Forklaring
Planlegging
nav-pilot foreslår, du godkjenner. Slik er planleggingen bygget opp, og hvorfor.
Planleggingen
Agenten @nav-pilot planlegger i fire faser, med et stopp mellom hver. Du bestemmer når den går videre. Agenten er tynn: den velger fase og henter en skill. Kunnskapen ligger i skillene, i beslutningstrær, sjekklister og diagnosetrær.
De fire fasene
Intervju
— Dypdykk-intervju- Personvern. Behandler dere PII? Hvilke kategorier?
- Auth. Hvem kaller tjenesten? Bruker, tjeneste eller ekstern partner?
- Avhengigheter. Hva skjer når en avhengighet er nede?
- Endringspåvirkning. Hvem konsumerer dine API-er/hendelser?
- Teststatus. Hva er testdekningen i koden som endres?
- Observerbarhet. Hvilke forretningsmetrikker viser at tjenesten fungerer?
Skillene
Agentpakka har fire skills for planlegging. Du kan også bruke dem uten agenten.
| Skill | Hva den gjør | Dekker |
|---|---|---|
$nav-deep-interview | Strukturert intervju som avdekker blindsoner (personvern, auth, avhengigheter) | Personvern og data, Plattform og auth, Observerbarhet, Team og prosess data-classification.md, blind-spots.md (25+ vanlige blindsoner fra ekte Nav-repoer) |
$nav-plan | Går fra beslutningstrær til Nais-manifest, CI/CD og prosjektstruktur | Auth-beslutningstre, Kommunikasjonstre, Database-tre, accessPolicy-tre decision-trees.md, nais-templates.md (5 arketyper) |
$nav-architecture-review | Gjennomgår fra tre perspektiver og skriver en ADR | Arkitektur, Sikkerhet, Plattform adr-template.md, nav-principles.md (Team First, essensiell kompleksitet, DORA) |
$nav-troubleshoot | Diagnostiske trær for vanlige Nav-plattformproblemer | Pod krasjer (CrashLoopBackOff), 401/403, Kafka consumer lag, DB-tilkobling feiler, Treg responstid, Deploy feiler diagnostic-trees.md |
Kompetansebevaring
Utviklere som lar modellen skrive alt, forstår sin egen kode dårligere. I Anthropics randomiserte studie (2026) fikk de som delegerte blindt 35–39 % på kodeforståelse, mot 86 % for dem som stilte spørsmål etter at koden var generert. Navs egen langtidsstudie (Stray mfl., HICSS-59 2026) viser det samme mønsteret.
Samtidig viser studien fra MIT og Microsoft (2025, rundt 5 000 utviklere) at KI-hjelp gir mest på repetitive oppgaver. På oppgaver som krever at du forstår domenet, forsvinner gevinsten, og den kan bli negativ.
Grønn og rød sone
nav-pilot deler derfor oppgavene i to. I fase 2 (Plan) merker den hver del som grønn eller rød sone. I fase 4 leverer den full kode for det grønne. For det røde får du testskjeletter og stubber med TODO, og skriver kjernelogikken selv.
- Boilerplate og repetitiv kode (Nais-manifest, CRUD)
- Teknologi du kan fra før
- Konfigurasjon og infrastruktur
- Refaktorering med kjent mål
- Testdata og fixtures
- Feilsøking
- Nye konsepter og ukjent teknologi
- Kjernelogikk og forretningsregler
- Sikkerhetskritisk kode
- Arkitekturbeslutninger
Slik ser det ut
Her planlegger nav-pilot en ny beregningsregel for sykepenger (§ 8-20). Koden rundt regelen er grønn sone, selve regelverket er rødt.
Kilder: Anthropic, METR og studien fra Nav IT.