Lathundar

En Lathund är en kort och praktisk vägledning som hjälper dig att snabbt komma igång, välja rätt arbetssätt eller komma ihåg de viktigaste stegen i en uppgift.

Lathundarna på AIWiki fokuserar på praktisk AI-användning. De beskriver inte bara vad ett begrepp betyder, utan framför allt hur det används i verkliga arbetsflöden.

Lathundarna kan exempelvis hjälpa dig att:

• skriva bättre och mer återanvändbara promptar
• välja modell, verktyg eller arbetsmetod
• strukturera kontext och kunskapsunderlag
• bygga AI-assistenter, skills och agentiska arbetsflöden
• använda AI för analys, innehåll, kod och automation
• hantera kvalitet, säkerhet, styrning och regelefterlevnad

Lathundar för dig som vill förstå grunderna, välja rätt modell och använda AI på ett medvetet sätt.

• Lathund för AI i praktiken – de viktigaste begreppen och ett enkelt arbetssätt för att komma igång.
• Lathund för generativ AI – hur generativa modeller används för text, bild, ljud, kod och analys.
• Lathund för stora språkmodeller – hur språkmodeller fungerar och vilka begränsningar de har.
• Lathund för modellval – hur modell väljs utifrån uppgift, kvalitet, kostnad, integritet och svarstid.
• Lathund för resonerande modeller – när modeller med fördjupad analys bör användas.
• Lathund för multimodal AI – hur text, bild, ljud, video och dokument kombineras.
• Lathund för tokens – hur tokens påverkar kostnad, kontext och svarslängd.
• Lathund för temperatur och modellinställningar – hur variation, kreativitet och förutsägbarhet styrs.
• Lathund för AI:s begränsningar – hallucinationer, osäkerhet, kunskapsgränser och felkällor.
• Lathund för vanliga AI-begrepp – en snabb översikt över centrala ord och förkortningar.

Lathundar för att formulera tydliga instruktioner och skapa konsekventa, styrbara och återanvändbara AI-svar.

• Lathund för promptning – hur tydliga, styrbara och återanvändbara promptar skrivs.
• Lathund för promptstruktur – hur uppgift, kontext, krav och svarsformat kombineras.
• Lathund för promptmallar – hur mallar byggs med variabler, roller och formatkrav.
• Lathund för promptbibliotek – hur promptar organiseras, märks upp, testas och återanvänds.
• Lathund för systempromptar – hur styrande instruktioner formuleras för konsekvent beteende.
• Lathund för rollpromptar – hur roller, perspektiv och expertlägen definieras.
• Lathund för zero-shot prompting – hur en modell instrueras utan färdiga exempel.
• Lathund för one-shot prompting – hur ett exempel används för att visa önskat resultat.
• Lathund för few-shot prompting – hur flera exempel styr stil, struktur och klassificering.
• Lathund för stegvis problemlösning – hur komplexa uppgifter delas upp i tydliga delsteg.
• Lathund för promptkedjor – hur resultat från en prompt används som underlag för nästa steg.
• Lathund för strukturerade svar – hur tabeller, JSON, YAML, XML och fasta sektioner beställs.
• Lathund för avgränsningar och negativa instruktioner – hur oönskade resultat och beteenden begränsas.
• Lathund för prompttestning – hur promptar jämförs, utvärderas och förbättras.
• Lathund för versionshantering av promptar – hur förändringar dokumenteras och testas över tid.

Lathundar för att ge modellen rätt information vid rätt tillfälle utan att överbelasta kontexten.

• Lathund för kontexthantering – hur kontext väljs, prioriteras, struktureras och förs vidare.
• Lathund för context engineering – hur ett helt kontextsystem byggs runt en AI-uppgift.
• Lathund för kontextfönster – hur begränsat sammanhang hanteras i stora uppgifter.
• Lathund för kontextkomprimering – hur stora underlag destilleras utan att viktiga krav försvinner.
• Lathund för minne i AI-system – hur arbetsminne, sessionsminne och beständigt minne används.
• Lathund för sessioner och kontinuitet – hur längre dialoger planeras och hålls samman.
• Lathund för sammanfattningskedjor – hur stora informationsmängder kondenseras stegvis.
• Lathund för användarprofiler – hur målgrupp, kunskapsnivå och preferenser beskrivs som kontext.
• Lathund för projektkontext – hur mål, roller, beslut, begränsningar och leveranser dokumenteras.
• Lathund för RAG – hur externa kunskapskällor söks fram och används i ett AI-svar.
• Lathund för kunskapsförankring – hur AI-svar kopplas till kontrollerade källor.
• Lathund för AI-läsbara kunskapsbaser – hur dokument och sidor organiseras för människor och maskiner.
• Lathund för chunking – hur dokument delas upp för sökning, embeddings och RAG.
• Lathund för embeddings – hur innehåll representeras för semantisk sökning.
• Lathund för semantisk sökning – hur sökning baserad på betydelse byggs och utvärderas.
• Lathund för metadata och AI – hur taggar, YAML och beskrivningar förbättrar sökning och återanvändning.
• Lathund för Markdown och AI – hur textbaserade kunskapsfiler görs läsbara för både människor och modeller.

