En agent i en mappe, slik bygger du din første AI-agent

En agent i en mappe er en AI med et avgrenset arbeidsrom, tydelige instruksjoner og riktig kontekst, samlet i én mappe den kan lese og skrive i. I guidene om Cowork, skills og connectors så vi på tre byggeklosser. Cowork gir AI-en et sted å jobbe med filer, skills fanger arbeidsmåten din, og connectors gir tilgang til mer kontekst.

Vi snakker mye om en agent i en mappe når vi kjører Claude Cowork- og Claude Code-trening. Det høres kanskje banalt ut, men det er en enkel og kraftig måte å bygge avanserte agenter på.

De fleste bruker mapper som lagring. Når du jobber med verktøy som Cowork og Claude Code, blir mappen noe mer. Den blir stedet der AI-en finner kildene, følger reglene, bygger videre på tidligere arbeid og legger igjen bedre output til neste gang.

Hva betyr agent i en mappe?

Agenten ser filene som ligger i mappen. Den kan lese briefen, bruke eksemplene, følge instruksjonene, lage nye filer og bygge videre på det som allerede finnes. Over tid blir mappen mer enn en samling dokumenter. Den blir en måte å pakke arbeid på. Mappen ligger på din maskin, og kjører Cowork-økten i skyen, når Claude den bare når økten er startet fra skrivebordsappen og appen fortsatt er åpen.

Vanlig chat starter ofte med at du må dra kontekst inn i samtalen. Du kopierer inn notater, forklarer bakgrunnen og laster opp filer. Med en agent i en mappe flytter du konteksten ut av chatten og inn i et arbeidsrom AI-en kan bruke direkte.

Og her kommer compounding-effekten inn. Hver gang du jobber i mappen, kan bedre instruksjoner, bedre eksempler, bedre sjekklister og ferdige leveranser lagres tilbake. Neste gang starter ikke AI-en fra null, men fra en litt bedre versjon av arbeidsrommet.

Det handler fortsatt om kontekst

Kontekst er nok det ordet vi sier oftest på kursene våre, fordi riktig kontekst fortsatt er den viktigste faktoren for gode resultater med AI. Mange prøver å få bedre kvalitet med bedre prompter. Det hjelper, men bare et stykke på vei. Mangler AI-en kilder, eksempler, regler og tidligere arbeid, må prompten bære for mye.

En god mappe gjør det motsatte. Den lar deg gjøre prompten kortere, fordi konteksten allerede ligger på riktig sted. Du peker AI-en mot mappen og sier hva du vil ha ut, for eksempel en kundeoppsummering. Det er mye mer effektivt enn å lime inn tolv dokumenter i chatten og håpe at alt blir brukt riktig.

Mappen gir AI-en tre ting prompten alene ikke gir godt nok.

Levende kontekst. Konteksten oppdateres etter hver runde, når feedback og ferdige leveranser lagres tilbake i filene.
Et tydelig arbeidsområde. AI-en vet hva den skal forholde seg til. Det reduserer rot og gjør det enklere å kontrollere hva som blir brukt.
Ferdige leveranser. Outputen havner som filer, klare til bruk, i stedet for tekst du må kopiere ut av chatten.

Du trenger ikke vite hvordan mappen skal se ut

Poenget er ikke at du skal designe den perfekte mappestrukturen selv. Det er nettopp noe Cowork kan hjelpe med. Forklar hva du vil ha hjelp til, hvilke filer agenten kan bruke og hva du ønsker som resultat. Du kan for eksempel si dette.

Du

Jeg ønsker å lage en agent som hjelper meg med kundeoppfølging i denne mappen. Hjelp meg å sette opp en god struktur med mapper, instruksjoner, eksempler og output.

Claude kan da foreslå et oppsett med en mappe for kilder, en for instruksjoner med arbeidsmetode og sjekkliste for kvalitet, en for eksempler og en for output. Strukturen kommer etter oppgaven, ikke før. Etterpå justerer du mappen gjennom faktisk bruk.

Gi agenten din hukommelse

Hvis du bare gjør én ting, gi mappen faste instruksjoner. I Claude Code er det en CLAUDE.md i roten av mappen, som Claude leser ved starten av hver økt. I Cowork gjør mappeinstruksjonene, eller instruksjonene i et prosjekt, den samme jobben. Tenk på det som en kort onboarding til mappen.

Instruksjonene kan oppdateres etter hvert som dere jobber, og i Cowork kan Claude oppdatere mappeinstruksjonene selv underveis. Bommer Claude på noe, legges feedbacken inn der. Over tid blir den også et kart over de andre filene i mappen, så AI-en finner riktig kontekst raskere. Flere andre agentiske verktøy bruker en tilsvarende fil som heter AGENTS.md.

Du tar det du ellers måtte forklart i chatten, og legger det i mappen der AI-en faktisk jobber.

Feedback blir en del av systemet

Det viktigste skjer etter første leveranse. Bommer AI-en på noe, bør feedbacken ikke bli liggende i chatten. Lagre den i mappen. Det kan være så enkelt som å si "oppdater instruksjonene med det vi lærte nå". Det er da mappen begynner å få verdi over tid.

Fra samtale til system

I chat forklarer du oppgaven på nytt hver gang. Med en agent i en mappe bygger du et arbeidsrom som forbedrer sin egen kontekst over tid. AI-en blir ikke feilfri av det. Du må fortsatt vurdere kvaliteten, gi feedback og ta ansvar for resultatet. Forskjellen er at feedbacken blir en del av systemet i stedet for å forsvinne i en samtale.

For enkle ting er det ofte overkill, men for mer komplekse oppgaver er det her verdien ligger.

Hvordan starter du?

Den letteste måten å komme i gang er å be AI-en hjelpe deg å sette opp mappen.

Du

Jeg ønsker å lage en agent som hjelper meg med [oppgave] i denne mappen. Hjelp meg å sette det opp.

Test på én oppgave, gi feedback, og be den oppdatere instruksjonene med det dere lærte. Vil du gjøre dette sammen med andre, er det akkurat det vi jobber med på Claude-kurset på Mesh.

Første versjon ble publisert på LinkedIn i juni 2026, og denne versjonen er oppdatert.