{"id":1186,"date":"2026-04-10T10:48:52","date_gmt":"2026-04-10T08:48:52","guid":{"rendered":"https:\/\/vittrup-graversen.dk\/?p=1186"},"modified":"2026-04-10T10:48:52","modified_gmt":"2026-04-10T08:48:52","slug":"bugbot-learned-rules-nu-begynder-ai-kodereview-faktisk-at-laere-af-dit-team","status":"publish","type":"post","link":"https:\/\/vittrup-graversen.dk\/index.php\/2026\/04\/10\/bugbot-learned-rules-nu-begynder-ai-kodereview-faktisk-at-laere-af-dit-team\/","title":{"rendered":"Bugbot learned rules: Nu begynder AI-kodereview faktisk at l\u00e6re af dit team"},"content":{"rendered":"\n

Cursor har lanceret Bugbot learned rules<\/a>, en ny funktion der g\u00f8r deres AI-baserede code review mindre generisk og mere lokalt tilpasset. Sammen med den nye MCP-support til Bugbot<\/a> er det faktisk en ret vigtig nyhed, hvis man arbejder seri\u00f8st med pull requests, review-flows og agentisk udvikling. Det interessante er ikke bare, at endnu en coding-agent er blevet bedre. Det interessante er, at review-agenten nu begynder at l\u00e6re af, hvordan netop dit team reagerer p\u00e5 dens kommentarer.<\/p>\n\n\n\n

Det flytter AI-kodereview et hak op i modenhed. Hidtil har mange teams oplevet, at AI-review enten er imponerende eller irriterende, men ofte begge dele p\u00e5 samme tid. Den finder ting hurtigt, men den mangler fornemmelse for kodebasens lokale normer, historiske kompromiser og de fejlm\u00f8nstre, som netop jeres system er s\u00e5rbart overfor. Med Bugbot learned rules pr\u00f8ver Cursor at l\u00f8se pr\u00e6cis det problem.<\/p>\n\n\n\n

Fra statisk AI-review til feedback-loop<\/h2>\n\n\n\n

If\u00f8lge Cursor blev Bugbot lanceret ud af beta i juli 2025, og dengang blev 52 procent af de fejl, v\u00e6rkt\u00f8jet markerede, faktisk rettet inden pull requestet blev merged. I den nye annoncering siger Cursor, at v\u00e6rkt\u00f8jets s\u00e5kaldte resolution rate nu er steget til 78,13 procent, m\u00e5lt p\u00e5 50.310 analyserede pull requests i offentlige repositories. Til sammenligning angiver Cursor selv Greptile til 63,49 procent, CodeRabbit til 48,96 procent, GitHub Copilot til 46,69 procent, Codex til 45,07 procent og Gemini Code Assist til 30,93 procent.<\/p>\n\n\n\n

De tal skal selvf\u00f8lgelig l\u00e6ses med det s\u00e6dvanlige forbehold: benchmarken kommer fra leverand\u00f8ren selv, og Cursor skriver ogs\u00e5, at de brugte en LLM judge til at afg\u00f8re, om en kommentar blev adresseret f\u00f8r merge. Men selv med det forbehold er retningen vigtig. Cursor fors\u00f8ger ikke l\u00e6ngere kun at g\u00f8re modellen generelt klogere. De bygger et system, hvor review-agenten l\u00e6rer af produktionen.<\/p>\n\n\n\n

Det er kernen i Bugbot learned rules. Bugbot ser p\u00e5 tre typer signaler: reaktioner p\u00e5 dens kommentarer, svar fra udviklere og kommentarer fra menneskelige reviewers. De signaler bliver omsat til kandidatregler, som senere kan promoveres til aktive regler, hvis de viser sig nyttige over tid. Hvis en regel begynder at skabe negativt signal, kan den deaktiveres igen. Med andre ord: review-agenten g\u00e5r fra at v\u00e6re en statisk kommentarmaskine til at v\u00e6re et l\u00f8bende feedback-loop.<\/p>\n\n\n\n

Hvad det betyder i praksis for udviklere<\/h2>\n\n\n\n

For udviklere er det her mere interessant end endnu en modelopdatering, fordi \u00e6ndringen rammer direkte ind i den daglige workflow. N\u00e5r en AI-reviewer l\u00e6rer af, hvilke kommentarer der bliver accepteret, afvist eller omformuleret, kan den begynde at tale mere pr\u00e6cist ind i teamets reelle standarder. Det betyder potentielt f\u00e6rre st\u00f8jende kommentarer om petitesser og flere relevante fund om ting, som faktisk bliver rettet.<\/p>\n\n\n\n

