Progressive Disclosure

Hvad er progressive disclosure?

Progressive disclosure er et designprincip der præsenterer information i lag: det vigtigste først, detaljer kun når de er relevante. Princippet stammer fra UX-design, men bruges nu bredt i AI-agent-arkitektur til at styre hvordan agenter modtager instruktioner og kontekst.

Vil du bruge det i en skill? Se kapitlet om at give Claude viden i lag. Det viser, hvordan du deler indholdet op.

I AI-kontekst løser progressive disclosure et konkret problem: jo mere information du fylder i en agents kontekstvindue, jo dårligere bliver resultaterne. Det lyder bagvendt, men det er veldokumenteret. En agent med 50.000 tokens kontekst præsterer dårligere end en agent med 5.000 relevante tokens.

De tre lag i Claude Code Skills

I Claude Code Skills implementeres progressive disclosure i tre lag:

Lag 1: YAML frontmatter (~100 tokens)

---
name: ugentlig-rapport
description: "Genererer ugentlig status til teamet. Brug når bruger nævner 'rapport', 'ugentlig status' eller 'weekly update'."
---

Frontmatter er altid synligt for Claude. Når en ny session starter, scanner Claude alle tilgængelige skills via deres frontmatter. Det er kun name og description der bruges til at afgøre om en skill er relevant. Dette lag koster ~100 tokens per skill.

Lag 2: SKILL.md body (<5.000 tokens)

Når Claude beslutter at aktivere en skill, indlæses body-teksten i SKILL.md. Her står de fulde instruktioner: hvad skillen skal gøre, hvilke trin der skal følges, og hvilke fejl der skal undgås.

En velskrevet body holder sig under 2.000 tokens. Det er nok til klare instruktioner uden at overbelaste konteksten.

Lag 3: Linkede filer (on-demand)

.claude/skills/ugentlig-rapport/
├── SKILL.md              ← lag 1 + 2
├── references/
│   ├── rapport-format.md ← lag 3 (kun læst ved behov)
│   └── kpi-definitioner.md
├── templates/
│   └── ugentlig-template.md
└── scripts/
    └── hent-data.py

De linkede filer indlæses kun når Claude vurderer at de er relevante for den aktuelle opgave. Filer i references/ læses for ekstra kontekst. Filer i templates/ bruges som udgangspunkt for output. Filer i scripts/ køres som værktøjer.

Thariq Shihipar fra Anthropic beskriver det sådan: “Tænk på hele filsystemet som en form for context engineering og progressive disclosure. Fortæl Claude hvilke filer der eksisterer i din skill, og den vil læse dem på passende tidspunkter.”

Token-besparelsen i praksis

Uden progressive disclosure ville al information fra en skill fyldes i konteksten ved aktivering. For en typisk skill med referencer og templates kan det betyde 12.000-15.000 tokens.

Med progressive disclosure:

Den reelle besparelse afhænger af opgaven. Hvis Claude kun har brug for instruktionerne (lag 1+2), sparer du 80-90% af tokens. Hvis den også har brug for en reference-fil, bruger den stadig langt mindre end hvis alt var indlæst fra start.

Flere kilder rapporterer 60-96% reduktion i tokenforbrug med progressive disclosure sammenlignet med at dumpe alt i konteksten.

Progressive disclosure uden for skills

Princippet rækker ud over skills:

1. CLAUDE.md-filer. Hold din CLAUDE.md kort og fokuseret. Detaljeret dokumentation hører i separate filer som agenten kan læse ved behov.
2. Prompt-design. Giv agenten den information den har brug for til at starte. Lad den spørge eller slå op når den har brug for mere.
3. MCP-servere. En MCP-server er i sig selv progressive disclosure: agenten ved at værktøjet eksisterer (lag 1), men henter først data når den har brug for det (lag 3).

Hvornår det ikke virker

Progressive disclosure forudsætter at agenten kan vurdere hvornår den har brug for mere information. Det fungerer godt for veldefinerede opgaver med klare triggere. Det fungerer dårligere for helt nye opgaver hvor agenten ikke ved hvad den ikke ved.

I de tilfælde kan det være bedre at give mere kontekst upfront og acceptere det højere tokenforbrug.

Fra UX til AI

Begrebet blev populariseret af Jakob Nielsen i 1990’erne som et princip for brugergrænseflader: vis kun det brugeren har brug for, skjul kompleksiteten. Samme princip, bare anvendt på en AI-agent i stedet for et menneske. Agenten er brugeren. Filsystemet er grænsefladen. Og tokens er den knappe ressource.

Læs hos kilden

Anthropic om viden i lag i Agent Skills.