner, resuméer og handlingspunkter
En realistisk arbejdsgang til at dokumentere møder med AI: Vælg en godkendt datavej, gennemgå transskriptionen, og omsæt udtrykkelig dokumentation til beslutninger og opfølgning.
Begynder
10 min læsningAI-marketingstacken: indhold, SEO og sociale medier med menneskelig gennemgang
Mulige arbejdsgange til AI-assisteret markedsføring: tilladt research, kildebaserede udkast, SEO-gennemgang, tilpasning, menneskelig godkendelse før publicering og målbare resultater med juridisk kontrol i den relevante jurisdiktion før lancering.
Let øvet
11 min læsningAI-salgsstacken: leadberigelse, personalisering og opfølgning i stor skala
En praktisk AI-salgsstack til research, personalisering, kontaktforløb og opfølgning uden at ende som den spam, alle sletter. Arkitekturen, værktøjerne, prompts og kontrolforanstaltninger, der skelner mellem relevant og generende kontakt.
Let øvet
10 min læsningByg et løbende AI-nyhedsbrev eller en fast briefing
Byg en automatiseret daglig eller ugentlig briefing med sporbare kildehenvisninger, ansvarlig indsamling, tydelige kvalitetskontroller og løbende vedligeholdelse.
Let øvet
11 min læsningBrowseragenter og computerstyring: Hvad de faktisk kan i dag
Browseragenter og AI til computerstyring lover at betjene computeren som et menneske. Virkeligheden i 2026 er både mere nyttig og mere begrænset, end demonstrationerne antyder. En kildebaseret guide til, hvad der virker, hvad der ikke gør, og hvor teknologien kan anvendes forsvarligt.
Let øvet
10 min læsningByg en personlig RAG: chat med dine egne dokumenter
Byg og evaluér en afgrænset dokumentforankret assistent. Sammenlign hostede notesbøger, projektarbejdsområder og konfigurerbar retrieval uden at svække proveniens eller tilladelser.
Let øvet
12 min læsningComputerstyring og browseragenter i produktion
Computerstyring og browseragenter skaber virale demoer. Produktionsklare implementeringer i stor skala ser anderledes ud — afgrænset omfang, stærke sikkerhedsforanstaltninger og fokus på brugeroplevelsen. Her er de mønstre, der virker, de fejl, vi fortsat ser, og den reelle økonomi.
Avanceret
10 min læsningForbind AI sikkert med din e-mail, kalender og CRM
En risikobaseret guide til at forbinde AI med e-mail, kalender og CRM ved hjælp af mindst mulige rettigheder, godkendelsespunkter, beskyttet revisionsdokumentation, negative test og muligheder for genopretning.
Let øvet
8 min læsningInbox Zero med AI: en realistisk arbejdsgang til e-mail
Et praktisk system, du kan gentage, til at sortere, skrive udkast til og følge op på e-mails med AI uden at give et ikke-godkendt værktøj adgang til indbakken eller lade det sende uden kontrol.
Begynder
10 min læsningMCP for ikke-teknikere: Forbind Claude eller Cursor med dine værktøjer
MCP er den nye standard for at forbinde AI med dine værktøjer. Du behøver ikke selv udvikle en server for at få glæde af teknologien. En guide for ikke-teknikere til, hvad MCP er, hvilke servere du bør installere, og hvad der bliver muligt, når din AI faktisk kan handle.
Let øvet
12 min læsningByg hukommelse til agenter med langvarige forløb
Agenter med langvarige forløb kræver et persistensdesign med en tydelig ejer: dokumenteret oprindelse, bekræftelse, isolering mellem lejere, test af søgning, regler for opbevaring, rettelse og verificerbar sletning.
Avanceret
10 min læsningOrkestrering af flere modeller: routing efter omkostninger, latenstid og kvalitet
Routing af forskellige opgaver til forskellige modeller kan reducere omkostninger eller latenstid, men kun evaluering af den konkrete arbejdsbelastning kan vise, om den ekstra kompleksitet betaler sig. Her er mønstrene, målingerne og fejltilstandene.
Let øvet
11 min læsningByg genanvendelige promptbiblioteker: fra tekststumper til fælles skabeloner
Når den samme AI-understøttede opgave gentager sig, kan et promptbibliotek gøre arbejdsgangen lettere at reproducere og evaluere. Et praktisk system til at indsamle, teste, versionsstyre og dele skabeloner.
Let øvet
190 minutterKomplet LangGraph-kursus for begyndere – komplekse AI-agenter med Python
freeCodeCamp.org. En lang code-along-bygning gennem LangGraphs state graphs, nodes, edges, conditional routing, checkpoints og tool use. Til sidst har du nok fornemmelse for den typed-state-, "hver transition er eksplicit"-model, at artiklens sammenligning med CrewAI og direkte-API-kode holder op med at være abstrakt.
