Hemma i Göteborg ligger jag på sofflocket med datorn i knät och skriver den här texten. Denna gång har jag hjälp av min nya AI-assistent. Det i sig är inte något särskilt märkligt påstående idag. Fyra av tio i Sverige använder sig av generativ AI, enligt undersökningen Svenskarna och Internet. Miljontals människor använder ChatGPT, Gemini, Copilot, Claude och andra AI-verktyg varje dag för att skriva, bearbeta, översätta eller sammanfatta text.
Men idag jag gör något som är rätt så annorlunda. Jag använder inte en AI-tjänst i webbläsaren, där jag skriver in text och får svar tillbaka i en sökmotorliknande ruta. Istället arbetar jag i ett terminalfönster i datorn, där AI-assistenten inte bara kan generera text, utan också har tillgång till de filer jag ger den rättighet att använda. Det betyder att den kan läsa mina filer, skapa nya dokument, köra kommandon och integrera med externa tjänster i datorn, eller för den delen på internet. När jag ger den tillgång till en större mängd data, exempelvis texter jag skrivit tidigare eller anteckningar från ett möte, blir det möjligt för den att bättre förstå hur jag organiserar och använder information. AI-assistenten har också tillgång till andra AI-assistenter som den kan delegera uppgifter till. Dessa är i sin tur specialiserade experter beroende på vad jag behöver. En assistent är bra på att språkgranska utifrån språkrådets riktlinjer. En annan är bra på att söka efter vetenskapliga artiklar. En tredje är skapad för att kunna felsöka om någinting inte fungerar. De kan arbeta tillsammans, både parallellt och i sekvens och lösa mer komplexa uppgifter på kortare tid. Det kan till exempel handla om att jag letar efter specifika texter inom ett visst område, som AI-assistenterna letar efter, sammanställer information om och redovisar, samtidigt som jag själv skriver och tänker.
Verktyget jag använder heter Claude Code. Till skillnad från ChatGPT eller standardversionen av Claude som körs i en webbläsare, är Claude Code en terminalbaserad applikation som integreras med din utvecklingsmiljö. En utvecklingsmiljö, eller ett IDE (Integrated Development Environment), är den programvara som programmerare använder för att skriva kod. Tänk Microsoft Word, fast för kod istället för text. Claude Code kan läsa hela din kodbas, förstå projektstrukturen, göra ändringar i flera filer samtidigt, köra tester och till och med interagera med versionshanteringssystem som Git. Skillnaden mot en chatbot i webbläsaren är stor. En chatbot kan ge dig förslag som du sedan måste kopiera och klistra in manuellt. Claude Code kan utföra arbetet direkt i dina filer, medan du ser förändringarna ske i realtid. Claude Code är ursprungligen designat för just programmering. Men jag använder det inte till det. I alla fall inte primärt. Mitt användningsområde är text. Att söka, organisera, sammanställa, bearbeta och systematisera. En genuin assistentfunktion som förbereder, administrerar och organiserar.
Jag kom att bli nyfiken på Claude Code redan när tjänsten dök upp, men jag såg ingen direkt användning av det. Det som var startpunkten för mig att skapa min AI-assistent Ogmios, var Daniel Miesslers tankar om personlig AI-infrastruktur.
Daniel Miessler är en amerikansk cybersäkerhetskonsult och författare som under 2024 började dela med sig av sin resa för att bygga det han kallar Kai, en komplett infrastruktur för personliga AI-assistenter. Miesslers grundtes är enkel. “Systemet, orkesteringen och strukturen är långt viktigare än modellens intelligens.” En väl designad systemarkitektur med en genomsnittlig AI-modell slår en bättre modell i ett kaotiskt eller svårnavigerat informationssystem. Man behöver inte nödvändigtvis ha tillgång till den senaste och största språkmodellen. Det är mer viktigt att organisera kontexten för AI-modellen så att den alltid har exakt rätt information vid rätt tidpunkt.
