Roo Code er en open source AI-kodeagent, der kører direkte i VS Code, og som i september 2026 har rundet version 3.53.0 med support for GPT-5.5 via OpenAI Codex-provideren. Værktøjet er en fork af Cline, men har siden udviklet sin egen retning med custom modes, en indbygget marketplace til MCP-servere og understøttelse af stort set alle store modeludbydere: OpenAI, Anthropic, Google, AWS Bedrock, Vertex AI og OpenRouter. I denne guide sætter vi Roo Code op fra bunden, konfigurerer en modeludbyder, bygger et lille arbejdsprojekt, og går igennem de faldgruber som nye brugere typisk løber ind i.

Guiden er skrevet til udviklere, der allerede kender VS Code, men som ikke har prøvet Roo Code før. Vi bruger cirka 60-75 minutter på hele forløbet, fra installation til et færdigt testet projekt med en fungerende AI-arbejdsgang.

Hvad er Roo Code, og hvorfor er det relevant nu

Roo Code startede som en fork af Cline, men projektet har siden fået sit eget udviklingstempo og en tydelig identitet. Kernen er den samme: en agent, der kan læse din kodebase, foreslå ændringer som diffs, køre terminalkommandoer og selv rette fejl, den finder undervejs. Forskellen ligger i detaljerne. Roo Code har custom modes, hvor du selv definerer roller som “Planlæg”, “Kod” eller “Debug” med hver deres system-prompt og værktøjsadgang, og en indbygget marketplace, hvor community-medlemmer deler færdige modes og MCP-integrationer.

Ifølge Roo Codes eget release-arkiv kom version 3.21 med marketplace-funktionen og understøttelse af Geminis 2.5-familie, mens 3.47 tilføjede GPT-5.3-Codex direkte via ChatGPT Plus eller Pro-abonnement uden separat API-fakturering, samt Claude Opus 4.6 på tværs af Anthropic, AWS Bedrock, Vertex AI og OpenRouter. Den nyeste kendte version, 3.53.0, lægger GPT-5.5-support oveni via OpenAI Codex-provideren, sammen med GPT-5.4 og GPT-5.3 Chat Latest. Det gør Roo Code til et af de bredeste valg, hvis du vil skifte mellem flere AI-modeller uden at skifte editor eller abonnement hver gang en ny model lander.

Grunden til, at værktøjet er værd at kigge på nu, er kombinationen af tre ting: det er gratis og open source, det er ikke bundet til én modeludbyder, og det kører i VS Code, som allerede er editoren de fleste danske udviklere bruger til daglig. Du behøver ikke skifte arbejdsflow for at prøve det, kun installere en udvidelse.

Arkitekturen bag Roo Code er bygget op omkring en client-server-model, hvor selve VS Code-extensionen fungerer som klient, mens den faktiske “tænkning” foregår hos den modeludbyder, du har valgt. Det betyder, at Roo Code selv aldrig træner eller kører en model lokalt, den fungerer udelukkende som et lag mellem din kodebase og en ekstern LLM. Det er samme grundprincip som i mange andre agent-baserede værktøjer, men Roo Codes force er, hvor mange forskellige lag af den kæde du selv kan styre: hvilken model, hvilken mode, hvilke værktøjer agenten må kalde, og hvor meget kontekst der sendes af sted per forespørgsel.

Et andet element, der er værd at kende, før du går i gang, er checkpoint-systemet. Hver gang agenten laver en større ændring, gemmer Roo Code automatisk et snapshot af projektets tilstand, så du kan rulle tilbage til et tidligere punkt, hvis en session løber løbet af sporet. Det fungerer som et ekstra sikkerhedsnet oveni git, og er særligt nyttigt, når du eksperimenterer med større, flertrins-opgaver, hvor du ikke ønsker at committe efter hvert eneste lille skridt.

Forudsætninger: dette skal du bruge

Før du går i gang, skal følgende være på plads. Roo Code stiller ikke voldsomme krav til hardware, men du skal have en gyldig API-nøgle eller et abonnement hos mindst én modeludbyder, da agenten ikke leverer egen model.

