Så förbereder du din dator för vibe coding steg för steg

Den här artikeln är den första i en serie där jag ska förklara hur du kommer igång med vibe coding från grunden.. 

Inte bara hur man ber en artificiell intelligens att skriva kod och nöjer sig med det, utan hur man gör det ordentligt, med ett system som minimerar fel och ger en viss kodkvalitet. Vi ska dessutom dokumentera allt, hålla reda på kodändringar och ha ett system för tester. Precis som professionella utvecklingsteam, fast utan att behöva vara utvecklare.

Första steget är därför att förbereda datorn och konfigurera de verktyg vi behöver.

När vi är klara med den här första guiden har vi en dator redo för vibe coding och har publicerat en liten testapp med GitHub och Railway.

Varför jag rekommenderar Linux för vibe coding

Det går utmärkt att ägna sig åt vibe coding i Windows, Linux eller macOS. De viktigaste AI-verktygen fungerar i alla tre systemen, direkt eller via kompatibla miljöer.

Jag tänker använda Linux, eftersom det förenklar ganska mycket och sannolikt ger färre fel än Windows. Om vi absolut vill använda Windows kan vi köra WSL2 för att få en Linuxmiljö inuti Windows 11. Men det lägger till ytterligare ett konfigurationslager som kan försvåra felsökningen.

Med Linux arbetar vi direkt i den miljö där vi kör verktygen, utan att vara beroende av något extra subsystem.

Och macOS? Jag använder det inte själv, så jag kan inte säga säkert. Men med tanke på Mac Minis framgångar och att terminalen och Unixmiljön ger ett arbetsflöde som liknar Linux har jag intrycket att det passar lika bra för utveckling.

Helst en extra dator eller en separat disk

Jag rekommenderar också att inte använda den vanliga arbetsdatorn för experiment med utveckling och AI-agenter, särskilt medan vi fortfarande lär oss.

Inte för att de här verktygen är farliga i sig, även om de kan vara det, utan för att de kan installera beroenden, köra kommandon, ändra filer och utföra saker som vi kanske inte alls vill.

Därför föredrar jag att hålla den här miljön åtskild från datorn jag arbetar på varje dag. Du vet ju att jag hellre delar upp datorns användningsområden än ångrar att jag inte gjorde det.

Det bästa vore en extra dator, men vi behöver inte köpa en ny. Om du inte har någon finns det en lösning jag gillar särskilt mycket: installera Linux på en extern SSD och starta det via USB på en kompatibel dator..

Då kan jag starta Linux när jag vill utveckla något och fortsätta använda Windows som vanligt resten av tiden. Program, projekt och inställningar ligger kvar på SSD:n utan att jag behöver skapa en Linuxpartition på den interna disken.

Det är förstås ingen fullständig isolering: Linux kan komma åt andra anslutna diskar om vi monterar dem och ger behörighet. Vi måste fortfarande vara försiktiga med vad vi låter verktygen köra.

Själv använder jag lösningen som jag beskriver i artikeln: Linux Mint Xfce på en SATA-SSD i ett USB 3.0-kabinett.

Från och med nu utgår jag från att du har installerat Linux Mint, att det startar som det ska och att du är ansluten till internet.

Vilka verktyg behövs för vibe coding?

Innan vi börjar är det bra att veta vad vi ska installera och varför.

Verktyg	Funktion
Linux Mint Xfce	Operativsystem
Terminal	Köra kommandon och agenter
Git	Versionshantering av kod
Node.js	Köra JavaScript-verktyg och appar
npm	Installera JavaScript-paket
Codex	AI-agent för programmering
Antigravity	En andra agent som fungerar som granskare
Claude Code	Alternativ till Codex eller andra betalda agenten
GitHub	Kodförråd
Railway	Publicera appar på internet
Linear	Projekt- och uppgiftshantering
Notion	Dokumentation och krav, valfritt
LocalWP	Lokal WordPress-utveckling, valfritt

De flesta verktygen är gratis eller har ett gratisalternativ. Du kan börja med Codex i ChatGPT:s gratisversion så länge användningsgränserna räcker. Ett abonnemang kan vara värt det om du behöver mer kapacitet.

Mitt system: en AI programmerar, en annan granskar

Vi skulle kunna göra allt med en enda AI, men jag föredrar två agenter med olika roller:

• Analytiker och programmerare: tolkar kraven, föreslår lösningar, skriver kod och rättar fel.
• Granskare: granskar ändringar, letar efter problem och kontrollerar att det som byggts uppfyller kraven.

