En LinkedIn-indholdsagent er software, der klarer de gentagne dele af det at poste for dig: den forvandler dine idéer til udkast i din stemme, holder dig til en plan og henter emner frem, der er en holdning værd. Den gode nyhed er, at du ikke behøver at være udvikler for at sætte en op. Den ærlige nyhed er, at de fleste, der prøver, ender med en agent, der poster fladt, genkendeligt AI-fyld, hvilket nedbryder tillid hurtigere end slet ikke at poste.
Denne guide viser dig, hvordan du bygger en LinkedIn-indholdsagent, der virkelig lyder som dig. Jeg dækker to reelle veje: at bygge din egen med Claude og Model Context Protocol (MCP), og at bruge en specialbygget agent, hvis du hellere vil springe ledningsføringen over. Begge er gyldige. Opsætningstrinnene nedenfor er dem, jeg selv bruger.
Vigtigste pointer
- En LinkedIn-indholdsagent automatiserer skrivning, planlægning og emneresearch. Det er ikke det samme som en planlægger (der kun styrer tidspunkterne) eller en scraping-bot (der bringer din konto i fare).
- Du har to praktiske byggeveje: byg din egen med Claude + MCP eller brug en specialbygget agent som LiGos Post Lab. Den rigtige afhænger af, hvor meget opsætning du vil lave.
- Stemmetroskab er det hele. Træn agenten først på dine egne tekster. En agent, der poster i en generisk stemme, er værre end ingen agent.
- Hold et menneske i loopet. Brug som standard udkast, du godkender, ikke blind automatisk udgivelse, og post via LinkedIns officielle API, aldrig via en scraping-bot i browseren.
- En brugbar ugerytme er enkel: du giver input, den skriver, du redigerer og godkender, den planlægger. Ti fokuserede minutter slår en time med scrolling.
Hvad en LinkedIn-indholdsagent egentlig er
Begrebet bruges løst, så lad mig være præcis. En AI-agent er en model, der kan tage et mål, beslutte hvilke trin der skal til, og bruge værktøjer for at nå dertil, i stedet for blot at besvare én forespørgsel ad gangen. En LinkedIn-indholdsagent retter den evne mod en snæver opgave: at skabe og styre dit LinkedIn-indhold.
Det adskiller sig fra to ting, man forveksler det med.
En planlægger (Buffer, det klassiske Hootsuite) styrer kun timingen. Du skriver stadig hvert opslag selv. En scraping-bot (mange Chrome-udvidelser, der automatisk liker, forbinder og kommenterer) automatiserer handlinger ved at efterligne dine klik inde i LinkedIn-grænsefladen. LinkedIns egne regler forbyder automatisering, der "simulerer menneskelig adfærd i stor skala", og de konti, der læner sig op ad scraping-bots, er dem, der bliver begrænset.
En ægte indholdsagent ligger i midten på den gode måde: den klarer tænke- og skrivearbejdet og poster så via godkendte kanaler. Vil du have den dybere baggrund om kategorien, så gennemgår vores pillar-artikel om hvad LinkedIn-AI-agenter er, og hvordan de virker mekanikken.
De to måder at bygge en på
Der findes ikke én "rigtig" måde at bygge en LinkedIn-indholdsagent på. Der er to, og de passer til forskellige mennesker.
Vej A: byg din egen med Claude og MCP. Du forbinder en AI-assistent (Claude) til LinkedIn via en standardprotokol og styrer den så med prompts. Mere kontrol, lidt opsætning, ideelt hvis du kan lide at pille ved tingene.
Vej B: brug en specialbygget agent. Et værktøj som LiGos Post Lab samler allerede agenten, stemmetræningen, planlægningen og den sikre udgivelse. Ingen konfigurationsfiler. Hurtigere til mål, hvis du bare vil have resultater.
