Lärarhandledning · L1
Intro och LLM-modeller
Studenterna möter kursen för första gången. Tonvikt på praktisk konfiguration och modellförståelse — inte teori.
Lektionsmål
Efter lektionen ska studenterna kunna:
- Förklara skillnaden mellan autocomplete, chat och agent-läge
- Namnge minst tre LLM-modeller och beskriva när de är lämpliga
- Förklara skillnaden mellan Free-, Pro- och Pro+-modeller och vad premium-requests innebär
- Ha GitHub Copilot konfigurerat och fungerande i VS Code
Agenda
0:00–0:30
Välkommen och kursöversikt
Presentera dig, kursmålen och examinationsformen. Visa lektionsplanen (del 10). Kolla att alla har GitHub-konto och Copilot-licens.
0:30–1:00
AI-stödnivåer — live demo i VS Code
Visa autocomplete (Tab), chat (Ctrl+Shift+I) och agent-läget. Tydliggör att dessa är tre olika sätt att interagera — inte varianter av samma sak.
1:00–1:30
LLM-modeller — teori + modellväljaren
Gå igenom modelltabellen i del 02. Visa hur man byter modell i VS Code. Förklara tier-struktur (Free/Pro/Pro+) och extended thinking specifikt — modeller som resonerar steg för steg.
1:45–3:00
Workshop
Se workshopbeskrivning nedan.
Demo-script — AI-stödnivåer
Live demo 1 — Autocomplete (5 min)
Skriv en tom C#-klass: public class Order { }. Lägg till ett property och låt Tab-autocomplete fylla i resten. Visa att Copilot föreslår flera properties automatiskt baserat på klassnamnet.
Live demo 2 — Chat och kontextreferenser (10 min)
Öppna chat-panelen. Skriv: "Förklara vad ett DDD-aggregat är och ge ett C#-exempel". Visa sedan skillnaden när du lägger till #file:Order.cs — svaret anpassas till befintlig kod.
Live demo 3 — Agent-läge (15 min)
Byt till Agent-läge. Skriv: "Skapa en Order-klass som ärver från AggregateRoot<Guid>, med metoder PlaceOrder och AddItem. Skapa även tillhörande enhetstestar." Visa att agenten skapar flera filer och frågar om godkännande.
Workshop — instruktioner till studenterna
Workshop L1 — Konfigurera och jämför modeller
- Installera GitHub Copilot-tillägget i VS Code och logga in med ditt GitHub-konto
- Skapa ett tomt C#-projekt (
dotnet new console -n CopilotTest)
- Skriva denna prompt i chat-panelen:
"Implementera en C#-metod som beräknar hur många arbetsdagar det är mellan två datum, exklusive helger men inklusive helgdagar. Returnera -1 om startdatum är efter slutdatum."
- Kör samma prompt med tre olika modeller: GPT-5 mini, Claude Haiku 4.5 och Claude Sonnet 4.6
- Dokumentera i ett textdokument: (a) svarens kvalitet, (b) tid/tokens, (c) vilken modell du skulle välja och varför
Vanliga frågor och svar (FAQ)
| Fråga | Svar |
|---|
| "Kostar det extra att använda Claude Opus 4.7?" |
Ja — Claude Sonnet 4.6 och GPT-5.4 konsumerar premium-requests (kräver Pro, 300/mån). Claude Opus 4.7 kräver Pro+ (1 500/mån). GPT-5 mini, GPT-4.1 och Claude Haiku 4.5 är standardmodeller som inte räknas mot premiumkvoten. |
| "Kan jag använda detta i Visual Studio 2026 istället?" |
Ja, men med begränsningar. VS2026 saknar prompt-filer (.prompt.md, .instructions.md med applyTo) och @terminal. Agentläge fungerar i VS2026. Se jämförelsetabellen i del 05. Rekommendera VS Code för kursen. |
| "Kan AI skriva hela min kod?" |
Tekniskt ja, praktiskt nej. AI genererar kod som ser korrekt ut men som kan ha subtila logikfel. Din roll skiftar från att skriva kod till att granska och styra AI:ns output. |
| "Vad är skillnaden mellan Claude Haiku 4.5 och Claude Sonnet 4.6?" |
Haiku 4.5 är snabbare och ingår gratis i alla planer. Sonnet 4.6 har 1M tokens kontext, stöder extended thinking på alla nivåer (low/med/high) och kräver Pro. Sonnet 4.6 är generellt bättre på komplexa kod- och arkitekturuppgifter. |
Avslutning
Nästa lektion — förberedelse
Be studenterna läsa del 03 (Prompt Engineering) och prova att skriva en "dålig" och en "bra" version av en prompt hemma. De ska ha båda med till L2.