Jeg har brugt Claude Code dagligt i et par måneder nu. Og en af de ting der virkelig løfter oplevelsen er at give Claude adgang til de rigtige GitHub repos.
Tænk dig om før du henter kode ind
Claude Code gør det nemt at klone et repo, læse kildekoden og bygge videre på andres arbejde. Men det er også en risiko, hvis du ikke tænker dig om.
Når du giver en AI-agent adgang til et repo, giver du den potentielt adgang til at køre kode, installere dependencies og interagere med eksterne services. Og ikke alle repos er bygget med gode intentioner.
Her er de ting du skal holde øje med:
Prompt injection. Et repo kan indeholde skjulte instruktioner i README-filer, kommentarer eller konfigurationsfiler der forsøger at manipulere AI-agenten til at gøre noget du ikke bad om. Det sker allerede i dag — og de fleste opdager det ikke.
Ondsindede dependencies. Et repo kan trække pakker ind via npm, pip (Pythons package manager) eller andre package managers der indeholder malware. Supply chain attacks er et voksende problem – og en AI-agent der ukritisk kører npm install gør det endnu nemmere at udnytte.
Ressourcemisbrug. Noget kode kan være designet til at overbelaste dit system eller misbruge API-nøgler. Cryptomining (dit system bruges til at mine kryptovaluta uden du ved det), DDoS eller bare et script der fylder din disk.
Min tommelfingerregel: Brug kun repos du kender, som har en aktiv community, og som du har kigget igennem først. Tjek stars, issues, hvem der vedligeholder det – og kig på koden, før du lader Claude køre den.
Lad Claude scanne repoet for dig
En ting jeg selv gør: før jeg installerer eller kører kode fra et nyt repo, beder jeg Claude Code om at scanne det først. Det kan se sådan ud:
git clone henter bare filerne — det er først ved npm install, pip install eller make at kode faktisk køres. Så du kan trygt klone og lade Claude læse alt igennem, før du beslutter om du vil installere. Claude fanger ting du let overser — kode der bevidst er gjort ulæselig, scripts der henter noget eksternt ved installation, eller instruktioner gemt i kommentarer.
Det er ikke en sikkerhedsgaranti. Claude kan overse ting, og sofistikerede angreb kan være svære at fange uanset hvem (eller hvad) der kigger. Men det er et ekstra lag ovenpå din egen vurdering — og det tager to minutter.*
*Disclaimer: Brug dette som ét tjek blandt flere, ikke som eneste sikkerhedsforanstaltning. Jeg tager ikke ansvar for kode du vælger at køre.
Med det på plads — her er fem repos jeg faktisk bruger og kan stå inde for.
1. LLM Wiki – Andrej Karpathy
Repo: karpathy/llm-wiki (gist) · ★ gist
Andrej Karpathy – ham fra Tesla’s autopilot og OpenAI – har lavet et koncept for personlige vidensbasiser vedligeholdt af LLM’er.
I stedet for at bruge RAG (Retrieval-Augmented Generation) til at søge i dine dokumenter, lader du en LLM bygge og vedligeholde en wiki i strukturerede markdown-filer. Når du tilføjer nye kilder, opdaterer LLM’en de relevante sider.
Det er tre lag: råkilder, en LLM-genereret wiki med index og et skemadokument der styrer strukturen. Der er operationer som “ingest” (tilføj kilde), “query” (søg) og “lint” (kvalitetstjek).
Hvorfor det er relevant: Jeg bruger en variant af denne tilgang til mit eget second brain i Obsidian. Min news scraper kører på en Raspberry Pi og leverer scorede nyheder – og konceptet bag LLM Wiki er grundlaget for, hvordan den viden bliver struktureret. Det er en markant bedre tilgang end at dumpe 500 artikler i et RAG-system og håbe det bedste.
2. LLMfit – AlexsJones
Repo: AlexsJones/llmfit · ★ 26.700+
LLMfit løser et meget konkret problem: hvilke AI-modeller kan faktisk køre på din hardware?
Værktøjet scanner din maskine – RAM, GPU, CPU – og scorer hundredvis af open source-modeller på, hvor godt de passer. Du får estimeret hastighed (tokens/sekund), hukommelsesforbrug og den bedste kvantisering for hver model.
Det har en interaktiv terminal-visning, en CLI til scripting og endda en REST API. Du kan også simulere anden hardware, så du kan teste om det er værd at opgradere, før du køber.
