Kontext i stället för promptar: så styr du en agent 2026
Formuleringen av en enskild prompt spelar allt mindre roll. Det som avgör resultatet är vad agenten har tillgång till, vad den vet om ditt projekt och vilka gränser den fått. Här är modellen vi använder.
7 minuter. Uppdaterad 8 september 2026.
Vad som hände med promptarna
För tre år sedan var en bra prompt en konkurrensfördel. Man lärde sig knep: "tänk steg för steg", "du är en expert på", "svara i JSON". Bibliotek som det här samlade hundratals sådana formuleringar.
Modellerna har sedan dess blivit så bra på att förstå vad du menar att knepen mestadels blivit onödiga. Det som i stället har hänt är att modellerna fått händer: de kör kod, läser filer, öppnar webbläsare, anropar system och arbetar i timmar utan uppsikt. När en agent kan göra saker blir frågan inte "hur formulerar jag mig" utan "vad behöver den veta, vad får den göra och hur vet jag att det blev rätt".
Det är det som brukar kallas kontextengineering. Ordet är otympligt men idén är enkel: du styr agenten genom att designa dess omgivning, inte genom att slipa på en mening.
Fem lager
Vi tänker på en agents kontext i fem lager, från det som är mest stabilt till det som byts varje gång.
1. Instruktionsfiler. CLAUDE.md, AGENTS.md eller motsvarande i projektets rot. Läses varje gång agenten startar i mappen. Här hör hemma: hur man bygger och testar, var saker ligger, konventioner, vad som aldrig får röras. Skriv den som en introduktion till en ny kollega första dagen. Håll den kort. En instruktionsfil som ljuger eller är för lång ignoreras i praktiken.
2. Skills. Mappar med en SKILL.md som beskriver när den ska användas och vad agenten då ska göra. Agenten läser bara beskrivningen från början, och laddar resten när uppgiften matchar. Det gör att du kan ha femtio skills utan att fylla kontexten. Skills är rätt plats för rutiner, checklistor, domänkunskap och format: hur ni skriver kundbrev, hur en GDPR-granskning går till, hur ett anbud ska struktureras. Formatet är en öppen standard som flera verktyg följer.
3. Verktyg och data. Vad agenten kan nå: filsystem, databas, ärendehanterare, webbläsare, interna API:er. Det mesta kopplas via MCP, Model Context Protocol. Detta lager avgör vad agenten kan göra på riktigt, och det är också här riskerna sitter. Ge minsta möjliga behörighet. En läsande databasroll i stället för en skrivande. En webbläsare som bara får besöka era domäner.
4. Uppgiften. Det du skriver när du startar ett arbete, eller en playbook du sparat som kommando. Här hör hemma: målet, vad som räknas som klart, vad som är utanför omfattning och vad agenten ska göra när den blir osäker. Detta är den gamla "prompten", men med en viktig skillnad: den kan vara kort, eftersom lagren ovanför bär det mesta.
5. Samtalet. Det som händer under arbetet: frågor, rättelser, resultat från verktyg. Detta lager förlorar agenten när sessionen tar slut, om den inte skriver ner något i minne eller i filer. Om du märker att du säger samma sak i varje session hör det hemma i ett högre lager.
Tumregler
Det agenten gör fel upprepade gånger ska in i instruktionsfilen. Inte i nästa prompt.
Kunskap som bara behövs ibland ska vara en skill, inte en instruktion. Annars betalar du för den i varje session.
Ge agenten ett sätt att verifiera. Tester, en webbläsare, ett typkontrollkommando. En agent som kan kontrollera sitt eget arbete levererar mycket bättre än en som måste gissa. Det är ofta den enskilt viktigaste förbättringen.
Skriv ner vad "klart" betyder. "Fixa buggen" är sämre än "Fixa buggen, skriv ett test som fallerade före fixen, kör hela testsviten, rapportera vad du inte kunde verifiera."
Separera granskning från produktion. En subagent med ren kontext hittar fel som huvudagenten är blind för, av samma skäl som en kollega hittar fel i din egen text.
Behandla allt agenten läser som obetrott. Webbsidor, mejl, dokument och databasrader kan innehålla text som försöker styra agenten. Ju fler verktyg agenten har, desto mer spelar det roll. Kräv bekräftelse före allt som skickar, betalar eller raderar.
Vad som fortfarande spelar roll i formuleringen
Tydlighet. Konkreta exempel på önskat resultat. Att säga vad agenten inte ska göra, när det inte är uppenbart. Att ange målgrupp och ton för text. Det är samma saker som gäller när du ger en uppgift till en människa, och det är ingen slump.
Det som inte längre spelar någon roll: rollspel, artighetsfraser, hotelser, löften om dricks, magiska formuleringar. Om du ser sådant i ett promptbibliotek är det skrivet för en annan tid.