Avanceret
66 minutterCrewAI-tutorial: komplet crashkursus for begyndere
aiwithbrandon. Samme slags bygning, men i CrewAI's role-goal-backstory-stil — agenter som teammedlemmer, tasks som leverancer, frameworket skjuler eksekveringssløjfen. Se den umiddelbart efter LangGraph-kurset; kontrasten i, hvor meget frameworket beslutter for dig, er præcis det, artiklen beder dig veje.
Avanceret
15 minutterSådan bygger vi effektive agenter: Barry Zhang, Anthropic
AI Engineer. Barry Zhang om tre regler — byg ikke en agent, når en arbejdsgang ville gøre det, hold sløjfen så simpel som muligt, og "tænk som din agent" (sid i dens kontekstvindue, og bemærk, at den træffer beslutninger i mørket mellem screenshots). Simplicitetsargumentet og tjeklisten "er denne opgave overhovedet en agent værd" er præcis den disciplin, artiklen beder om.
Avanceret
18 minutterTips til at bygge AI-agenter
Anthropic. Tre Anthropic-ingeniører gennemgår de mest almindelige faldgruber, de ser — agenter, der ikke ved, hvornår de skal stoppe, over-prompting i systemprompten i stedet for at fixe miljøet, omkostningen ved multi-agent-designs, ingen faktisk behøvede. Nyttig lige efter Barrys talk; du vil genkende de samme mønstre fra en anden vinkel.
Avanceret
31 minutterSådan bygger du en AI-kundeserviceagent med n8n (gratis skabelon)
Bart Slodyczka. n8n-arbejdsgangen forbinder til helpdeskprodukter, udarbejder svar fra hentet materiale og gør løste sager til kandidater til vidensbasen. Før dette indtagelsesmønster bruges, skal du tilføje menneskelig godkendelse, anonymisere persondata og hemmeligheder, bevare kildesagen og indholdsversionen som proveniens og køre retrieval-evalueringer mod et tilbageholdt sæt sager.
Let øvet
231 minutterSådan bygger og sælger du AI-agenter: Ultimativ begynderguide
Liam Ottley. Kurset dækker RAG-forankrede chatbots, eskaleringslogik og en no-code-stack bygget med værktøjer som Botpress, Voiceflow, Make og n8n. Afsnittet ”anatomy of an agent” giver en konkret implementering, der kan sammenlignes med artiklens ansvarsforløb triage → dokumentation → foreslået handling → politikport → overdragelse.
Let øvet
23 minutterJeg byggede et team af researchagenter til nyhedsbrevsautomatisering i n8n (uden kode)
Nate Herk | AI Automation. Videoen gennemgår en sekventiel proces med flere agenter i n8n: planlægger, researchere, redaktør og overskriftsforfatter. Den modtager et emne og en målgruppe og producerer et nyhedsbrev med kildehenvisninger. Visningstallet ligger under den sædvanlige grænse på 100.000, men i denne niche er det en af de tydeligste og mest komplette gennemgange på YouTube og svarer direkte til briefingmønstret i artiklen.
Let øvet
24 minutterIntroduktion til Operator & Agents
OpenAI. I Operator-lanceringen reserverer teamet restaurantborde, bestiller dagligvarer og køber billetter. Demonstrationen viser også, at Operator kan gå i stå ved en omdirigering eller overlade kontrollen til brugeren ved login. Det giver et konkret billede af en browseragent i praksis: gentagne skærmbilleder og klik, bekræftelser før handlinger, der ændrer tilstand, og forsvar mod promptinjektion.
Let øvet
2 minutterClaude | Computer use til orkestrering af opgaver
Anthropic. En to minutter lang Anthropic-demo, hvor Claude planlægger en lille opgave på tværs af programmer: søger på nettet, kontrollerer Maps og opretter en kalenderinvitation ved at styre skrivebordet direkte. Den giver en nyttig kontrast til den skybaserede browser i Operator-demoen nedenfor og illustrerer artiklens pointe om, at agenter til computerstyring bør evalueres på korte, velafgrænsede opgaver frem for åbne opgaver.
Let øvet
5 minutterClaude har taget kontrol over min computer...
Fireship. Den klareste korte forklaring på YouTube af screenshot–action–screenshot-sløjfen, inklusive de ærlige fejltilstande (Claude der vandrer af sted for at se på Yellowstone, token burn, latenstid pr. trin). Fireship er let på produktionsdetalje med vilje — læs artiklen for det — men den efterlader dig med den rigtige intuition for, hvorfor disse systemer er dyre og skrøbelige, før du forpligter én til din stack.