Tanken är att den som granskar arbetet inte ska vara samma AI som utförde det. En oberoende och väl genomförd granskning kan hitta fel som den första agenten missade.

I en kommande artikel ska jag förklara loop-systemet ordentligt.

Vilken kombination av AI-verktyg ska man välja?

Jag ser tre intressanta alternativ.

Betalda abonnemang	Analytiker och programmerare	Granskare
Betald ChatGPT	Codex	Antigravity
Betald Claude	Claude Code	Antigravity
Betald ChatGPT + Claude	Claude Code	Codex

I den här guiden använder jag det första alternativet: Codex som analytiker och programmerare och Antigravity som granskare.

Om ditt ChatGPT-abonnemang kostar 18 € i månaden kan du använda Antigravitys gratisnivå för kodgranskning och slippa ett andra abonnemang. Då:

• Betalar du inte för två AI-tjänster.
• Använder du Codex inom gränserna för ditt ChatGPT-abonnemang.
• Låter du en modell från en annan familj granska koden.

Antigravity erbjuder gratis tillgång enligt gällande villkor och kvoter, och de kan ändras, märk väl. 

Om du bara betalar för Claude kan du ersätta Codex med Claude Code och behålla Antigravity som granskare.

Om du däremot betalar för både ChatGPT och Claude föreslår jag Claude Code som analytiker och programmerare och Codex som granskare. Det är kombinationen jag skulle välja om jag redan betalade för båda tjänsterna, men då får du betala för två verktyg.

Nåväl, nu när verktygen är genomgångna går vi vidare till själva guiden.

Steg 1. Uppdatera Linux Mint

Vi öppnar terminalen i Linux Mint.

I Xfce hittar vi den i programmenyn eller med kortkommandot Ctrl + Alt + T.

Börja med att uppdatera informationen om paketförråden och installera tillgängliga uppdateringar:

sudo apt update && sudo apt upgrade -y

Linux kommer att be om användarens lösenord.

Om uppdateringen installerar viktiga systemkomponenter eller en ny kärnversion bör vi starta om innan vi fortsätter.

Nu installerar vi de grundläggande verktygen:

sudo apt install -y curl git ca-certificates

Nu har vi:

• curl för att hämta resurser från internet.
• git för att hantera kodförråd.
• ca-certificates för att verifiera certifikat vid HTTPS-anslutningar.

Vi kontrollerar att Git fungerar:

git –version

Det ska visa versionsnumret.

En detalj om terminalen och dess cache

Vid installation kan det hända att ett verktyg installerats korrekt, men att terminalen ändå säger att kommandot inte finns.

Ofta beror det på att installationsprogrammet har lagt till en ny katalog i miljövariabeln PATH och att vår terminal ännu inte har läst in ändringen.

Därför bör vi stänga terminalen helt (inte bara fliken) och öppna en ny efter installationer som ändrar miljön.

Vi startar en ny terminalsession för att läsa in den uppdaterade konfigurationen.

Steg 2. Installera Node.js och npm

Node.js gör att JavaScript kan köras utanför webbläsaren.

Vi använder det till webbprojekt, automatisering och utvecklingsverktyg. npm är dess pakethanterare som gör det lättare att installera beroenden.

För att förenkla guiden använder vi LTS-versionen av Node.js via NodeSource.

Först hämtar vi konfigurationsskriptet:

curl -fsSL https://deb.nodesource.com/setup_lts.x -o nodesource_setup.sh

Vi kör det:

sudo -E bash nodesource_setup.sh

Och installerar Node.js:

sudo apt install -y nodejs

Nu kontrollerar vi båda programmen:

node –version

npm –version

Om de visar sina respektive versionsnummer kan vi fortsätta.

Vi kan också ta bort det nedladdade skriptet:

rm nodesource_setup.sh

Node.js behövs inte för att köra de fristående versionerna av Codex eller Claude Code, men vi använder det till webbprojekt och andra verktyg.

Steg 3. Installera Codex, vår analytiker och programmerare

Codex är OpenAI:s programmeringsagent. Den kan utforska filer, ändra kod, köra kommandon, analysera fel och hjälpa oss att arbeta med hela projekt från terminalen.

För installationen använder vi det officiella installationsprogrammet:

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Eller via npm:

npm install -g @openai/codex

Vi behöver inte köra båda kommandona. I den här guiden använder vi det fristående installationsprogrammet.

Sedan kontrollerar vi:

codex –version

Om terminalen inte känner igen kommandot stänger vi den helt och öppnar en ny.