Sådan sammenligner de på det, der virkelig tæller, når du vælger.
| Faktor | Byg din egen (Claude + MCP) | Specialbygget (Post Lab) |
|---|---|---|
| Opsætningstid | Et par timers konfiguration | Minutter, ingen opsætning |
| Teknisk evne | Redigere en konfigurationsfil | Ingen krævet |
| Skriver i din stemme | Kun hvis du prompter godt | Ja, via LiGo Brain |
| Bedst til | Hobbyfolk og udviklere | Stiftere og soloiværksættere |
| Udgivelsesmetode | Linkedins officielle OAuth-API | Linkedins officielle OAuth-API |
| Kører på en plan | Du sætter det op | Autopilot, brugerstyret |
| Løbende kontrol | Fuld, manuel | Manual, Co-Pilot, Autopilot |
Resten af denne guide gennemgår begge. Begynd med den række ovenfor, der beskriver dig.
Før du bygger: få dine input på plads
Spring dette afsnit over, og din agent lyder som alle andres. Den største forskel mellem en indholdsagent, der hjælper, og en, der gør dig forlegen, er det, du fodrer den med, før du automatiserer noget.
Tre input klarer det meste af arbejdet.
- Din stemme. Saml 10 til 20 af dine egne opslag, eller alt, hvad du har skrevet, og som lyder som dig (nyhedsbreve, dokumenter, endda lange beskeder). Det er det korpus, agenten lærer din tone fra. Generiske modeller falder tilbage til en generisk stemme, og LinkedIn-algoritmen i 2026 undertrykker aktivt opslag, der lyder som AI-fyld, så dette trin er ikke valgfrit.
- Dine emner. Skriv de tre til fem temaer ned, du vil være kendt for. En agent uden emnemæssige rammer flakser. En med klare søjler bygger sig op.
- Din input-pipeline. Beslut, hvilket råmateriale agenten omdanner til opslag: en blog, en podcast, kundeopkald, dine egne noter. De bedste agenter genbruger det, du alligevel laver, i stedet for at opfinde fra bunden.
Få disse tre på plads, og begge veje nedenfor bliver enkle. Lav dem forkert, og ingen nok så smart automatisering redder dig.
Vej A: byg en indholdsagent med Claude og MCP
Dette er gør-det-selv-vejen, og den er mere tilgængelig, end den lyder.
MCP (Model Context Protocol) er den brik, der gør det muligt. Anthropic introducerede det i slutningen af 2024 som en åben standard til at forbinde AI-modeller med eksterne værktøjer og data, ofte beskrevet som "AI-verdenens USB-C". Det slog hurtigt an. I begyndelsen af 2026 havde det passeret 97 millioner månedlige SDK-downloads og understøttes af alle de store AI-udbydere, og i december 2025 forærede Anthropic det til Linux Foundations Agentic AI Foundation. Sagt enkelt: MCP er i dag standardmåden at lade en assistent som Claude bruge eksterne værktøjer på, inklusive en LinkedIn-integration.
Her er den praktiske opsætning.
- Installer host-appen. Download Claude Desktop. Det er den applikation, der kører din agent og forbinder den med værktøjer.
- Forbind LinkedIn-MCP-serveren. Tilføj LiGo-Claude-integrationen, der er bygget på MCP. Nyere versioner af Claude Desktop understøtter udvidelser, der installeres med ét klik, så at forbinde en server minder mere om at installere en browserudvidelse end om at redigere JSON i hånden.
- Træn stemmen. Peg integrationen mod dine tidligere LinkedIn-opslag, så assistenten skriver i din tone, ikke i en grundmodels.
- Giv den en klar instruktion. Fortæl den opgaven i én prompt: "Skriv tre LinkedIn-opslag denne uge om [dine emner], i min stemme, hver med en stærk første linje. Gem dem som udkast, så jeg kan gennemse dem." Konkret slår vagt.
- Gennemse, og udgiv så. Læs hvert udkast, redigér det, der skal redigeres, og udgiv via den officielle API-forbindelse. Du beholder kontrollen over, hvad der går live.
