Table of contents
- Hvad er en AI-arbejdsgang for udviklere?
- Sådan opbygger du en AI-arbejdsgang
- Sådan vælger du de bedste MCP-servere til udviklere
- Bevar projektkontekst på tværs af kodningsassistenter
- Sådan holder du et AI-kodningsworkflow sikkert og muligt at gennemgå
- Hold din næste kodningssession forbundet med den sidste
En AI-kodningsassistent kan hurtigt generere kode. Det kræver mere omhu at give den den rette projektkontekst. Krav kan være spredt på tværs af en række kilder, såsom:
- Et produktresumé dokumenterer
- Arkitekturbeslutninger i en PDF
- Grænsetilfælde i mødenoter
Når disse materialer befinder sig uden for kodningsværktøjet, starter hver session med endnu en omgang med at finde filer og forklare projektet. Et pålideligt AI-workflow for udviklere forbinder dog godkendte projektmaterialer med kodning, gennemgang, dokumentation og overdragelse.
Med Dropbox kan du bringe relevante filer ind i værktøjer som ChatGPT, Codex, Cursor, Claude og Claude Code – samtidig med at den bredere projektdokumentation forbliver tilgængelig for dit team. Vælg en plan for at komme i gang, eller forbind Dropbox MCP-fjernserveren med det samme.
Hvad er en AI-arbejdsgang for udviklere?
Udviklere kan bruge AI-arbejdsgange som en måde at give kodningsassistenter de rigtige oplysninger på, opdele arbejdet i testbare ændringer, se på outputtet og registrere, hvad der skete.
Et praktisk workflow følger typisk disse trin:
- Definer ændringen.
- Indsaml den relevante projektkontekst.
- Opdel arbejdet i små, testbare enheder.
- Generer, test og gennemgå koden.
- Registrer beslutninger, og forbered overdragelsen.
Målet er at skabe ændringer, der er velfunderede, testbare og klar til, at den næste udvikler kan tage over.
Sådan opbygger du en AI-arbejdsgang
Sådan kan du opbygge et AI-workflow, der tilfører kontekst til dit kodningsarbejde:
1. Start med godkendte krav og tekniske dokumenter
Saml det materiale, der styrer ændringen – f.eks. aktuelle krav, acceptkriterier, arkitekturbeslutninger, API-referencer, begrænsninger og nyttige eksempler. Kodebasens kontekst forklarer måske ikke, hvorfor en funktion findes, eller hvilke afvejninger der allerede er afklaret.
Et nyttigt tip er at opbevare de mest autoritative materialer i en tydeligt navngivet projektmappe og markere forældede udkast – så du og din assistent starter med de samme oplysninger.
2. Giv kun kodeassistenten den kontekst, den har brug for
Mere kontekst giver ikke altid et bedre svar. Vælg det mindste sæt filer, der besvarer følgende spørgsmål:
- Hvad skal ændres?
- Hvad skal forblive uændret?
- Hvilke standarder gælder?
- Hvordan vil et bestået resultat se ud?
- Hvilke antagelser skal bekræftes?
Et fokuseret kontekstsæt gør outputtet meget nemmere at gennemgå og hjælper dig med at undgå at eksponere urelaterede eller følsomme filer.
3. Opdel ændringen i små, testbare enheder
Bed assistenten om at udarbejde en kort implementeringsplan, før der skrives kode. Opdel en omfattende ændring i enheder, du kan build og teste uafhængigt af hinanden, f.eks.:
- Opdaterer datamodellen
- Tilføj API-adfærd
- Skrivning af tests
- Reviderer dokumentation
Arbejd med én enhed ad gangen. Når en gammel samtale begynder at indeholde mere støj end brugbar kontekst, skal du åbne en ny session og medbringe det samme godkendte materiale.
4. Gennemgå koden, testene og antagelserne
Behandl genereret kode som et udkast. Gennemgå det, kør tests, inspicer nye afhængigheder, og sammenlign funktionsmåden med acceptkriterierne. Du kan også bede assistenten om at angive sine antagelser og de filer, den har ændret. Bekræft enhver beslutning, der ikke kan spores tilbage til et krav eller en teknisk reference.
Behold grene, pull requests, kontinuerlig integration og den endelige kodegennemgang i dit eksisterende udviklingssystem. Brug Dropbox cloudlager til projektkonteksten omkring det arbejde i stedet for som en erstatning for dit repository.
5. Gem beslutninger og overdragelsesnoter sammen med projektet
Registrer det, som samtalen måske ikke bevarer, f.eks. hvad der blev ændret, hvorfor det blev ændret, hvilke tests der blev kørt, kendte begrænsninger, åbne spørgsmål og næste skridt.
Det er også en god idé at gemme en beslutningslog, en implementeringsnote eller en overdragelsesfil sammen med projektmaterialet. Den næste udvikler eller assistent kan så begynde med en brugbar oversigt – i stedet for at skulle rekonstruere sessionen.
Med Dropbox-connectoren til Claude kan du bruge tekniske dokumenter og supplerende filer som kontekst og derefter gemme tekstbaserede beslutningslogfiler og implementeringsnoter tilbage i Dropbox. Med Dropbox-pluginet til Claude Cowork kan du også organisere mapper, oprette delte links og udarbejde tekstbaserede filer såsom Markdown eller CSV.