Ansluta Codex till ChatGPT

För att starta Codex skriver vi:

codex

Första gången får vi välja mellan de tillgängliga autentiseringsmetoderna.

Vi väljer att logga in med ChatGPT, öppnar webbläsaren när vi uppmanas till det och godkänner anslutningen.

Väl inne kan vi titta på kommandona.

Till exempel för att välja bland tillgängliga modeller och resonemangsnivåer:

/model

För att se sessionsstatus:

/status

Och för att granska vilka behörigheter agenten får:

/permissions

Vilka modeller som är tillgängliga beror på vårt konto och Codex-versionen.

Viktigt: jag rekommenderar inte att ge agenten obegränsade behörigheter från början. Även om vi har skaffat en ny disk för detta är det bäst att manuellt granska åtgärder som berör viktiga filer, externa kommandon eller anslutna tjänster.

Alternativ: installera Claude Code

Om du har valt Claude Code som analytiker och programmerare är proceduren snarlik.

Vi installerar dess officiella klient:

curl -fsSL https://claude.ai/install.sh | bash

Vi kontrollerar:

claude –version

Och kör diagnostiken:

claude doctor

För att starta agenten:

claude

Vi följer autentiseringsprocessen.

I resten av guiden använder jag Codex, men utvecklingsinstruktionerna kan anpassas till Claude Code.

Steg 4. Installera Antigravity som granskare

Nu installerar vi vår andra agent.

Antigravity har en grafisk app, men här är vi intresserade av CLI-versionen som kan köras direkt från terminalen.

Det officiella Linux-installationsprogrammet är:

curl -fsSL https://antigravity.google/cli/install.sh | bash

Standardplatsen för den körbara filen är:

~/.local/bin/agy

Vi kontrollerar:

~/.local/bin/agy –version

Om det fungerar direkt med agy behöver vi inte göra något mer.

Annars kan vi lägga till katalogen i PATH:

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc

Vi stänger terminalen helt och öppnar en ny.

Vi kontrollerar:

agy –version

Logga in på Antigravity

Vi öppnar:

agy

Vid första starten följer vi konfigurationsguiden.

Vi kan välja visningsinställningar och slutföra autentiseringen med de metoder som vårt konto erbjuder.

Vi behöver också bekräfta att vi litar på projektmappen innan agenten får tillgång till filerna.

Vi behöver ännu inte konfigurera någon automatisk granskning. Det gör vi när vi har vårt första projekt.

Viktigt: agenterna kan dela ett kodförråd, men det är olämpligt att låta båda ändra samma filer samtidigt. Därför utvecklar den ena och den andra granskar.

Steg 5. Installera GitHub CLI

Vi har redan Git, men behöver fortfarande ansluta datorn till GitHub.

Git sköter lokal versionshantering. GitHub används för att lagra fjärrförråd, samarbeta och bevara koden utanför datorn.

Vi installerar GitHub CLI:

sudo apt install -y gh

Vi kontrollerar:

gh –version

Konfigurera vår identitet i Git

Innan vi gör commits anger vi vilket namn och vilken e-postadress vi vill koppla till ändringarna:

git config –global user.name "Tu Nombre"

git config –global user.email "tu-correo@example.com"

Vi ersätter exempelvärdena med våra egna uppgifter.

Vi kan kontrollera konfigurationen:

git config –global –list

Autentisera oss på GitHub

Vi kör:

gh auth login

Vi väljer GitHub.com och följer instruktionerna.

Om vi väljer autentisering via webbläsare visar GitHub CLI en tillfällig kod och en adress där den ska anges.

När åtkomsten är godkänd:

gh auth status

Då ser vi att GitHub CLI känner igen vårt konto.

För professionella projekt använder vi privata kodförråd och undviker att lägga lösenord eller API-nycklar i koden..

Steg 6. Installera Railway

Railway är en plattform för att publicera appar utan att behöva konfigurera och administrera en egen server.

I den här guiden använder vi den först för att publicera en liten HTML-webbplats och kontrollera att flödet fungerar.

Du måste inte använda Railway för vibe coding. Vi kan använda andra leverantörer som Vercel, men Railway passar bra för att kontrollera att vår kod kan gå från ett lokalt kodförråd till en app som går att nå på internet.

Vi installerar Railway CLI:

bash <(curl -fsSL https://railway.com/install.sh)

Det går också att installera via npm:

npm install -g @railway/cli

Vi väljer bara en av de två metoderna.