Her er LiGo-Claude-integrationen i aktion, der viser flowet fra ende til anden:
Vil du have en mere afgrænset udgave af dette, så går vores trin-for-trin-guide om at poste på LinkedIn direkte fra Claude dybere ned i udgivelsesdelen.
Vej B: brug en specialbygget LinkedIn-indholdsagent
Hvis det at redigere nogen som helst konfiguration lyder som besvær, fører denne vej dig til samme resultat uden ledningsføringen. LiGos Post Lab er en række specialiserede LinkedIn-agenter, hver bygget til én opgave og hver skrivende i din stemme via LiGo Brain (stemmetræningen). I skrivende stund er der 7 aktive agenter ud af 15 planlagte.
Billedet nedenfor viser, hvordan de to byggeveje sammenligner, så du med ét blik ser, hvilken der passer til dig.
Et par af de aktive agenter passer klart til almindelige mål:
- Content Atomizer forvandler ét langt stykke (et blogindlæg, et nyhedsbrev, en podcast, en YouTube-video, endda mødenoter) til flere selvstændige LinkedIn-opslag, hvert med sin egen hook og vinkel. Det er det rigtige svar på "genbrug mit eksisterende indhold".
- Funnel Architect tager et tilbud, du vil teste, og designer en kampagne på 5 til 7 opslag over cirka to uger, hvert opslag med en rolle i buen.
- Repurpose Radar finder dine egne ældre opslag, der præsterede over gennemsnittet, og omskriver dem med en frisk vinkel.
- Trending Topic Scout holder øje med Reddit, Hacker News, X og branchenyheder for debatter i din niche, så du kan give din mening, mens et emne er varmt.
Hver Post Lab-agent kører i en af tre tilstande, og det er her, kontrollen ligger. I tilstanden Manual vælger du agent, emne og vinkel og gennemser derefter. I tilstanden Co-Pilot melder agenten sig, før den bruger credits. I tilstanden Autopilot producerer den udkast efter en plan, du fastsætter. Autopilot gemmer som standard udkast til din gennemsyn, og du kan aktivere direkte planlægning, hvis du vil have det håndfrit. Du bestemmer, hvor meget agenten gør på egen hånd. For strategilaget bag dette, se vores guide om at bruge AI-agenter til at automatisere din LinkedIn-indholdsstrategi.
Hold det sikkert og tro mod brandet
En indholdsagent kan stille og roligt skade dit omdømme på to måder. Begge kan undgås.
Den første risiko er kontosikkerhed. Undgå ethvert værktøj, der automatiserer handlinger ved at styre LinkedIn-grænsefladen som en robot, for det er præcis mønsteret med at "simulere menneskelig adfærd i stor skala", som LinkedIn begrænser. Den sikre tilgang er API-baseret udgivelse. Det eneste, du behøver at vide om mekanismen, er, at LiGo udgiver via Linkedins officielle OAuth-API, og Chrome-udvidelsen poster kun det, du godkender. Vil du have det fulde billede for at forblive compliant, så dækker vores guide til sikker LinkedIn-automatisering de grænser, der betyder noget.
Den anden risiko er at lyde som en bot. Algoritmen i 2026 markerer engagement-lokkemad ("Kommentér JA, hvis du er enig") og generisk AI-genereret tekst, og dit publikum opdager det endnu hurtigere. Løsningen er stemmearbejdet fra den tidligere del af denne guide plus et menneskeligt gennemsynstrin. Lad aldrig en agent udgive et opslag, du ikke har læst. Samme logik gælder engagement: vil du have agenten til at hjælpe med kommentarer, så viser vores guide om at automatisere LinkedIn-kommentarer uden at lyde som en bot, hvordan du holder dem ægte.
En enkel ugerytme for din agent
Du behøver ikke et indviklet system. Her er den rytme, jeg ville begynde med, uanset hvilken byggevej du valgte.
