Person organiserer komplekse moduler, der symboliserer accelereret softwareudvikling med Gemini, og mindsker behov for fejlfinding.

Kodning med Gemini: Sådan accelererer AI din softwareudvikling og fejlfinding

/ AI-værktøjer, Google Gemini, Produktivitet & hacks / Af
Øvet Guide 7 min læsning

Din projektleder bruger tre timer på at finde en fejl i et regneark med formler. Din IT-ansvarlige sidder fast i et script, der burde have taget tyve minutter. Kodning og fejlfinding sluger tid, også i virksomheder der ikke er softwarehuse. Gemini kan fungere som en ekstra kollega ved tastaturet. Har du brug for det store overblik over værktøjet først, så start med den komplette guide til Google Gemini.

Indholdsfortegnelse

Kodning med Gemini er ikke kun for programmører

Når vi siger "kodning", tænker mange på en udvikler i en mørk kælder med fire skærme. Virkeligheden er en anden. Rigtig mange medarbejdere skriver kode uden at kalde sig udviklere. Det er IT-chefen i en kommune, der vedligeholder et internt Python-script til datamigrering. Det er marketing-manageren, der retter i HTML på virksomhedens hjemmeside. Eller controlleren, der skriver Google Apps Script for at automatisere en rapport i Sheets. Du kan læse mere om, hvordan du kan forbinde dine arbejdsgange med Gemini til Drev, Docs og YouTube.

Gemini for udviklere handler derfor ikke kun om store softwareprojekter. Det handler om alle, der nogensinde har stirret på en fejlmeddelelse og tænkt: "Hvad betyder det her overhovedet?"

Vil du forstå hvad Gemini er, uden teknisk volapyk, har vi skrevet en separat introduktion.

Skriv kode med Google AI: Fra blank skærm til fungerende udkast

Den blanke skærm er den værste fjende for alle, der ikke koder dagligt. Gemini fjerner den barriere. Du beskriver med almindelige ord, hvad du vil opnå, og får et fungerende udkast tilbage.

Et konkret eksempel: En IT-ansvarlig i en mellemstor virksomhed skal lave et script, der automatisk omdøber 400 filer i Google Drev efter en bestemt navnekonvention. I stedet for at google sig frem i to timer, skriver han dette i Gemini:

"Skriv et Google Apps Script der gennemgår alle filer i en bestemt Google Drev-mappe og omdøber dem efter mønsteret: ÅÅÅÅ-MM-DD_originalt-filnavn. Scriptet skal logge ændringerne i et Google Sheet."

Og her er et eksempel på, hvad Gemini faktisk returnerer:

function renameFilesWithDatePrefix() {
  // Indsæt dit mappe-ID fra Google Drev URL'en
  var folderId = "DIT_MAPPE_ID_HER";
  var folder = DriveApp.getFolderById(folderId);
  var files = folder.getFiles();

  // Find eller opret et Google Sheet til logning
  var ss = SpreadsheetApp.getActiveSpreadsheet();
  var logSheet = ss.getSheetByName("Log") || ss.insertSheet("Log");
  logSheet.appendRow(["Tidspunkt", "Originalt navn", "Nyt navn"]);

  var today = new Date();
  var datePrefix = Utilities.formatDate(today, Session.getScriptTimeZone(), "yyyy-MM-dd");

  while (files.hasNext()) {
    var file = files.next();
    var originalName = file.getName();

    // Undgå at omdøbe filer der allerede har datopræfiks
    if (!originalName.match(/^\d{4}-\d{2}-\d{2}_/)) {
      var newName = datePrefix + "_" + originalName;
      file.setName(newName);
      logSheet.appendRow([new Date(), originalName, newName]);
    }
  }
}

Inden for sekunder har han et udkast, han kan teste. Det tager måske ti minutter at tilpasse. primært at indsætte sit eget mappe-ID og køre scriptet fra Google Apps Script-editoren. mod to timers research fra bunden. Er du interesseret i at gå videre med, hvordan Gemini kan automatisere din dataanalyse i Google Sheets, har vi en dedikeret guide.

Det vigtige her: Du skal stadig læse koden igennem og teste den. Gemini er ikke ufejlbarlig. Tænk på det som et første udkast fra en hurtig kollega. Du ville heller ikke sende en kollegas kladde direkte til kunden uden at læse den.

Debug kode med AI: Find fejlen på minutter i stedet for timer

Hænder finder og retter en fejl i en kompleks mekanisme, der illustrerer hurtig fejlfinding af kode med Gemini.

Fejlfinding er det sted, hvor AI i softwareudvikling virkelig viser sin styrke. De fleste fejl i kode er kedelige. En manglende parentes. Et forkert variabelnavn. En logisk fejl i en løkke. Mennesker overser den slags, fordi øjnene bliver trætte efter tyve minutters stirren.

Gemini bliver aldrig træt af at læse kode.

Forestil dig en projektleder i et rådgivende ingeniørfirma, der har arvet et Excel-makro-script fra en tidligere kollega. Scriptet stopper pludselig med at virke. Fejlmeddelelsen er "Runtime Error 1004". Han kopierer koden og fejlmeddelelsen ind i Gemini med denne besked:

"Her er et VBA-script der giver fejlen 'Runtime Error 1004'. Forklar hvad fejlen betyder i almindeligt sprog, og foreslå en rettelse."