Vi kontrollerar:

railway –version

Ansluta Railway

Först skapar vi ett konto via:

https://railway.com

Sedan kör vi i terminalen:

railway login

Webbläsaren öppnas så att vi kan godkänna åtkomsten.

Vi kan se vilket konto som är anslutet:

railway whoami

Railway har alternativ med begränsade krediter och betalabonnemang. Innan vi publicerar tjänster som ska vara igång permanent bör vi kontrollera villkoren och förbrukningsgränserna.

Steg 7. Skapa konton hos Linear och eventuellt Notion

Vi behöver inte installera några skrivbordsappar för dessa två verktyg.

Linear blir vårt projekthanteringsverktyg. Här organiserar vi funktioner, fel, uppgifter och versioner.

Vi kan skapa ett konto på:

https://linear.app

Senare konfigurerar vi ett projekt och bestämmer hur det ska anslutas till vårt utvecklingsflöde.

Notion är valfritt. Vi kan använda det för att skriva kravdokument, så kallade PRD (Product Requirements Document).).

I enkla projekt kan vi också spara kraven i en Markdown-fil direkt i Git-förrådet. Dokumentationen är användbar när den hjälper oss att fatta beslut och klargöra vad som ska utvecklas. Vi behöver inte skapa omfattande dokument för varje liten ändring.

Just nu räcker det att skapa kontona och kontrollera att vi kan logga in.

Steg 8. Granska AI-verktygens sekretessinställningar

Innan vi använder agenterna med riktig kundkod är det värt att gå igenom sekretessinställningarna.

I ChatGPT kan vi gå till Inställningar > Datakontroller och stänga av alternativet för att använda våra konversationer för att förbättra modellerna. Vi måste också granska de särskilda kontroller som gäller för Codex.

I Claude och Antigravity kontrollerar vi motsvarande alternativ för användning av data till produktförbättring, lagring, telemetri och kommersiell kommunikation. Varje tjänst har sina egna villkor.

Och en sak måste stå klar: att stänga av träning innebär inte att koden slutar skickas till AI-leverantören. Molnbaserade modeller måste få den information de behöver för att göra sitt arbete.

Därför följer vi några grundläggande regler: 

• Dela inte privata nycklar, lösenord eller token.
• Håll inloggningsuppgifter borta från GitHub.
• Begränsa varje verktygs behörigheter till vad det behöver.

Steg 9. Kontrollera allt innan vi börjar

Nu stänger vi terminalen helt och öppnar den igen.

Vi kontrollerar utvecklingsverktygen:

git –version

node –version

npm –version

GitHub och Railway:

gh –version

railway –version

Och våra AI-verktyg:

codex –version

agy –version

Om vi använder Claude Code:

claude –version

claude doctor

Vi kontrollerar också att vi fortfarande är inloggade:

gh auth status

railway whoami

Versionskontrollerna visar att programmen är installerade. Autentiseringskontrollerna visar att vi kan komma åt våra konton.

Men vi behöver fortfarande göra ett fullständigt funktionstest.

Steg 10. Skapa vår första utvecklingsmapp

Vi ska bygga en liten webbplats för att kontrollera att allt fungerar.

I Linux Mint kan vi skapa en mapp på skrivbordet och öppna en terminal direkt där.

Ett annat alternativ är att använda kommandon:

mkdir -p ~/Proyectos/mi-primera-app

cd ~/Proyectos/mi-primera-app

Det är viktigt att starta Codex från projektmappen. Då kan agenten arbeta med de filer som behövs utan att söka igenom hela datorn.

Steg 11. Be Codex programmera en app

Vi startar:

codex

Nu ber vi den skapa en enkel app:

Jag vill ha en app i HTML, CSS och JavaScript där jag kan skapa en uppgiftslista, markera uppgifter som klara och ta bort dem. Spara uppgifterna i webbläsarens lokala lagring så att de inte försvinner när sidan laddas om. Gränssnittet ska vara responsivt och fungera på mobil och dator. Använd separata filer och undvik onödiga ramverk eller beroenden. Skapa också en README med instruktioner för att köra appen.

Codex analyserar kraven och skapar motsvarande filer.

När det är klart kontrollerar vi vad den har skapat. I ett sådant projekt kan strukturen vara så här enkel:

mi-primera-app/

├── index.html

├── style.css

├── script.js

└── README.md

Om vi inte har några beroenden eller byggsteg kan vi öppna HTML-filen direkt i webbläsaren.