Lathundar för att paketera instruktioner, kunskap och verktyg som återanvändbara AI-förmågor.

• Lathund för AI-skills – hur en återanvändbar AI-förmåga avgränsas och struktureras.
• Lathund för SKILL.md – hur instruktioner, arbetsflöden och referensmaterial organiseras.
• Lathund för skill-design – hur en skill får tydligt syfte, aktiveringsvillkor och kvalitetskrav.
• Lathund för testning av skills – hur funktion, kvalitet och oönskade beteenden kontrolleras.
• Lathund för paketering av skills – hur filer, exempel, skript och referenser distribueras.
• Lathund för Skill Canvas – hur en AI-förmåga analyseras och designas visuellt.
• Lathund för Skill Manager – hur skills skapas, organiseras, exporteras och underhålls.
• Lathund för Open Knowledge Format – hur kunskap struktureras för styrning, delning och återanvändning.
• Lathund för MCP – hur Model Context Protocol kopplar samman modeller, verktyg och resurser.
• Lathund för MCP-servrar – hur en MCP-server planeras, implementeras och testas.
• Lathund för MCP-klienter – hur klienter ansluts till externa verktyg och datakällor.
• Lathund för MCP-verktyg – hur säkra och tydliga verktygsanrop definieras.
• Lathund för MCP-resurser – hur dokument, data och kontext exponeras till modeller.
• Lathund för säkerhet i MCP – hur behörighet, indata, loggning och exponering hanteras.

Lathundar för system som kan planera, använda verktyg och utföra flerstegsuppgifter.

• Lathund för AI-assistenter – hur en avgränsad och användbar assistent designas.
• Lathund för AI-agenter – hur mål, instruktioner, verktyg och återkoppling kombineras.
• Lathund för agentiska system – hur agenter, modeller, verktyg, minne och styrning samverkar.
• Lathund för agentarkitektur – hur agentiska lösningar delas upp i komponenter och kontrollflöden.
• Lathund för verktygsanvändande agenter – hur verktyg beskrivs, väljs och anropas.
• Lathund för agentminne – hur tillfällig och beständig information hanteras.
• Lathund för agentplanering – hur stora mål delas upp i uppgifter och delmål.
• Lathund för human-in-the-loop – när människor ska granska, godkänna eller ta över.
• Lathund för multiagentsystem – hur flera specialiserade agenter samarbetar.
• Lathund för guardrails i agentsystem – hur gränser, behörigheter och stoppvillkor utformas.
• Lathund för spårbarhet i agentsystem – hur beslut, anrop, fel och resultat följs upp.
• Lathund för testning av AI-agenter – hur scenarier, felvägar och oförutsedda beteenden provas.

Lathundar för vanligt förekommande AI-tjänster, lokala modellmiljöer och utvecklingsplattformar.

• Lathund för ChatGPT – dialog, skrivstöd, analys, filer, research och iterativa arbetsflöden.
• Lathund för Claude – längre dokument, analys, projekt, artifacts och återanvändbara instruktioner.
• Lathund för Gemini – multimodalt arbete, dokument, research och Google-integrerade flöden.
• Lathund för Mistral – modeller och tjänster för lokala och API-baserade arbetsflöden.
• Lathund för Perplexity – research, verifiering, snabbsyntes och källstöd.
• Lathund för Perplexity Labs – rapporter, kod, kalkylark, dashboards och enklare applikationer.
• Lathund för Microsoft Copilot – AI-stöd i Microsoft 365 och arbetsrelaterade informationsflöden.

