Claude Code: slik kommer du i gang, og slik bruker jeg det

Claude Code er hovedverktøyet mitt. Jeg planlegger, koder og tester med det hver dag, og det har mer enn firedoblet det jeg leverer som utvikler. Dette er det jeg skulle ønske noen hadde fortalt meg da jeg begynte, skrevet for utviklere og små team som vil komme i gang på riktig måte.

Hva Claude Code er

Claude Code er en AI-agent fra Anthropic som jobber direkte i kodebasen din. Den leser filer, foreslår og gjør endringer på tvers av mange filer, kjører kommandoer og tester, og retter seg selv når noe feiler. Forskjellen fra autofullføring er at du gir den en oppgave, ikke en linje. Den lager en plan, gjør jobben og viser deg resultatet.

Velg abonnement

Claude Code følger med i Claude-abonnementene. Prisene er i dollar per bruker per måned, eks. mva., slik de står hos Anthropic i oktober 2026:

Jeg bruker Team med premium-plass. Standardplassen holder for å prøve, men en utvikler som jobber med Claude Code hele dagen, når grensene raskt. Team-abonnementet gir også bedriftsvilkår, så koden deres ikke brukes til å trene modeller. Les mer om det i retningslinjer og personvern.

Velg hvor du kjører det

Claude Code finnes i terminalen, som utvidelse i VS Code og JetBrains, og i desktop-appen. Jeg har prøvd alle, og bruker desktop-appen. Det er samme agent, men det er lettere å følge med på hva den gjør, se endringene og ha flere økter i gang samtidig. Prøv selv. Det viktigste er at du velger én og blir god i den.

Gi den regler: CLAUDE.md

Claude Code leser en fil som heter CLAUDE.md i prosjektet. Der skriver du reglene teamet koder etter, slik at du slipper å gjenta dem i hver økt: hvordan koden skal se ut, hvilke kommandoer som bygger og tester, og hva den ikke skal røre.

Det viktigste jeg har lært, er at mer ikke er bedre. Alt i CLAUDE.md lastes inn i hver eneste økt og koster både tid og kvalitet. Hold den kort, og la detaljert kunnskap ligge i egne filer som agenten henter når oppgaven krever det. Hvordan den strukturen bygges opp for et konkret team, er noe av det jeg setter opp i workshopen.

Slik bruker jeg det i en vanlig uke

Oppgaven, med kontekst. Jeg gir den saken fra oppgavelisten, sammen med det den trenger i tillegg: hvor i koden det er, hva som er prøvd, og hvordan løsningen skal testes. Jo bedre oppgaven er beskrevet, jo bedre blir resultatet.

Planmodus først på alt som er større. På større oppgaver ber jeg den alltid lage en plan før den skriver kode. Jeg leser planen, retter det den har misforstått, og først da får den kode. Det er her mesteparten av kvaliteten avgjøres. Les mer om arbeidsflyten: planlegg, la AI skrive, du reviewer.

Feilrettingsdager. Når jeg har en dag med mange små feil, ber jeg den først gå gjennom alle sakene og foreslå hvilke som henger sammen og kan løses samtidig. Det sparer mye tid sammenlignet med å ta dem én etter én.

Testing. Den skriver tester, kjører dem og retter det som feiler. Med Playwright tester den også brukerflyten i nettleseren, slik en tester ville gjort.

Sett grensene før du starter

Claude Code spør om lov før den kjører kommandoer, og du bestemmer hva den kan gjøre uten å spørre. Bruk tid på dette den første uken.

• Aldri nøkler til produksjon eller test. Jeg gir den aldri tilgang til produksjons- eller testmiljøet. Den jobber i egne utviklingsmiljøer, der den får lov til å legge inn testdata og kjøre spørringer. Da kan den teste uten at jeg må klikke meg gjennom brukergrensesnittet, og uten risiko.
• Godkjenn kommandoer én gang. Når du har sagt ja til en kommando, skal du ikke måtte si ja igjen. Det vanligste problemet er at agenten lenker sammen kommandoer (cd mappe && npm test), og da kjenner ikke regelen igjen kommandoen. Skriv i CLAUDE.md at den skal kjøre kommandoer hver for seg, så slipper du de fleste spørsmålene.
• Les det den gjør. Ansvaret for koden er ditt, uansett hvem som skrev den. Les hva AI er dårlig på i kode før du slipper den løs på noe viktig.

Koble den til resten: MCP-servere

MCP-servere lar Claude Code hente informasjon fra andre systemer. Jeg bruker blant annet GitHub, Notion, Figma, Slack, Intercom, HubSpot, Microsoft 365 og Playwright. Da kan den lese saken i oppgavesystemet, designet i Figma og kundehenvendelsen i Intercom, uten at jeg kopierer inn noe.

Hos Unlisted laget jeg egne MCP-servere for plattformen, én for vanlige brukere og én for administratorer. Begge kan bare lese data, aldri endre eller legge inn noe. Det er et godt mønster: gi agenten innsyn, ikke makt. Les mer i AI-agenter i praksis, med agentene jeg har bygget som jobber på egen hånd.

Feilene nybegynnere gjør

1. Vide, uspesifiserte spørsmål. «Fiks innloggingen» gir et dårligere resultat enn en beskrivelse av hva som er galt, hvor, og hvordan det skal testes.
2. Feil modell til oppgaven. Bruk den kraftigste modellen til planlegging og vanskelige feil, og en raskere til rutinearbeid. Mange bruker samme modell til alt og betaler med enten kvalitet eller tid.
3. De lar den ikke spørre. Be den stille spørsmål før den begynner: «Spør meg om det du trenger å vite for å løse dette godt.» Det er den enkleste forbedringen du kan gjøre.
4. Ingen plan på store oppgaver. Uten planmodus går agenten rett på koden, og du oppdager misforståelsen først i review.
5. De måler ikke. Uten tall vet du ikke om teamet faktisk leverer bedre. Se DORA metrics: slik begynner du å måle.

Hva det har gitt

Med Claude Code i alle ledd har jeg mer enn firedoblet det jeg leverer. Hos Unlisted har jeg bygget inn AI-chat og AI-drevet onboarding med opplasting og tolking av dokumenter, og teamet gikk fra to deployer i måneden til flere i uken. For Vastveit Elektronikk har jeg gjort store endringer i IoT-systemet på kort tid. Les hele resultatet fra Unlisted.

Lurer du på om du bør velge GitHub Copilot i stedet? Les Claude Code eller GitHub Copilot?.