Hvorfor det er relevant: Når du overvejer at køre lokale modeller – til privatlivsfølsomme opgaver, offline brug eller bare for at spare API-omkostninger – er LLMfit det første skridt. I stedet for at gætte og downloade 15 modeller der ikke passer, får du svaret på to minutter.
Konkret eksempel: jeg brugte LLMfit til at finde ud af, at min Raspberry Pi kunne køre Gemma 3 men ikke Gemma 4. Uden LLMfit havde jeg brugt timer på at downloade modeller og teste manuelt – med LLMfit tog det to minutter at få svaret.
3. Firecrawl
Repo: firecrawl/firecrawl · ★ 124.300+
Firecrawl er en open source API der gør webscraping til noget en AI-agent faktisk kan bruge.
Det konverterer hjemmesider til ren markdown, struktureret JSON eller screenshots. Det kan crawle hele sites, interagere med sider (klik, scroll) og har en agent-funktion der selv finder og indsamler data uden at du behøver kende URL’erne på forhånd.
Vigtigt at vide: Firecrawl kræver en konto på firecrawl.dev. Der er en gratis plan med et fast antal sider, og derefter betaler du for forbruget.
Hvorfor det er relevant: De fleste AI-modeller har en indbygget “fetch”-funktion til at hente indhold fra en URL. Den fungerer okay til simple sider, men den mister ofte dynamisk indhold, JavaScript-renderet tekst og komplekse layouts. Firecrawl er i en helt anden liga – den får simpelthen fat i nærmest alt på en side. Når Claude Code skal researche et emne, sammenligne konkurrenter eller hente indhold fra en kilde, er forskellen mellem fetch og Firecrawl som nat og dag.
4. Gemini CLI – Google
Repo: google-gemini/gemini-cli · ★ 104.600+
Googles AI-agent direkte i terminalen. Gemini CLI kan læse, skrive og køre kode – ligesom Claude Code – men har nogle unikke styrker:
- Multimodal input: Du kan fodre den med lyd, video og billeder direkte. Har du en stemmeoptagelse eller et videomøde, kan Gemini CLI transskribere og analysere det uden ekstra værktøjer.
- Google Search grounding: Svarene kan forankres i live Google-søgninger, så du får opdateret information frem for ren modelgætning.
- 1M token context window: Gemini 2.5 Pro har et enormt kontekstvindue, hvilket gør den velegnet til at arbejde med store codebases eller lange dokumenter.
- MCP-support: Kan udvides med Model Context Protocol-servere, ligesom Claude Code.
Pris: Gratis med en Google-konto – op til 1.000 requests om dagen. Det dækker langt de fleste behov.
Vigtig note: Google har annonceret at Gemini CLI overgår til Antigravity CLI den 18. juni 2026. Funktionaliteten forbliver den samme, men navnet og platformen skifter.
5. Codex CLI – OpenAI
Repo: openai/codex · ★ 85.700+
OpenAIs svar på Claude Code. Codex CLI er en letvægts AI-agent i terminalen, skrevet i Rust, som kan læse, ændre og køre kode i dit projekt.
- Sandboxed execution: Kode køres i et isoleret miljø, så du har et ekstra sikkerhedsnet.
- Multi-model: Du kan skifte mellem GPT-modeller og justere reasoning-niveau efter behov.
- Fleksibel adgang: Virker med ChatGPT Plus/Pro-abonnement eller via API-nøgle.
- Bred integration: Udover terminalen findes der plugins til VS Code, Cursor og Windsurf.
Pris: Gratis at installere. Kører på dit eksisterende ChatGPT-abonnement eller API-forbrug.
Hvorfor det er relevant: Hvis du allerede betaler for ChatGPT, har du adgang til Codex CLI uden ekstra omkostninger. Det er et godt supplement – især hvis du vil sammenligne output fra forskellige AI-modeller på den samme opgave.
Listen vokser
Listen er ikke lukket – efterhånden som jeg finder flere repos der fungerer godt med Claude Code, opdaterer jeg denne artikel.
Det handler ikke om at samle flest mulige repos — det handler om at vælge de rigtige og bruge dem bevidst. Husk: hver gang du giver en AI-agent adgang til kode, tager du en tillids-beslutning. Tag den med åbne øjne.
Vil du have mere som dette?
Tilmeld dig AI Boost – praktiske AI-tips til produktfolk og designere, direkte i din indbakke.