• Lathund för Claude Code – agentiskt arbete med kodbaser, filer, tester och terminal.
• Lathund för OpenAI Codex – agentisk utveckling, kodförståelse och parallella arbetsflöden.
• Lathund för OpenCode – öppet och kodnära AI-arbete i terminalen.
• Lathund för GitHub Copilot – AI-stöd i editor, terminal, pull requests och kodgranskning.
• Lathund för Gemini CLI – terminalbaserat arbete med kod, filer och verktyg.
• Lathund för Aider – AI-assisterad utveckling direkt mot ett Git-projekt.

• Lathund för Ollama – hur lokala modeller hämtas, körs och exponeras.
• Lathund för LM Studio – hur modeller testas lokalt och exponeras genom ett API.
• Lathund för Open WebUI – hur lokala och externa modeller samlas i ett gemensamt gränssnitt.
• Lathund för Modelfile – hur modellbeteende och grundinställningar paketeras.
• Lathund för kvantiserade modeller – hur modellstorlek, kvalitet och hårdvarukrav balanseras.
• Lathund för lokal AI – hur integritet, prestanda, hårdvara och drift planeras.

• Lathund för Dify – hur AI-appar, arbetsflöden och kunskapskällor byggs.
• Lathund för n8n och AI – hur modeller kombineras med automation, API:er och verksamhetsflöden.
• Lathund för LangChain – hur modeller, kedjor, verktyg och retrieval sätts samman.
• Lathund för LangGraph – hur tillståndsbaserade och grafstyrda agentflöden byggs.
• Lathund för Flowise – hur visuella LLM- och RAG-flöden byggs.
• Lathund för OpenAI API – hur modeller anropas och integreras i applikationer.
• Lathund för Anthropic API – hur Claude integreras med meddelanden, verktyg och strukturerade svar.

Lathundar för AI-stött utvecklingsarbete från första krav till test, dokumentation och förvaltning.

• Lathund för kodassistans – hur AI används för kodförslag, analys, testning och felsökning.
• Lathund för AI-parprogrammering – hur människa och modell samarbetar effektivt.
• Lathund för kravarbete med AI – hur krav identifieras, struktureras och kvalitetssäkras.
• Lathund för user stories med AI – hur användarbehov och acceptanskriterier formuleras.
• Lathund för testfall med AI – hur teststrategier, edge cases och regressionstester skapas.
• Lathund för felsökning med AI – hur fel analyseras och hypoteser prövas stegvis.
• Lathund för kodgranskning med AI – hur risker, fel och förbättringsmöjligheter identifieras.
• Lathund för refaktorering med AI – hur befintlig kod förbättras utan att funktionalitet går förlorad.
• Lathund för säker kod med AI – hur genererad kod granskas för vanliga säkerhetsproblem.
• Lathund för API-design med AI – hur endpoints, kontrakt, felhantering och exempel tas fram.
• Lathund för datamodellering med AI – hur entiteter, relationer och regler identifieras.
• Lathund för Architecture Decision Records – hur arkitekturbeslut dokumenteras och motiveras.
• Lathund för kod- och systemdokumentation – hur README, kommentarer och tekniska översikter skapas.
• Lathund för terminalarbete med AI – hur kommandon, skript och shell-flöden tas fram säkert.
• Lathund för Git och AI – hur commits, branches, diffar och pull requests hanteras med AI-stöd.
• Lathund för analys av legacykod – hur okända kodbaser kartläggs och moderniseras stegvis.

Lathundar för att samla in, granska, strukturera och värdera information.

• Lathund för AI-stödd research – hur frågor bryts ned, källor granskas och resultat syntetiseras.
• Lathund för fördjupad AI-research – hur större undersökningar planeras och kvalitetssäkras.
• Lathund för källkritik – hur påståenden, referenser och AI-svar verifieras.
• Lathund för faktakontroll – hur enskilda uppgifter kontrolleras mot tillförlitliga källor.
• Lathund för dokumentanalys – hur rapporter, avtal och styrdokument granskas.
• Lathund för dataanalys med AI – hur data utforskas, jämförs och visualiseras.
• Lathund för kvalitativ analys – hur teman, mönster och avvikelser identifieras i text.
• Lathund för jämförelseanalys – hur alternativ jämförs med gemensamma kriterier.
• Lathund för gap-analys – hur nuläge och målbild jämförs.
• Lathund för riskanalys med AI – hur risker, sannolikheter, konsekvenser och åtgärder struktureras.
• Lathund för beslutsstöd – hur alternativ, konsekvenser och rekommendationer tas fram.
• Lathund för scenarioanalys – hur möjliga framtider och konsekvenser utforskas.
• Lathund för sammanfattning – hur långa underlag kondenseras utan att viktiga nyanser försvinner.
• Lathund för tabeller och strukturerad information – hur innehåll görs jämförbart och maskinläsbart.

