Jeg åpnet terminalen, limte inn en GitHub-URL, og sa til Gemini: «Jeg skulle hatt installert denne extensionen.» Fem sekunder senere svarte AI-en: «Jeg skal installere conductor-utvidelsen for deg.» Og den gjorde det. Uten at jeg trengte å kjøre en eneste kommando.
Dette er meta. Jeg bruker AI til å installere AI-verktøy som skal gjøre AI-en bedre til å kode. Tenk på det.
Men la meg backe litt. Hva er egentlig Gemini Conductor? Og hvorfor skulle du bry deg?
Google lanserte Conductor 17. desember 2025 – for ni dager siden. Dette er deres svar på det største problemet med AI-assistert koding: AI-en glemmer alt mellom økter.
Du ber AI skrive kode. Det ser bra ut. Dagen etter åpner du prosjektet igjen og AI har glemt hva det handler om. Tech stack? Borte. Kodestandarder? Nullstilt. Produktvisjonen? AI har ingen anelse. Du må starte på nytt, gjenta kontekst, og håpe AI husker det denne gangen.
Det er «vibe coding» – improvisasjon uten hukommelse. Og det funker ikke i produksjon.
«Installer dette» – AI som installerer AI
La meg først fortelle hvordan jeg fikk tak i Conductor. Fordi det sier mye om hvor langt vi har kommet.
Jeg hadde lest om Conductor på Google Developers Blog. Tenkte «dette må jeg teste.» Åpnet terminalen, startet Gemini CLI, og limte inn GitHub-URL-en: https://github.com/gemini-cli-extensions/conductor
I stedet for å kjøre installsjonskommandoen manuelt, sa jeg bare: «Hei, jeg skulle hatt installert denne extensionen.»
Gemini svarte umiddelbart: «Jeg skal installere conductor-utvidelsen for deg.» Og så gjorde den det.
Ingen kommandoer. Ingen flags. Ingen feilsøking. AI-en leste URL-en, forsto hva jeg ville, og installerte verktøyet.
Dette er fremtiden – AI som konfigurerer seg selv for å bli bedre til å hjelpe deg. Meta-automatisering. Og ja, jeg vet hva du tenker – dette høres sprøtt ut. Men det fungerte.
Problemet: Vibe coding er dødt
Før vi snakker om løsningen, må vi forstå problemet.
«Vibe coding» er et begrep som har dukket opp i utviklermiljøet det siste året. Det betyr å kode med AI basert på følelser og improvisasjon i stedet for struktur. Du chatter med AI, ber om features, og håper det går bra.
Problemet?
AI-chat-historikk er flyktig. Når du logger ut, når du starter en ny tråd, når kontekstvinduet fylles opp – alt AI visste om prosjektet forsvinner.
Du må gjenta deg selv. «Dette er et Next.js-prosjekt. Vi bruker TypeScript. Vi følger Airbnb style guide. Nei, ikke den komponenten – den andre.»
Hver gang.
For prototyper? Greit nok. Men for virkelige prosjekter med team, deadlines, og kode som skal vedlikeholdes i årevis? Det funker ikke.
Google så dette problemet. Og de bygde Conductor for å løse det.
Løsningen: Conductor og permanent hukommelse
Gemini Conductor endrer hvordan AI-koding fungerer.
I stedet for å stole på chat-historikk, lagrer Conductor all prosjektinformasjon i permanente markdown-filer direkte i repo-et ditt.
Dette betyr:
- Produktvisjon lever i
conductor/product.md - Tech stack dokumenteres i
conductor/tech-stack.md - Kodestandarder ligger i
conductor/code_styleguides/ - Feature-specs lagres i
conductor/tracks/001/spec.md
Alt dette commites til Git sammen med koden. Når du (eller et annet teammedlem, eller AI-en om seks måneder) åpner prosjektet igjen, er konteksten der. Permanent. Versjonert. Delt.
Dette er ikke bare praktisk – det er et paradigmeskifte. Fra «AI som chatbot» til «AI som teammedlem med felles hukommelse.»
Google kaller det context-driven development. Jeg kaller det: endelig noe som gir mening.
Hvordan det fungerer – De tre fasene
Conductor jobber i tre faser. Hver fase har sitt formål, sine filer, og sine kommandoer.