Kärnan i Miesslers system är någonting han kallar för “Universal File-based Context”, eller UFC. Istället för att försöka tränga in all information i en prompt, eller att förlita sig på AIns kontextfönster, eller närminne om man såär, metodologier där, minnesanteckningar i en annan mapp. Varje fil är anpassad i längd för att bli lätt att bearbeta. Den är skriven med hjälp av markdown, ett slags enkelare programmeringsspråk för att kunna hantera formatering av text i en vanlig textfil. Varje fil har också ett särskilt format på sin inledning för att rikta språkmodellen till att ta del av det centrala innehållet i texten. När AI-assistenten får en uppgift laddar systemet automatiskt relevanta kontextfiler baserat på vad användaren behöver. Det är filsystemet som ÄR kontextsystemet. Inget minne som glöms mellan sessioner. Ingen kunskap som försvinner. Varje problem löses en gång, dokumenteras, och blir sedan en modul som kan återanvändas igen om man vill. Systemet bygger på små strukturer som sätts samman till en större helhet.
När jag upptäckte Miesslers arbete insåg jag att det var intressant också för mig, och skulle kunna passa in på mina arbetssätt och metoder. Men Kai, som Miesslers AI kallas, var byggt för hans kontext. Den är amerikansk, engelskspråkig och fokuserad på cybersäkerhet och för att skapa content för internet. Jag behövde något liknande, fast anpassat för mitt sätt att arbeta och för mina syften. Jag ville ha ett tvåspråkigt system som fungerar på svenska och engelska. Jag vill kunna koppla ihop systemet till min referensdatabas av forskning, den ska kunna hantera akademiska sökningar, den ska förstå arbetssätt och metoder i offentlig sektor, ledning och styrning, digital transformation och mer därtill. Jag vill också att den ska förstå mitt sätt att anteckna på, så att den till exempel kan hjälpa mig att skapa rätt metadata på anteckningar jag skriver, så att jag hittar dem, och så att de kan länka samman med varandra.
Så föddes Ogmios. Namnet kommer från den keltiska guden för vältalighet och lärdom. Det kändes passande för en AI-assistent som ska hjälpa till med kommunikation och att organisera kunskap. Jag tog Miesslers grundstruktur och byggde vidare med komponenter som passar min vardag. Det viktigaste var att skapa färdigheter, eller skills, specialiserade AI-experter med specifika kompetensområden designade för mina syften.
Jag har skapat ett litet team av AI-assistenter som Ogmios hanterar. Jag har en specialist på att hantera information. Den är metodisk och har tillgång till en större mängd anteckningar från min forskning som jag har i något jag kallar för Arkivet. Det är mitt Obsidian-baserade Zettelkasten-system där jag använder atomära anteckningar. Obsidian är en mjukvara för att organisera anteckningar lokalt på ens egen dator, och Zettelkasten är en metod för att göra det. Små, fokuserade anteckningar om enskilda koncept som länkas samman i ett nätverk av tankar. Denna AI-specialist vet hur mina anteckningar är organiserade, hur mina mallar ser ut, och hur jag gör för att skapa nya anteckningar innan de integreras i systemet. När jag säger “ge förslag på hur jag kan förbättra denna anteckning”, så läser assistenten först in mina mallar, kollar om jag redan har relaterade anteckningar, och föreslår sedan förbättringar på den text jag för tillfället skriver på. Den pekar mig i riktningen till sådant jag skrivit tidigare i samma ämne, föreslår metadata och ger förslag på tillgängliga källor.
En annan assistent i Ogmios team är en språkgranskare. När jag skriver artiklar, texter, protokoll och promemorior på svenska, så tar denna assistent vid. Den känner till svenska konventioner, förstår hur svensk prosa ska struktureras, och kan navigera skillnaden mellan formellt akademiskt språk och mer lättillgänglig samhällsdebatt. Den är också anpassad för hur jag brukar vilja skriva för min del, och känner igen min stil. Ytterligare en assistent är en forskningsbibliotekarie, som har tillgång till forskningsdatabaser och kan söka litteratur, analysera akademiska artiklar, och integrera med mitt forskningsprogram Zotero, där jag har mina referenser lagrade. Med dessa assistenter får jag förslag på förbättringar i texter, får hjälp med att hitta vetenskapliga artiklar ur mitt referensbibliotek, och jag får hjälp med att få ordning på formatering av referenser i mina referenslistor. För att nämna några områden.