Lathundar för att skapa, förbättra och anpassa text, mötesmaterial och presentationer.

• Lathund för innehållsskapande – hur idé, disposition, utkast och slutversion tas fram.
• Lathund för textförbättring – hur tydlighet, struktur, ton och läsbarhet förbättras.
• Lathund för skrivstil och tonalitet – hur texter anpassas till målgrupp och kanal.
• Lathund för bloggartiklar med AI – hur idéer utvecklas till publicerbara artiklar.
• Lathund för rapportskrivning – hur analyser struktureras till tydliga rapporter.
• Lathund för mötesanteckningar – hur diskussioner, beslut och aktiviteter extraheras.
• Lathund för mötessammanfattningar – hur långa möten kondenseras till användbara resultat.
• Lathund för e-post med AI – hur tydliga och mottagaranpassade meddelanden skapas.
• Lathund för presentationer med AI – hur budskap, dramaturgi, bilder och talarstöd skapas.
• Lathund för bildpromptar – hur motiv, stil, komposition och format specificeras.
• Lathund för diagram med AI – hur processer, modeller och arkitekturer visualiseras.
• Lathund för översättning med AI – hur betydelse, tonalitet och terminologi bevaras.
• Lathund för tillgängligt språk – hur innehåll görs begripligt för fler målgrupper.

Lathundar för att gå från enstaka AI-frågor till repeterbara och kontrollerade arbetsprocesser.

• Lathund för AI-arbetsflöden – hur återkommande uppgifter standardiseras.
• Lathund för design av AI-arbetsflöden – hur steg, beslut, data och ansvar modelleras.
• Lathund för AI-automation – hur manuella moment identifieras och automatiseras.
• Lathund för samarbete mellan människa och AI – hur ansvar och uppgifter fördelas.
• Lathund för godkännandeflöden – hur mänsklig kontroll byggs in före kritiska åtgärder.
• Lathund för felhantering i AI-flöden – hur avbrott, felaktiga svar och återförsök hanteras.
• Lathund för batcharbete med AI – hur många liknande uppgifter behandlas konsekvent.
• Lathund för API-baserade AI-flöden – hur modeller, system och data kopplas samman.
• Lathund för AI-prototyper – hur en idé snabbt testas utan att tidigt bygga produktionssystem.
• Lathund för produktionssättning av AI – hur en prototyp förs till kontrollerad drift.

Lathundar för att beskriva AI-lösningars komponenter, beroenden, informationsflöden och kvalitetskrav.

• Lathund för AI-arkitektur – hur AI-lösningar bryts ned i komponenter och beroenden.
• Lathund för referensarkitektur för AI – hur återkommande byggblock struktureras.
• Lathund för AI-lösningsdesign – hur behov omvandlas till en genomförbar teknisk lösning.
• Lathund för AI-integrationer – hur AI kopplas till verksamhetssystem, API:er och datakällor.
• Lathund för RAG-arkitektur – hur ingestion, indexering, retrieval och generering organiseras.
• Lathund för lokal AI-arkitektur – hur modeller, GPU, lagring, API och användargränssnitt kombineras.
• Lathund för hybrid AI-arkitektur – hur lokala modeller och molntjänster samverkar.
• Lathund för dataflöden i AI-system – hur information förflyttas och transformeras.
• Lathund för kvalitetskrav på AI-system – hur precision, svarstid, robusthet och kostnad specificeras.
• Lathund för AI-beroenden – hur modeller, leverantörer, data och infrastruktur kartläggs.
• Lathund för observability i AI-system – hur användning, kostnad, kvalitet och fel följs upp.
• Lathund för AI-livscykeln – hur lösningar planeras, utvecklas, införs och avvecklas.

Lathundar för organisationer som behöver använda AI kontrollerat, lagenligt och spårbart.