I en travl pull request-str\u00f8m er det en stor forskel. Mange teams bruger allerede agenter til at skrive kode, s\u00e5dan som vi ogs\u00e5 har set med Cursor 3<\/a> og andre agent-first v\u00e6rkt\u00f8jer. Men n\u00e5r flere \u00e6ndringer bliver produceret hurtigere, bliver review-kapacitet pludselig den nye flaskehals. Derfor er det logisk, at n\u00e6ste b\u00f8lge ikke kun handler om at generere kode, men om at f\u00e5 review-laget til at skalere med.<\/p>\n\n\n\n

Bugbot learned rules peger mod en fremtid, hvor AI-review ikke bare checker generelle fejltyper, men ogs\u00e5 opdager m\u00f8nstre som er lokale for en given kodebase. Det kan v\u00e6re navngivningskonventioner, sikkerhedsregler, specifikke integrationskrav eller anti-patterns, som kun giver mening i netop jeres system. Her er v\u00e6rdien ikke bare bedre kommentarer, men kortere vej fra pull request til merge.<\/p>\n\n\n\n

Den nye MCP-support er ogs\u00e5 vigtig. MCP st\u00e5r for Model Context Protocol og g\u00f8r det muligt at give en agent adgang til eksterne v\u00e6rkt\u00f8jer og datakilder p\u00e5 en mere struktureret m\u00e5de. I Bugbots tilf\u00e6lde betyder det, at review-agenten kan f\u00e5 mere kontekst under review, uden at alt skal presses ind i en prompt eller hardcodes i regler. Det g\u00f8r review mere interessant i milj\u00f8er, hvor kode ikke kan forst\u00e5s isoleret, for eksempel n\u00e5r en \u00e6ndring afh\u00e6nger af interne API-kontrakter, policies eller runtime-data.<\/p>\n\n\n\n

Den rigtige gevinst, og den rigtige risiko<\/h2>\n\n\n\n

Den praktiske gevinst er ret enkel: Hvis en review-agent kan l\u00e6re af teamets faktiske adf\u00e6rd, s\u00e5 kan den blive mere brugbar uge for uge i stedet for kun ved n\u00e6ste model-release. Cursor oplyser, at mere end 110.000 repositories allerede har aktiveret learning i beta, og at det har skabt mere end 44.000 learned rules. Det er et tegn p\u00e5, at markedet bev\u00e6ger sig mod agenter, som ikke bare har en st\u00e6rk grundmodel, men ogs\u00e5 en lokal hukommelse om, hvad der virker i et konkret team.<\/p>\n\n\n\n

Men der er ogs\u00e5 en risiko. Hvis agenten l\u00e6rer af et teams eksisterende adf\u00e6rd, kan den lige s\u00e5 vel l\u00e6re d\u00e5rlige vaner, blinde vinkler og teknisk g\u00e6ld. Et team, der konsekvent ignorerer bestemte sikkerhedsadvarsler, kan i v\u00e6rste fald l\u00e6re agenten, at netop de advarsler ikke er vigtige. Derfor b\u00f8r Bugbot learned rules ikke ses som autopilot, men som et system der kr\u00e6ver governance. Nogen skal eje, hvilke signaler der er sunde at l\u00e6re af, og hvorn\u00e5r en lokal regel er nyttig kontra bare bekvem.<\/p>\n\n\n\n

Netop derfor er denne udvikling interessant i den bredere agentdebat. Vi har allerede set, hvordan platforme som Claude Managed Agents<\/a> flytter fokus fra enkeltst\u00e5ende modelkald til hele agent-systemer. Cursor g\u00f8r noget lignende i review-laget: v\u00e6rdien ligger ikke kun i modellen, men i sl\u00f8jfen mellem model, v\u00e6rkt\u00f8jer, feedback og arbejdsgange.<\/p>\n\n\n\n

Min vurdering er derfor, at Bugbot learned rules er vigtigere, end den korte changelog antyder. Ikke fordi funktionen alene revolutionerer code review, men fordi den viser, hvor markedet bev\u00e6ger sig hen. Den n\u00e6ste konkurrence mellem AI-v\u00e6rkt\u00f8jer for udviklere bliver ikke kun afgjort af, hvem der har den bedste model. Den bliver ogs\u00e5 afgjort af, hvem der bedst kan oms\u00e6tte teamets egne signaler til bedre agentadf\u00e6rd i den daglige udvikling.<\/p>\n\n\n\n

Kilder<\/h2>\n\n\n\n