- Mandag, 10 minutter: giv agenten denne uges input (et link til et nyt blogindlæg, et par rå idénoter, eller intet, hvis du genbruger). Bed om tre til fem udkast.
- Tirsdag, 10 minutter: redigér udkastene. Skær alt væk, der ikke lyder som dig. Skærp den første linje i hvert.
- Godkend og planlæg: sæt de godkendte opslag i kø hen over ugen.
- Fredag, 5 minutter: kast et blik på, hvad der virkede, og notér ét emne at tage op igen.
Det er cirka 25 minutter om ugen for en konstant tilstedeværelse. Formålet med en agent er ikke at fjerne dig fra din egen stemme. Det er at fjerne hukommelsesbyrden, det blanke ark og planlægningsfriktionen, så det eneste, der er tilbage til dig, er den del, der kræver et menneske.
Ofte stillede spørgsmål
Hvad er en LinkedIn-indholdsagent?
Det er software, der automatiserer de gentagne dele af LinkedIn-indhold: skrive opslag i din stemme, holde dig til en plan og hente emner frem, der er værd at poste. Modsat en simpel planlægger klarer den tænke- og skrivearbejdet, og modsat en scraping-bot poster en sikker agent via officielle kanaler, hvor du godkender, hvad der går live.
Skal jeg kunne kode for at bygge en?
Nej. Gør-det-selv-vejen med Claude og MCP indebærer at forbinde en integration, hvilket på nyere versioner af Claude Desktop minder mere om at installere en udvidelse end om at skrive kode. Den specialbyggede vej med et værktøj som Post Lab kræver slet ingen opsætning. At kode er valgfrit, ikke påkrævet.
Strider en LinkedIn-indholdsagent mod Linkedins regler?
Det afhænger af, hvordan den virker. LinkedIn forbyder automatisering, der simulerer menneskelig adfærd i stor skala, hvilket rammer scraping-bots. At poste via Linkedins officielle API med et menneske, der godkender indholdet, er den compliant-tilgang. Vælg værktøjer, der bruger det officielle API, frem for dem, der automatiserer klik inde i LinkedIn-grænsefladen.
Får en AI-agent mine opslag til at lyde robotagtige?
Kun hvis du springer stemmetræningen over. En generisk model producerer generisk tekst, som både algoritmen og dit publikum nu opdager. Træn agenten først på 10 til 20 af dine egne opslag, hold et menneskeligt gennemsynstrin, og resultatet læses som dig. Den stemmetroskab er hele grunden til at gøre umagen.
Hvad koster en LinkedIn-indholdsagent?
Du kan begynde gratis med LiGo med 100 gratis credits, nok til at teste appen i cirka 7 til 14 dage, uden kreditkort. Derefter tager betalte planer over. At bygge din egen med Claude og MCP har sine egne abonnementsomkostninger til assistenten. For de præcise LiGo-priser, se den aktuelle prisside.
Kan agenten poste automatisk uden mig?
Ja, hvis du vælger at slå det til. Med Autopilot-tilstanden i Post Lab fastsætter du en plan, og agenten producerer udkast, som den som standard gemmer til din gennemsyn. Du kan slå direkte planlægning til for håndfri drift. Det er brugerstyret, så du bestemmer, hvor meget der kører af sig selv.
Byg agenten, behold stemmen
En LinkedIn-indholdsagent er en af de mest virkningsfulde ting, en travl stifter eller soloiværksætter kan sætte op, for flaskehalsen på LinkedIn var aldrig indsatsen. Det var hukommelse og konsistens. En agent løser begge. Husk bare rækkefølgen, der får det til at virke: træn stemmen først, automatisér bagefter, og bliv selv i loopet.
Vil du hellere ikke samle noget selv, så giver LiGos Post Lab-agenter dig hele opsætningen klar fra start, og Claude-integrationen er der, hvis du vil styre den fra din assistent. Begynd med 100 gratis credits og se, om en agent, der lyder som dig, ændrer, hvor ofte du faktisk dukker op.