• Lathund för AI-styrning – hur policy, ansvar, beslut och kontroll organiseras.
• Lathund för ansvarsfull AI – hur transparens, rättvisa, säkerhet och mänsklig kontroll hanteras.
• Lathund för AI-policy – hur organisationens principer och regler dokumenteras.
• Lathund för riktlinjer för AI-användning – hur praktiska regler utformas för medarbetare.
• Lathund för EU:s AI-förordning – hur användningsfall och roller bedöms utifrån regelverket.
• Lathund för AI och compliance – hur krav, kontroller och bevisning hanteras.
• Lathund för riskklassning av AI – hur påverkan och risknivå bedöms.
• Lathund för konsekvensbedömning av AI – hur risker för individer och verksamhet analyseras.
• Lathund för register över AI-system – hur användningsfall, modeller, ägare och risker dokumenteras.
• Lathund för transparens om AI – hur användare informeras om AI-genererat eller AI-bearbetat innehåll.
• Lathund för upphandling av AI – hur krav på leverantörer, data, säkerhet och exit formuleras.
• Lathund för leverantörsbedömning – hur AI-leverantörer och tjänster granskas.
• Lathund för roller och ansvar inom AI – hur ägarskap, drift, kontroll och användning fördelas.
• Lathund för AI-incidenter – hur fel, skador och oönskade händelser rapporteras och hanteras.
• Lathund för avveckling av AI-system – hur data, åtkomst, modeller och beroenden tas bort kontrollerat.

Lathundar för att skydda information, användare och anslutna system.

• Lathund för säker AI-användning – hur risker kring data, åtkomst och exponering minimeras.
• Lathund för dataklassning i AI – hur information bedöms innan den skickas till en AI-tjänst.
• Lathund för personuppgifter och AI – hur personuppgifter identifieras och hanteras.
• Lathund för GDPR och AI – frågor att kontrollera vid behandling av personuppgifter.
• Lathund för prompt injection – hur skadliga instruktioner i data och dokument hanteras.
• Lathund för dataförgiftning – hur manipulerade kunskapskällor och indata upptäcks.
• Lathund för behörigheter i AI-system – hur användare, agenter och verktyg får minsta nödvändiga åtkomst.
• Lathund för API-nycklar och hemligheter – hur nycklar, tokens och lösenord skyddas.
• Lathund för säker loggning av AI – vad som bör loggas och vilken information som bör undvikas.
• Lathund för säkerhetstestning av AI – hur missbruk, manipulation och dataexponering testas.
• Lathund för AI red teaming – hur systematiska angreppstester planeras.
• Lathund för Shadow AI och BYOAI – hur okontrollerad användning identifieras och hanteras.
• Lathund för digital suveränitet och AI – hur beroenden, kontroll och handlingsfrihet analyseras.

Lathundar för att avgöra om en modell, prompt eller AI-lösning faktiskt fungerar tillräckligt bra.

• Lathund för AI-utvärdering – hur kvalitet, precision och användbarhet mäts.
• Lathund för utvärderingskriterier – hur tydliga och mätbara bedömningsgrunder formuleras.
• Lathund för golden dataset – hur representativa testfrågor och referenssvar tas fram.
• Lathund för LLM-as-a-judge – hur en modell används som en del av utvärderingen.
• Lathund för mänsklig utvärdering – hur bedömare, skalor och granskningsrutiner organiseras.
• Lathund för A/B-testning av AI – hur modeller och promptar jämförs.
• Lathund för regressionstestning av AI – hur oönskade kvalitetsförändringar upptäcks.
• Lathund för att upptäcka hallucinationer – hur felaktiga och ostödda påståenden identifieras.
• Lathund för robusthetstestning – hur variationer och oväntad indata provas.
• Lathund för bias och snedvridning – hur systematiska skillnader i resultat analyseras.
• Lathund för AI-kostnader – hur tokenkostnad, drift och användning följs upp.
• Lathund för svarstid och prestanda – hur kvalitet och svarstid balanseras.
• Lathund för acceptanstest av AI-lösningar – hur verksamheten bedömer om lösningen är redo.

Lathundar för att införa AI i en organisation och skapa varaktig användning.

• Lathund för AI-användningsfall – hur användningsfall identifieras, prioriteras och avgränsas.
• Lathund för AI-mognad – hur organisationens förmågor och utvecklingsbehov bedöms.
• Lathund för AI och förändringsledning – hur nya arbetssätt införs och förankras.
• Lathund för AI-utbildning – hur utbildning anpassas efter roller och behov.
• Lathund för AI-kompetenser – vilka kunskaper som behövs i olika roller.
• Lathund för AI-ambassadörer – hur ett nätverk av stödpersoner byggs.
• Lathund för AI-piloter – hur avgränsade försök planeras och utvärderas.
• Lathund för nyttorealisering med AI – hur effekter och värde följs från idé till användning.
• Lathund för införandeplan för AI – hur aktiviteter, ansvar, risker och beroenden planeras.
• Lathund för kommunikation vid AI-införande – hur förväntningar, möjligheter och risker förklaras.