Den originale kode ser sådan ud:

Sub OpdaterRapport()
    Dim ws As Worksheet
    Set ws = ThisWorkbook.Sheets("Rapport")
    ws.Range("B2").Value = Date
    ws.Range("C2").Value = ws.Range("A2").Value * 1.25
End Sub

Gemini svarer:

"'Runtime Error 1004' betyder typisk, at scriptet forsøger at skrive til en celle det ikke har adgang til. ofte fordi arket er beskyttet. På linje 4 prøver dit script at skrive datoen ind i celle B2 på arket 'Rapport'. Hvis det arket er låst med en adgangskode, vil det fejle her.

Prøv denne rettede version, der ophæver arkbeskyttelsen midlertidigt, skriver data og låser igen:"

Sub OpdaterRapport()
    Dim ws As Worksheet
    Set ws = ThisWorkbook.Sheets("Rapport")
    
    ' Ophæv beskyttelse midlertidigt (indsæt din adgangskode hvis arket er låst med én)
    ws.Unprotect Password:="din-adgangskode"
    
    ws.Range("B2").Value = Date
    ws.Range("C2").Value = ws.Range("A2").Value * 1.25
    
    ' Lås arket igen
    ws.Protect Password:="din-adgangskode"
End Sub

Det der kunne have taget en halv dag med trial-and-error, er klaret på et kvarter. Gemini forklarer ikke bare hvad der er galt. den viser præcis hvor i koden problemet sidder og leverer en klar rettelse.

Det er kernen i at bruge AI til fejlfinding: Du behøver ikke forstå hver eneste linje selv. Du skal bare kunne stille det rigtige spørgsmål.

Tre praktiske teknikker til bedre resultater

Teknik 1: Giv kontekst, ikke bare kode

Fortæl Gemini hvilket sprog koden er i, hvad den skal gøre, og hvor den fejler. Sammenlignet:

Svag prompt:

"Hvad er galt med denne kode?"

Stærk prompt:

"Dette er et Python 3-script der læser en CSV-fil og beregner gennemsnittet af kolonne B. Det fejler med 'ValueError: could not convert string to float' på linje 12. Her er koden: [kode]. Hvad er galt, og hvordan retter jeg det?"

Den stærke prompt giver Gemini tre ting: sprog, formål og den præcise fejl. Resultatet er markant mere præcist. Det er præcis som at briefe en ny kollega.

Teknik 2: Bed om forklaringer, ikke bare løsninger

Har du arvet et script du ikke forstår, så skriv:

"Forklar linje for linje hvad denne kode gør, som om jeg ikke har kodet før."

Gemini returnerer noget i stil med:

## Linje 1: Vi importerer csv-biblioteket, som Python bruger til at læse CSV-filer
import csv

## Linje 2: Vi åbner filen 'data.csv' i læse-tilstand
with open('data.csv', 'r') as f:

    # Linje 3: Vi laver en 'læser' der kan gå igennem filens rækker
    reader = csv.reader(f)
    
    # Linje 4: Vi springer den første række over, fordi det er kolonneoverskrifter
    next(reader)

Så lærer du noget, mens du løser problemet. Gemini kan i øvrigt analysere store mængder tekst og kode på én gang, hvilket er praktisk ved større filer.

Teknik 3: Brug iterative samtaler

Start med det overordnede problem, og zoom ind trin for trin. I stedet for ét langt spørgsmål:

Første besked:

"Hvad gør dette script overordnet set?" → Gemini giver dig overblikket.

Anden besked:

"Hvorfor fejler det på linje 34?" → Gemini zoomer ind på problemet.

Tredje besked:

"Omskriv funktionen på linje 34, så den håndterer tomme celler uden at crashe." → Gemini leverer den rettede kode.

Tre korte samtaler giver langt bedre resultater end ét langt og rodet spørgsmål, fordi du løbende kan korrigere kursen baseret på Geminis svar.

Det kræver stadig et menneske bag rattet

Kodning med Gemini erstatter ikke en dygtig udvikler. Men det gør en ikke-udvikler i stand til at løse opgaver, der ellers ville kræve ekstern hjælp. Og det gør en erfaren udvikler hurtigere.

Den vigtigste pointe: AI-genereret kode skal altid testes i et sikkert miljø, før den rammer produktionssystemer. Det understreger vigtigheden af, at mennesket altid skal have overtaget over maskinen, især med AI-værktøjer. Det gælder særligt i organisationer med krav til compliance og datasikkerhed. Har du spørgsmål om databeskyttelse og Gemini, har vi skrevet en separat guide om netop det.

Det konkrete næste skridt er enkelt: Find en opgave du allerede kender. et script der driller, en rapport der tager for lang tid. og prøv at beskrive problemet i Gemini med så meget kontekst som muligt. Brug promptstrukturerne fra teknik 1 ovenfor som skabelon. Resultatet vil overraske de fleste.

Ofte stillede spørgsmål

FORTSÆT LÆSNINGEN

Relaterede artikler