Teach the Company gjør opplæring av en AI-agent synlig. I stedet for å gjemme kunnskapen i én lang samtale blir dokumenter, lenker, forklaringer og korrigeringer gjort om til versjonerte filer som et menneske kan lese og godkjenne.
Fra skjult prompting til et lesbart kunnskapsprodukt
En nyttig agent trenger mer enn en smart grunnmodell. Den trenger riktig kontekst, eksempler, prosedyrer, stoppregler og en måte å håndtere rettelser på. Teach the Company behandler dette som et eget produkt: læreren gir kilder og forklaringer, agenten stiller spørsmål, og resultatet blir filer med historikk.
Det er meta-intelligens i praktisk form. Systemet prøver ikke bare å svare; det organiserer hvordan en agent skal lære, kontrollere usikkerhet og forbedre sitt eget arbeidsgrunnlag.
Det som kan undersøkes offentlig
Den offentlige tjenesten viser skole, manualer og egenhostingsløp. Kilden inneholder applikasjon, migrasjoner, modelladaptere, tester, Docker-oppsett og en syntetisk sikkerhetslab. En fersk klone av den oppgitte commit-en besto prosjektets egen Compose-, bygge-, oppstarts- og helsekontroll.
Dette er prosjekteid verifikasjon, ikke en uavhengig sertifisering. Den viser at det dokumenterte utgangspunktet kan hentes og startes på nytt; den lover ikke at enhver modell eller ethvert fagområde automatisk gir gode svar.
En ferdig prompt må starte med den virkelige enheten
Det offentlige mikrokontrollerbiblioteket gjør samme metode konkret for elektronikk. Den første ferdige planleggingsprompten krever at brukeren bekrefter nøyaktig kort, modul, pinner, verktøykjede, strøm og elektriske grenser før agenten får gi endelige koblings-, kode- eller opplastingsinstruksjoner.
Eksemplet er referansekontrollert, men ikke maskinvareverifisert. Bygg og opplasting er ikke testet, ingen fysisk PASS påstås, og det finnes ingen prosjektvideo å vise til.
Hvorfor dette er en åpen del av Finnandre
Metoden skal kunne leses, kritiseres og bygges videre på. Den åpne kilden gjør det mulig å eie opplæringslaget selv, mens betalt arbeid kan handle om integrasjon, faglig struktur, sikkerhet, testing, drift og videreutvikling.
Teach the Company makes AI-agent training visible. Instead of hiding knowledge inside one long conversation, documents, links, explanations, and corrections become versioned files that a person can inspect and approve.
From hidden prompting to a readable knowledge product
A useful agent needs more than a capable base model. It needs the right context, examples, procedures, stop rules, and a way to absorb corrections. Teach the Company treats this as a product: the teacher supplies sources and explanations, the agent asks questions, and the result becomes inspectable files with history.
This is meta-intelligence in practical form. The system does not merely answer; it organises how an agent learns, handles uncertainty, and improves its working foundation.
What can be inspected publicly
The public service exposes the school, manuals, and self-hosting path. The source includes the application, migrations, model adapters, tests, Docker setup, and a synthetic security lab. A fresh clone of the stated commit passed the project’s own Compose, build, startup, and health checks.
This is project-owned verification, not independent certification. It shows that the documented starting point can be retrieved and started again; it does not promise that every model or subject automatically produces good answers.
A finished prompt must begin with the real device
The public microcontroller library applies the same method to electronics. Its first finished planning prompt requires the user to confirm the exact board, module, pins, toolchain, power, and electrical limits before the agent may provide final wiring, code, or upload instructions.
The example is reference-reviewed but not hardware-verified. Build and upload are not tested, no physical PASS is claimed, and no project video exists to cite.
Why this belongs in Finnandre’s open work
The method should be readable, criticisable, and reusable. Open source lets others own the training layer, while paid work can focus on integration, subject structure, security, testing, operations, and continued development.