Jeg brukte @nansen_ai til å analysere GSD hva de 100 beste innehaverne gjør Den gule linjen = Saldoen til den valgte innehavergruppen (i skjermbildet ditt, Topp 100 adresser) over tid. Enkel engelsk versjon 👇 Den viser hvor mange tokens gruppen har totalt til hvert tidspunkt. Når den gule linjen går opp → akkumuleres disse lommebøkene (nettokjøp/mottak). Når det skjer → de distribuerer (selger eller sender ut). I horoskopet ditt: Den gule linjen øker kraftig rundt 16.–19. januar → sterk akkumulering fra toppinnehaverne. Den fortsetter å stige selv om prisen (grå linje) trekker seg tilbake → innehaverne ikke går ut. Den divergensen betyr vanligvis at fordelingen ikke har startet ennå. Rask mental modell: Gul opp + pris flat/ned = skjult akkumulering Gul flat/ned + pris opp = fordelingsrisiko Så det du ser er at toppholdere fortsatt laster, ikke tømmer. Det er generelt en positiv struktur, spesielt så tidlig.

Tilsynelatende blir GSD undervist i globale team og multimillionbedrifter 🤯 TÂCHES, vibekodingens far, Hvordan jeg forbereder teamet mitt på Claude Code for Enterprise Development — Et blikk på min læringsprosess I morgen skal jeg introdusere Claude Code for SmartFacts-teamet mitt. Vi starter en én-måneds test med reelle bedriftsbrukstilfeller. Spesialfunksjonen: Vi bruker allerede Cursor, Windsurf og GitHub Copilot. Så spørsmålet er ikke «om AI-kodingsverktøy fungerer», men «hvilken merverdi gir subagenter, MCP-servere og spesifikasjonsdrevet utvikling i ekte bedriftsarbeidsflyter?» Min forberedelse — Meta-læring i praksis Jeg har jobbet med Claude Code selv i et halvt år, og jeg er begeistret. Men for lagevalueringen ønsket jeg å være oppdatert — inkludert Claude Cowork, som ble sluppet som utkast i går. Min arbeidsflyt: 1. Aggregere kunnskap med Notebook LM YouTube-videoer om koding, arbeidsflytautomatisering (N8n → Claude Code Migration), spec-drevet utvikling (BMAP, Spec-Kit, GSD) Nåværende veiledninger og forretningsmønstre Alt som behandles i Notebook LM Resultat: Presentasjoner, tankekart, til og med en lydoversikt 2. Så kommer det virkelige arbeidet: praktisk arbeid For meg betyr læring ikke å «konsumere», men å søke. Notebook LM-utgangene er mitt kart — men jeg velger den veien selv: Test delagenter i din egen arbeidsflyt Oppsett av MCP Server direkte Valider spesifikasjonsdrevet utvikling med reelle prosjekter Bare gjennom praktisk anvendelse blir kunnskap til kompetanse. 3. Definer bedriftsmålinger Vi noterer: Produktivitetsøkning (kvantitativ) Utviklertilfredshet (kvalitativ) Bruksspesifikke suksesser Morsomt faktum: Selv Anthropic bruker Claude Code produktivt. Den nyeste utgivelsen av Claude Cowork ble utviklet på bare 1,5 uke — med Claude Code. 🤯 Meta-læring er ikke et moteord Det er forskjellen mellom «Jeg har sett videoer» og «Jeg kan bruke det produktivt.» Min tilnærming: Aggregering (Notebook LM): Strukturering av kunnskap Anvendelse (hands-on): konsolidering av kunnskap Artikulasjon (teampresentasjon): Overføring av kunnskap Læring er ikke en hendelse. Det er et system. Vedlagt: Resultatene fra NotebookLM (presentasjon, video, infografikk). To spørsmål til deg: 1️⃣ Hva var din erfaring med Claude Code? Spesielt i en bedriftskontekst? 2️⃣ Hvordan lærer du nye temaer? Bruker dere verktøy som Notebook LM, eller har dere egne meta-læringssystemer?

Dataforsker ved Raiffeisen Bank International AG og tidligere @Siemens, Vladislav Drobotukhin 🔥 Fant en ferdighet som virkelig endrer hvordan jeg jobber med Claude Code Det heter Get Shit Done — et spesifikasjonsdrevet utviklingssystem som løser hovedproblemet når man jobber med AI-assistenter: kontekstrot (kvalitetsforringelse etter hvert som kontekstvinduet fylles opp). Hva det gjør: → Gjør idébeskrivelsen din om til en full PRD ( → Deler utviklingen inn i faser med atomære oppgaver → Hver oppgave = separat git-commit → Parallelle agenter for forskning, planlegging og gjennomføring Hvorfor dette er flott for alle som jobber med eldre kode eller blir med i et nytt prosjekt: /gsd:map-codebase-kommandoen analyserer din eksisterende kodebase-arkitektur, mønstre og avhengigheter. Etter det kan du legge til funksjoner mens systemet allerede forstår prosjektets kontekst. Dette er i hovedsak det som skiller «vibekoding» fra systematisk AI-assistert utvikling. I stedet for kaotisk kodegenerering — en strukturert prosess: Diskuter → plan → gjennomføre → verifisere. Fungerer med Claude Code og OpenCode. Installasjon med én linje: NPX Get-Shit-Done-CC