Avanceret
8 minutterAnthropics Claude Computer Use er en game changer | YC Decoded
Y Combinator. Garry Tan gennemgår, hvad computer use faktisk ændrer for den uautomatiserbare lange hale af software — legacy-apps, interne portaler, alt uden et API. Framingen her er præcis artiklens argument "browseren er den universelle grænseflade", med et mere forretningsrealistisk blik på, hvor det betaler sig først.
Avanceret
26 minutterFra nul til din første AI-agent på 25 minutter (uden kodning)
Futurepedia. Videoen bygger en fungerende n8n-agent fra bunden og forklarer undervejs, hvad en agent er, hvordan den adskiller sig fra en lineær arbejdsgang, og hvor sikkerhedsforanstaltningerne hører hjemme. Bagefter kan du genkende noderne i artiklens diagram og vurdere et rimeligt udgangspunkt for indstillingerne.
Let øvet
92 minuttern8n Masterclass: Byg AI-agenter og automatisér arbejdsgange (begynder til pro)
Nate Herk | AI Automation. Denne masterclass går længere end Futurepedias introduktion og dækker hukommelse, opsætninger med flere agenter, fejlhåndtering og realistiske forretningsarbejdsgange. Brug den, når din agent til prioritering af kundeemner fungerer, og du vil udvide den.
Let øvet
30 minutterSådan bruger du Zapier: Basics, du skal kende
Tom Nassr | XRAY. Gennemgår, hvad en Zap faktisk er, hvordan triggers og actions passer sammen, og hvordan du bygger en fungerende Google Sheets → Slack-automatisering fra bunden — præcis den mentale model, du behøver, før du tilføjer AI. Tourer også Zapier Tables, Interfaces og AI-funktioner, så du har en fornemmelse af, hvad der er i boksen.
Begynder
12 minutterAutomatisér alt med Zapier AI Agents (trin-for-trin begynderguide)
Kevin Stratvert. Bygger en agent fra bunden, der tjekker forfaldne fakturaer i Google Sheets og sender Gmail-påmindelser — samme form "AI læser en ting, gør derefter en ting" som artiklens Gmail → AI → Slack-bygning. Triggers, schedules, tools, en testrun mod rigtige data og aktivitetshistorikken bliver alle vist, som er præcis den tjekliste, artiklen vil have dig til at gennemgå, før du stoler på nogen automatisering.
Begynder
7 minutterHukommelse til agenter (konceptuel video)
LangChain. Den korte gennemgang uden kode skelner mellem kortvarig og langvarig hukommelse, beskriver tre typiske former for langvarig hukommelse (instruktioner, en profil og en liste over objekter) og forklarer afvejningen mellem at skrive i den aktive behandlingsvej og i baggrunden. Artiklen bruger det samme overordnede skel, men den konkrete arkitektur skal stadig tilpasses anvendelsen.
Avanceret
44 minutterOpbygning af hjernelignende hukommelse til AI | LLM Agent Memory Systems
Adam Lucek. Videoen gennemgår en kodebaseret implementering af kategorier inspireret af kognitionsvidenskab: episodisk, semantisk, arbejdende og proceduremæssig hukommelse. Se den efter LangChains begrebsvideo, hvis du ønsker en mere specifik mental model og et fungerende eksempel som inspiration.
Avanceret
19 minutterAlle AI-modeller forklaret
Tina Huang. En overskuelig gennemgang af det aktuelle modellandskab opdelt i flagskibsmodeller, letvægtsmodeller, mellemklassen og specialiserede modeller med konkrete eksempler på, hvad hvert niveau egner sig til. Videoen dækker den del af artiklen, der handler om at kende mulighederne før routing, og Huang beskriver afvejningen mellem omkostning og kapacitet uden at gøre benchmarkresultater til hele beslutningsgrundlaget.
Let øvet
9 minutterRouteLLM opnår 90% GPT-4o-kvalitet OG 80% BILLIGERE
Matthew Berman. Videoen gennemgår LMSYS' RouteLLM-artikel og kode. En lille klassifikator placeres foran et par af stærke og svage modeller og vælger, hvilken model der skal kaldes. I den viste evaluering nås omtrent 95% af den stærke models kvalitet til en brøkdel af omkostningen. Visningstallet ligger under den sædvanlige grænse på 100k, men videoen viser konkret modelrouting frem for blot at sammenligne modeller og passer derfor direkte til artiklens afvejning mellem kvalitet og omkostninger.
Let øvet
10 minuttern8n vs Make: Vælg ikke den forkerte (2025)
Jack Roberts. En arbejdende automatiseringsbygger navngiver de tre overvejelser, der faktisk driver valget — native AI-agenter, selvhosting og hvert værktøjs langsigtede roadmap — inklusive noter fra en samtale med Makes head of Applied AI om, hvor Make er på vej hen. Spejler tæt artiklens ramme "skift ikke bare på grund af shiny-object syndrome".
Let øvet