För ett test som mer liknar en riktig server kan vi också använda Python, som normalt finns i Linux Mint:

python3 -m http.server 8000

Sedan öppnar vi:

http://localhost:8000

Vi kontrollerar att det går att skapa, slutföra och ta bort uppgifter och att de finns kvar när sidan uppdateras.

Vi stoppar servern med Ctrl + C i terminalen.

Steg 12. Skapa ett kodförråd på GitHub

När appen fungerar lokalt sparar vi dess första version.

Vi kan be Codex att förbereda Git och en .gitignore-fil, men skapandet av kodförrådet ska ske först efter vårt godkännande.

Vi kan också göra det manuellt:

Från projektmappen:

git init

Vi lägger till filerna:

git add .

Vi gör vår första commit:

git commit -m "Primera version funcional"

Och skapar ett privat kodförråd på GitHub:

gh repo create mi-primera-app –private –source=. –remote=origin –push

Kommandot skapar fjärrförrådet, ansluter mappen och laddar upp den första versionen.

Från och med nu sparar GitHub historiken över ändringar vi publicerar.

Innan vi laddar upp riktig kod måste vi alltid kontrollera att .gitignore utesluter känsliga filer, inloggningsuppgifter och kataloger som inte ska versionshanteras.

Steg 13. Publicera projektet på Railway

Nu kontrollerar vi att GitHub kan användas som källa för koden som distribueras.

Vi går själva in på Railways kontrollpanel och skapar ett nytt projekt.

Vi väljer Deploy from GitHub Repo, godkänner GitHub-åtkomst om det inte redan är gjort och väljer vårt kodförråd.

Railway har ett byggsystem som heter Railpack och känner igen statiska HTML-projekt.

Därför behöver vi inte be Codex skapa en Node.js-server eller en package.json bara för att publicera vår lilla app..

Railway analyserar kodförrådet och förbereder distributionen.

Om processen misslyckas granskar vi loggarna och filstrukturen innan vi ändrar något.

När appen är publicerad går vi till tjänstens nätverksinställningar och skapar en offentlig domän.

Vi öppnar adressen i webbläsaren.

Om uppgiftslistan fungerar på internet har vi slutfört vår första distribution.

Steg 14. Kontrollera att GitHub och Railway är anslutna

Ett viktigt test återstår.

Att appen visas på Railway bevisar att vi publicerat en version, men vi vill också försäkra oss om att senare ändringar som skickas till GitHub publiceras korrekt..

Vi går tillbaka till projektet och startar Codex:

codex

Vi ber den:

Lägg till en knapp i appen som tar bort alla slutförda uppgifter. Behåll den nuvarande designen, kontrollera att funktionen fungerar och gör ingen distribution. Jag vill granska ändringarna innan de sparas i Git.

Vi testar den nya funktionen lokalt.

När vi har kontrollerat att den fungerar sparar vi ändringarna:

git add .

git commit -m "Añadir limpieza de tareas completadas"

git push

Om automatisk distribution från den grenen är aktiverad i Railway upptäcker tjänsten den nya commiten och skapar en ny version.

Vi kontrollerar att distributionen slutförs och öppnar sedan den offentliga appen igen.

Om den nya knappen syns och fungerar har vi verifierat hela kedjan: Linux > Codex > Git > GitHub > Railway.

Det är ett mycket tillförlitligare test än att bara ge Codex den offentliga URL:en och fråga om allt är anslutet.

Steg 15. Be Antigravity göra en granskning

Nu har vi en utvecklad och publicerad app.

Nu kommer vår andra agent in i testet. Här gör vi det för att testa att allt fungerar, men jag kan redan säga att med riktig programvara och inte bara testprojekt görs granskningen INNAN vi utvecklar något och innan vi skickar något till produktion.

Vi öppnar terminalen i projektmappen och kör:

agy

Vi ger den tydliga instruktioner:

Agera som oberoende teknisk granskare. Granska den här appen och kontrollera att den uppfyller sina funktionella krav. Leta efter JavaScript-fel, säkerhetsproblem, brister i tillgänglighet och responsiv design samt möjliga fel i den lokala lagringen. Granska även kodförrådets struktur och om det är korrekt förberett för Railway. Ändra inga filer. Leverera en rapport sorterad efter allvarlighetsgrad, där du anger hur varje problem kan återskapas och vilken lösning du föreslår.

Granskaren ska läsa koden och om möjligt köra kontroller. Vi vill inte att den bara säger att allt ser bra ut.

