evgeny@kbh:~$ cat noter-fra-koebenhavn.md
Jeg er Evgeny Karpov, software- og platform engineer i København. Her skriver jeg om DevOps, .NET, cloud og AI-systemer — og om hvad der skal til for at få dem til at virke i drift.
Evgeny Karpov
Softwareudvikler i København
I daglig brug, privat
Min private telefon-app oven på mit Obsidian-vault. Markdown og Git er den eneste sandhed. Bygget med et hold af AI-agenter, som jeg styrer, reviewer og deployer.
På vej
Et offentligt live-dashboard for København — vejr og regn, elpris og CO₂, luftkvalitet, havnebade og byens events, samlet af mine scouts.
Ugens preprints viser, at agenters pålidelighed afhænger af mere end modellen: benchmark-harnesses, persistent memory og authorization-kontrol kan alle flytte resultatet eller skabe skjulte konsekvenser. Den fælles retning er sporbare, versionsstyrede og uafhængigt verificerede workflows.
Tre nye preprints samler sig om agentdrift: RCA-harnesses bør bevare modelens adgang til evidens, agentarbejde skal kunne dokumentere afslutning, og context-reduktion skal måles på reel pris og adfærd frem for tokenforbrug alene.
Denne uge peger fem preprints på samme driftserfaring: simple baselines og end-to-end validering er vigtigere end lokale forbedringer. For platform- og backendteams betyder det at teste retrieval i den rigtige stack og teste agentændringer mod systemets fortsatte adfærd.
Ugens forskning samler sig om en enkel driftspointe: AI-agenter bør måles og begrænses i den konkrete workflow-kontekst, ikke kun på grønne tests eller generelle leaderboard-scorer.
Coding agents læser filer, kører tests og sender en voksende arbejdshistorik gennem modellen. Derfor kan en billig tokenpris stadig blive til en dyr opgave.
Da jeg begyndte at behandle jobsøgning som et system i stedet for en bunke enkeltstående ansøgninger, blev arbejdet roligere, skarpere og mere ærligt.
API’er giver AI-agenter adgang til systemer. Hukommelse afgør, om de kan arbejde ansvarligt over tid uden at gentage fejl, miste kontekst eller opfinde en flot forklaring bagefter.
Jeg brugte AI som produktpartner til at teste, forkaste og skærpe app-idéer. Resultatet blev ikke endnu en chatbot, men en prototype på Vært: en diskret dansk concierge for hosting, dining, kultur og trusted services.
AI kan være en equalizer. Men i banker bliver den også hurtigt en risikomaskine, hvis data, governance, forklaringer og kontrol ikke følger med.
Et kig ind i mit Obsidian-vault: graph memory, daglig research scout, kandidatnoter og blogkladder. AI som arbejdsbord, ikke som tryllestav.
DevOps er ikke bare en pipeline. Det er evnen til at få software sikkert fra ide til drift, opdage problemer hurtigt og rette dem uden panik.
Følg med
Brug RSS, eller følg med på LinkedIn.