Utöver dessa assistenter har jag ett 15-tal till, alla med olika arbetsuppgfiter, specialiserade på allt från användarvänlighet, att bearbeta mjukvara eller programmera och så vidare.
Flera av assistenterna har tillgång till tjänster på internet. Ihoppkopplingar genom det som kallas för MCP, eller Model Context Protocol. Med hjälp av den tekniken kan Ogmios integrera med externa tjänster. Så när en specifik AI-specialist i Ogmios team behöver söka i min Zotero-databas med referenser, så gör den det direkt genom Zotero MCP. När jag behöver publicera något på Github, så finns en annan MCP för det. Systemet kan växa med nya integrationer när jag behöver dem.
Jag har använt mig av Zettelkasten-metoden för att skriva anteckningar i många år nu. Att skapa små atomära anteckningar som länkas samman för att skapa en större sammanhållen helhet, som jag sedan kan upptäcka mönster genom. Niklas Luhmann, den tyske sociologen som utvecklade metoden, skapade över 90 000 anteckningar, manuellt på indexkort, under sin karriär och publicerade omkring 70 böcker. Tanken är att varje anteckning är en tanke, varje länk en koppling, och ur detta nätverk växer insikter fram organiskt. Jag gör något snarlikt med hjälp av mjukvaran Obsidian, fast digitalt. Artiklar eller minnesanteckningar blir till atomära anteckningar efterhand som jag läser och reflekterar. Deras sammankopplingar hjälper mig sedan när jag behöver återvända till information och förstå den i ett större sammanhang.
Ogmios förstår detta system, och bygger på en liknande teori. Systemet ser att när jag säger “redigera en anteckning”, betyder det inte bara att förbättra en textfil. Systemet förstår att det rör sig om en atomär anteckning med korrekt metadata enligt mina mallar, placerad i rätt mapp, taggad med status och ämnesområde, länkad till relevant ämnesområde, och med en språklig stil som passar in i mitt sätt att skriva. När jag sedan ber om att ge återkoppling på en krönika jag skrivit, så vet den att den ska läsa min stilguide, kolla tidigare krönikor för att förstå min röst, och sedan ge förslag på återkoppling som passar i den kontext som texten avser. Det gör återkoppling och feedback omedelbart mer relevant och användningsbar för mig.
Jag ville också ha röst i mitt system, jag hade sett hur Miessler utforskat detta. Ogmios har nu en integration med ljud-AI tjänsten ElevenLabs text-to-speech-system. Så när Ogmios slutför en uppgift hörs hans brittiska röst, “Knowledge management task complete”. “Engineering work done”. Jag ligger på sofflocket och pratar med min dator, som i sin tur pratar tillbaka till mig. Den berättar när den är klar med arbetsuppgifter som tar längre tid. Det innebär att jag kan göra annat medan den arbetar. Jag kan ställa frågor. Få svar. Delegera uppgifter. Höra när de är klara. Det blir som att ha ett team av assistenter, specialiserade på olika saker, som på olika sätt förstärker arbetet.
Med allt detta sagt, är det också viktigt att vara tydlig med systemets många begränsningar, för det är långt ifrån magi. AI har fel, ofta och systematiskt. Den söker svar baserat på sannolikhet och inte sanning, vilket skapar vissa begränsningar. Ogmios med hjälpredor kan råka hitta fel underlag, föreslå en åtgärd baserad på gammal information, eller missförstå mina instruktioner. De kan göra ett dåligt jobb och skapa oreda. Systemet är bara så bra som den kontext det får, och den kvalitetskontroll jag utför. I mitt sätt att använda Ogmios är det fortfarande jag som skriver, tänker, analyserar och beslutar. AIn förstärker och amplifierar min förmåga, men den ersätter den inte, och i ärlighetens namn är jag inte särskilt intresserad av det heller. Samtidigt är det lätt att bli lat av sådana här system, och det är ofta då de är som sämst. När jag försöker få den att göra något den egentligen inte är bra på, för att jag själv inte vill eller kan. Och framförallt det senare, är där AI-assistenter utgör den enskilt största risken. För när de får arbetsuppgifter att göra som man inte själv kan granska kvaliteten av, så ökar risken avsevärt för fel och brister.