Om den upptäcker fel återvänder vi till Codex, ger den rapporten och ber om nödvändiga rättelser.

Sedan upprepar vi testerna och granskningen.

I små projekt kan en granskning räcka. I viktigare projekt behövs automatiserade tester och ytterligare kontroller.

Det är det som kallas Loop-metoden..

Om vi använder Claude Code och Codex

Arbetsflödet är detsamma. Claude Code utvecklar projektet och Codex granskar ändringarna.

Vi kan starta Codex och använda dess interaktiva granskningsfunktion:

/review

Det specifika verktyget är inte det viktigaste. Det avgörande är att skilja på ansvarsområdena och att de upptäckta problemen är verkliga.

Nu har vi alltså en dator redo att bygga webbappar med ramverk som Astro eller till och med helt från grunden. 

I den här artikeln visar jag till exempel hur du kan skapa ditt företags webbplats med samma system. Eller till och med hela din digitala kanal för väldigt lite pengar..

Som du märker använder de webbplatserna ingen databas, därför har vi inte installerat någon i den här guiden. Om vi behöver en kan vi använda Convex eller Supabase. Det sparar jag till en annan artikel.

Du kanske också vill använda systemet för att utveckla med WordPress, som jag gör. Läs då vidare.

Steg 16 (valfritt). Installera LocalWP och förbered för WordPress

Till sist installerar vi LocalWP.

Med verktyget kan vi köra WordPress på datorn, med webbserver, PHP och databas, utan att behöva publicera ändringar på en riktig webbplats.

Vi laddar ner det officiella Linux-installationsprogrammet från:

Releases

Vi väljer den .deb-version som är kompatibel med Ubuntu, Debian och Linux Mint.

När filen är nedladdad kan vi öppna den med det grafiska installationsprogrammet eller köra följande från nedladdningsmappen:

sudo apt install ./nombre-del-archivo.deb

Vi ersätter exempelnamnet med namnet på den fil vi faktiskt laddat ner.

Sedan startar vi LocalWP från programmenyn och kontrollerar att det öppnas korrekt.

I den här artikeln förklarar jag sedan Hur man klonar en WordPress-webbplats med Local WP och här hur man optimerar det i Windows..

I en senare artikel om vibe coding för WordPress går jag igenom systemet och arbetsflödet jag använder:

• Hur jag definierar funktionerna.
• Hur jag avgör om jag ska skapa ett plugin eller lägga allt i barntemats filer.
• Vilka filer jag versionshanterar.
• Vad som lämnas utanför GitHub.
• Hur jag testar.
• Hur jag publicerar på ett webbhotell som inte är Railway (Webempresa i mitt fall).

Som du ser finns det mycket att ta upp.

Innan vi avslutar vill jag tipsa om ytterligare ett verktyg som kan vara användbart ibland.

Valfritt: använd röstdiktering för instruktioner

En fördel med AI-agenter är att vi kan beskriva funktioner med vanligt språk. Därför kan det vara intressant att använda dikteringsverktyg.

Jag använder det själv när funktionen jag vill bygga är omfattande och det är lättare att förklara den muntligt så att transkriberingen visas direkt i terminalen.

Whisper och verktyg som kör det lokalt gör den här sortens diktering möjlig. På Linux kan du till exempel använda OpenWhispr eller Handy..

Det är inget oumbärligt verktyg. Du kan lägga till det senare om det verkar användbart.

Slutsats: vår dator är redo för vibe coding

Nu har vi avslutat den första delen av processen.

Vi har Linux Mint igång, Git och Node.js installerade, två AI-agenter tillgängliga, GitHub anslutet och Railway redo att publicera appar.

Och viktigast av allt: vi har genomfört ett helt test där en AI skriver kod, vi kontrollerar den, laddar upp den till GitHub, publicerar den på Railway och låter en andra agent granska resultatet.

Det är grunden för det system jag vill använda.

Jag försöker inte ersätta traditionell programmering med en rad improviserade instruktioner. Målet är att använda artificiell intelligens för att utveckla snabbare, men behålla kontrollen över krav, versioner och resultat.

I nästa artikel tar vi oss an den mest intressanta delen: hur du organiserar ett vibe coding-projekt med Linear, definierar krav, fördelar arbetet mellan utvecklaren och granskaren och skapar ett arbetssätt som går att upprepa..

Sedan använder vi samma system för WordPress med LocalWP, GitHub och Webempresa.

Och det är då vi börjar se hur långt vi kan komma med AI-utveckling utan att behöva skriva varje rad kod själva.