Phase 1: Setup
Du kjører /conductor:setup én gang per prosjekt. Dette setter opp grunnmuren.
Conductor stiller spørsmål: Hva er produktet? Hvilke teknologier bruker du? Hvilken utviklingsprosess følger dere? TDD? Test-after? Prototype-first?
Basert på svarene dine genererer den disse filene:
product.md– Hva bygger vi, og hvorfor?tech-stack.md– Next.js, TypeScript, PostgreSQL, osv.workflow.md– Hvordan jobber vi? Test først, eller kode først?code_styleguides/– Python-standarder, TypeScript-regler, etc.
Alt lagres i en conductor/-mappe i repo-et. Committes til Git. Blir en del av prosjektet.
Phase 2: Plan
Du vil legge til en ny feature? Kjør /conductor:newTrack "Add user authentication with OAuth2".
Conductor genererer to kritiske filer:
spec.md– Detaljerte krav. Hva skal skje? Hvilke edge cases finnes?plan.md– Steg-for-steg oppgaveliste. Task 1, Task 2, Task 3.
Her er det viktige: Du får reviewe planen før AI skriver en eneste linje kode.
Ikke bra nok? Juster spec-en. AI genererer ny plan. Iterér til det ser riktig ut.
Dette er motsatsen av vibe coding. Du planlegger før du implementerer. Som i virkelig programvareutvikling.
Phase 3: Implement
Når planen er godkjent, kjører du /conductor:implement.
AI jobber seg gjennom plan.md, task for task. Den krysser av oppgaver etter hvert som de fullføres. Den følger workflow-reglene fra setup-fasen (hvis du sa TDD, skriver den tester først).
Og her er det smarte: Checkpoints.
AI stopper på kritiske punkter og ber om menneskelig godkjenning. «Jeg har fullført database-migreringen. Skal jeg fortsette med API-endpointene?»
Du kan også reverter. /conductor:revert lar deg angre arbeid på track-nivå, fase-nivå, eller task-nivå. Alt er Git-basert.
Hvem er dette for?
Conductor er ikke for alle. La meg være ærlig her.
Hvis du skriver en engangskript eller prototyper noe raskt? Vibe coding er fortsatt raskere. Åpne Claude, skriv «lag en web scraper for X», og ferdig.
Men hvis du:
- Bygger et produkt som skal vedlikeholdes – Over måneder eller år
- Jobber i team – Andre må forstå hva AI har gjort (og hvorfor)
- Har brownfield-prosjekter – Eksisterende kodebase som trenger modernisering
- Vil at AI-investeringen skal vare – Ikke miste kontekst hver gang du starter en ny chat
Da gir Conductor mening.
Dette er spesielt relevant for norske SMB-er. Små team hvor én person har mye domain knowledge. «Truck factor»-problemet – hva skjer hvis den ene som vet alt slutter?
Med Conductor lever kunnskapen i repo-et. Onboarding blir enklere. Nye utviklere (eller nye AI-assistenter) får umiddelbar tilgang til prosjektets retningslinjer.
Og ja, det er gratis. Open source. Du betaler kun for Gemini API-bruk (som du uansett gjør hvis du bruker Gemini CLI).
Er dette fremtiden for AI-koding?
Jeg tror det.
Men ikke fordi Conductor er perfekt. Det er v0.1.1 – lansert for ni dager siden. Det kommer bugs. Det kommer mangler. Det kommer konkurranse.
Jeg tror det fordi ideen er riktig.
AI-koding går fra eksperiment til produksjon. Fra prototyper til virkelige produkter. Og virkelige produkter trenger struktur, dokumentasjon, og hukommelse som varer lenger enn en chat-tråd.
Context-driven development er det logiske neste steget. Conductor er Googles implementasjon av det. Men andre kommer også. Cursor vil bygge noe lignende. Claude vil bygge noe lignende. Dette blir standarden.
Så ja – jeg installerte et AI-verktøy ved å si til AI-en «installer dette.» Og AI-en gjorde det.
Det høres kanskje rart ut. Men det er hvor vi er nå. AI som konfigurerer seg selv for å bli bedre. Og jeg synes det er fascinerende.
Hva tenker du? Er context-driven development noe du vil teste? Eller holder du deg til vibe coding litt til?