Det finns också praktiska begränsningar. Ogmios behöver tillgång till Claude Code, vilket innebär att jag behöver ha en prenumeration på deras tjänst. Det är en betydande kostnad att ha denna tjänst. Samtidigt så ser jag hur mitt arbete effektiviseras, och hur jag lägger mindre arbetstid på vissa uppgifter, som direkt motiverar kostanden för mig. Att arbeta så här innebär också en viss teknisk förståelse, både för att sätta upp och för att arbeta med. Man måste kunna arbeta i terminal, förstå filstrukturer, och vara bekväm med att konfigurera system. Det underlättar om man hanterar att skriva i markdown, och att man har för vana att hantera digitala minnesanteckningar. I dagsläget är ett system som detta inte en färdig applikation eller tjänst. Det är inte något som går att ladda ner och komma igång med, utan en personlig infrastruktur som man bygger och anpassar. Det finns också många beroenden. I dagsläget på företaget Anthropics API, på ElevenLabs tjänster för röst, på externa MCP-tjänster. När något går ner, stannar delar av systemet. Genom dessa beroenden och externa tjänster så behöver också säkerhet och integritet hanteras. Som användare behöver du veta vilken information du ger tillgång till och inte.
Det pågår spännande utveckling av AI-tjänster för att kunna göra allt det jag nu gör lokalt, på en egen hårdvara. Nvidia lanserade nyligen DGX Spark, en skrivbordsdator i storleken av en Mac Mini men som klarar av att hantera enastående stora språkmodeller. Mitt nästa steg blir att utforska detta. Att kunna arbeta på detta sätt, oberoende av externa tjänster, är ett mycket stort värde.
Det har varit några spännande månader av utforskande. Det var en omvälvande sak att se generativ AI bli en del av mångas vardag när ChatGPT kom på allas läppar för några år sedan. Men för mig är nog den utveckling jag ser just nu mer intressant. Ogmios har verkligen potential för mig, en genuin förstärkning av arbete jag utför. Det är som att gå från att vara soloforskare till att ha ett litet forskningsteam av assistenter som kan bistå i olika former av vardagliga rutinarbeten, som alla bidrar till helheten. Från att skriva ensam till att ha redaktörer, faktakollar och översättare tillgängliga direkt. Från att leta referenser manuellt till att ha en forskningsbibliotekarie som känner till just mitt forksningsbibliotek.
Stora delar av det arbetet jag beskrivit ovan går att göra för den som vill. Jag har gjort min vidareutveckling av Daniel Miesslers AI-system, Ogmios, tillgängligt på Github som open source. Där finns dokumentation för att komma igång och för att bygga vidare på vad jag gjort. UFC-strukturen är beskriven, skills är definierade och agenter konfigurerade. För den som har tillgång till Claude Code och vill experimentera med en egen AI-assistent så är det bara att utforska. Mitt arbete är verkligen mitt i. Det jag delar är inte en färdig produkt eller tjänst, utan mer som en metod eller arkitektur för hur man kan skapa AI-assistenter för eget bruk.
När jag nu sparar den här krönikan kommer Ogmios att placera den i mappen Arkivet/Unsorted/, tagga den med status-pågående och därefter lägga till annan korrekt metadata enligt mina mallar. Den kommer om jag ber den att leta på lämpliga referenser jag nämnt och som jag sparat på sedan tidigare, och skapa en referenslista i slutet av texten för mig. Och när allt är klart och den är sparad så hör jag Ogmios röst, “Chronicle saved to the vault”.
Referenser
Anthropic. (2025). Claude Code: Autonomous coding assistant.
Heath, C. (2025). Ogmios: Personal AI Infrastructure [GitHub repository].
Miessler, D. (2025). Building a Personal AI Infrastructure (PAI). Daniel Miessler.
Miessler, D. (2025). Personal AI Infrastructure [GitHub repository].
Leave a Reply