Sådan vælger du de bedste MCP-servere til udviklere
En MCP-server forbinder sikkert en kompatibel AI-klient til godkendt kontekst eller handlinger i et andet system. De bedste MCP-servere til udviklere afhænger af opgaven. En praktisk en kan omfatte:
- Projektdokumentation
- Versionsstyring
- Aktuelle biblioteksreferencer
- Problemopfølgning
- Tester
- Overvågning
Inden du opretter forbindelse til en server, skal du kontrollere dens udgiver, vedligeholdelse, understøttede klienter, godkendelse og tilladelser. Vær særligt opmærksom på handlinger, der kan skrive, dele, flytte eller slette indhold, og begræns adgangen til det mindst mulige nyttige omfang.
The Dropbox remote MCP server understøtter Claude Code, Claude Web, ChatGPT Codex, ChatGPT Web og Cursor. Den kan søge i og læse understøttet Dropbox-indhold, oprette tekstorienterede filer og mapper og udføre tilladte handlinger – f.eks. oprette delte links eller filanmodninger.
Bevar projektkontekst på tværs af kodningsassistenter
Brug af flere assistenter kræver ikke flere kopier af den samme projektbaggrund.
Ved at bruge Dropbox som et fælles kontekstlag kan I få hjælp, når dit team er enige om, hvilke filer der er autoritative, hvem der har adgang til dem, hvordan forældet materiale markeres, og hvor beslutninger gemmes. Et forbundet udviklerworkflow kunne se sådan ud:
- En produkt- eller udviklingsleder opdaterer krav og tekniske referencer i Dropbox.
- Du henter de relevante filer ind i Cursor, Codex eller Claude Code.
- Kodeændringer forbliver i dit repository og gennemgår de sædvanlige test og gennemgange.
- Du gemmer en implementeringsnote eller beslutningslog i Dropbox.
- En anmelder eller den næste udvikler bruger den samme kontekst i Claude eller ChatGPT.
Det fælles lag er projektkonteksten, mens valget af værktøj forbliver fleksibelt. Du kan bruge den assistent, der passer til opgaven, og undgå at genopbygge den samme baggrund hver gang.
Sådan holder du et AI-kodningsworkflow sikkert og muligt at gennemgå
Et par enkle sikkerhedstip omfatter:
- Start med den mindste adgang, som arbejdsprocessen kræver
- Adskillelse af skrivebeskyttet kontekst fra handlinger, der kan oprette, flytte, dele eller slette filer
- Kræv menneskelig bekræftelse ved handlinger med konsekvenser
- Hold følsomt materiale ude af prompts, medmindre brugen er godkendt
Når du forbinder Dropbox til Claude, gælder de eksisterende filtilladelser og administratorfunktioner fortsat. Dropbox remote MCP-serveren bruger Dropbox OAuth til godkendelse.
Disse kontroller understøtter et mere sikkert workflow, men de validerer ikke genereret kode. Menneskelig gennemgang, tests, sikkerhedstjek og udgivelseskontroller afgør stadig, hvad der er endeligt.
Hold din næste kodningssession forbundet med den sidste
Når krav, beslutninger og overdragelsesnoter forbliver hos projektet, bruger du mindre tid på at genopbygge kontekst og mere tid på at evaluere arbejdet. Din kodningsassistent kan skifte fra én opgave til den næste.
Når du forbinder en understøttet AI-klient til Dropboxs eksterne MCP-server, er godkendt materiale tilgængeligt i den pågældende klient med forbehold for dine eksisterende Dropbox-tilladelser. Vælg en plan for at bringe projektkontekst ind i understøttede kodningsværktøjer.
Ofte stillede spørgsmål
Start med det mindste sæt af aktuelle, opgaverelevante filer, som assistenten skal bruge for at forstå problemet og give et brugbart svar. Dette kan omfatte:
- Aktuelle forudsætninger
- Arkitekturbeslutninger
- Tekniske referencer
- Eksempler
- Begrænsninger
- Testforventninger
Udelad urelaterede filer og følsomt materiale, som opgaven ikke kræver.
Nej. En MCP-server giver en assistent adgang til godkendt kontekst eller handlinger. Dit lager, din issue tracker, dine testværktøjer og din gennemgangsproces forbliver de systemer, der administrerer og verificerer udviklingsarbejdet.
Mål, hvad der sker, efter assistenten producerer sit første udkast. Følg tid til gennemgang, omarbejdning, mislykkede tests, fejl og den tid, der bruges på at indsamle kontekst eller forberede overdragelser. Et brugbart workflow bør gøre godkendte ændringer nemmere at gennemgå, forklare og fortsætte. Antallet af genererede kodelinjer eller afsendte prompts viser ikke, om den resulterende software er pålidelig.
Ja. Opbevar godkendte krav, arkitekturbeslutninger, tekniske referencer og overdragelsesnoter på ét fælles projektsted. Giv hver assistent kun de filer, der er nødvendige for opgaven, og gem derefter vigtige beslutninger uden for chatten. Med Dropbox som det fælles kontekstlag kan du skifte værktøjer uden at skulle genopbygge projektets baggrund fra bunden.
En MCP-server kan gøre det nemmere for en assistent at referere til aktuelle krav, tekniske dokumenter og eksempler. Den verificerer dog ikke den resulterende kode eller garanterer, at assistenten har forstået disse materialer korrekt. Tests, kodegennemgang, afhængighedstjek og sikkerhedsgennemgange afgør stadig, om en ændring er klar til brug.
Adskil aktuelle dokumenter fra arkiverede udkast, tilføj en tydelig ejer og dato for seneste opdatering, og bed assistenten om at angive de kildefiler, den brugte. Gennemgå listen, før du accepterer kode eller dokumentation. Dette kontrolpunkt hjælper med at opdage forældede krav og modstridende beslutninger, før de kommer med i en gren eller overdragelse.