  • Visual Studio Code version 1.90 eller nyere (Roo Code kræver en relativt ny VS Code-kerne for extension host-API’et)
  • Node.js 18 LTS eller nyere, hvis du vil bygge og teste projektet lokalt uden for editoren
  • Git installeret og konfigureret, så agenten kan læse commit-historik og lave diffs korrekt
  • En konto hos mindst én modeludbyder: OpenAI (til GPT-5.5/GPT-5.4), Anthropic (til Claude Opus 4.6 eller nyere), Google AI Studio (til Gemini 2.5-modeller), eller en samlet adgang via OpenRouter
  • Cirka 10-15 kr. til 50 kr. i API-kredit til at starte med, afhængig af hvor meget du eksperimenterer (se prissektionen længere nede)
  • Et testprojekt eller en tom mappe, du kan lade agenten arbejde i, så du ikke risikerer at rode i produktionskode under indlæringen

Har du allerede Claude Code eller en anden CLI-agent sat op, kan du genbruge samme API-nøgler i Roo Code. Det er en af fordelene ved at holde sig til de store udbydere: nøglerne er ikke låst til ét værktøj.

Det er også værd at afsætte tid til at beslutte, hvilken model du starter med. Har du i forvejen adgang til flere udbydere, er det fristende at hoppe direkte til den nyeste og dyreste model, men til selve indlæringen af Roo Codes arbejdsgang er det ofte smartere at starte billigt. Du lærer hvordan diff-godkendelse, modes og checkpoints fungerer, uden at det koster mere end nogle få kroner, og kan skifte til en kraftigere model, når du rammer opgaver, der reelt kræver det.

Trin 1: Installer Roo Code i VS Code

Åbn VS Code, gå til Extensions-panelet (Ctrl+Shift+X på Windows/Linux, Cmd+Shift+X på macOS), og søg efter “Roo Code”. Udvidelsen udgives under navnet “Roo Cline” i marketplace-listingen på grund af projektets historik som Cline-fork, men det er det officielle Roo Code-projekt fra RooCodeInc. Klik installer.

Alternativt kan du installere fra terminalen, hvis du foretrækker kommandolinjen:

code --install-extension RooVeterinaryInc.roo-cline

Når installationen er færdig, ser du et nyt ikon i VS Codes sidepanel. Klik på det for at åbne Roo Code-panelet for første gang. Du bliver mødt af en onboarding-skærm, der beder dig vælge en modeludbyder, før du kan gå videre.

Trin 2: Konfigurer din første modeludbyder

Roo Code understøtter flere providere samtidig, men vi starter med én. Gå til indstillinger via tandhjulsikonet i panelet, og vælg fanen “Providers”. Her har du valget mellem direkte API-adgang (OpenAI, Anthropic, Google) eller en samlet gateway som OpenRouter, der giver adgang til dusinvis af modeller gennem én nøgle.

Til denne guide bruger vi OpenAI som eksempel, da GPT-5.5-supporten er den nyeste tilføjelse i 3.53.0. Indsæt din API-nøgle i feltet, og vælg model i dropdown-menuen. Har du i stedet en ChatGPT Plus- eller Pro-konto, kan du i stedet vælge OpenAI Codex-provideren, hvor GPT-5.3-Codex og nyere modeller kan bruges uden separat API-fakturering, ifølge Roo Codes egne release notes for version 3.47.

// .roo/config.json (valgfri manuel konfiguration)
{
  "apiProvider": "openai",
  "openAiModelId": "gpt-5.5",
  "openAiApiKey": "din-nøgle-her",
  "autoApprovalEnabled": false,
  "diffEnabled": true
}

Filen ligger normalt i projektets .roo-mappe, men langt de fleste brugere sætter det hele op gennem UI’et og behøver aldrig røre JSON-filen manuelt. Vi viser den her, fordi det er nyttigt at kunne versionere provider-opsætningen sammen med resten af projektet, uden at committe selve nøglen.

Trin 3: Forstå de indbyggede modes

Roo Code adskiller sig fra mange andre agenter ved at have adskilte “modes” med hver deres formål og værktøjsadgang. De fire, der følger med som standard, er:

ModeFormålVærktøjsadgangTypisk brug
CodeSkriver og redigerer kode direkteFilsystem, terminal, browserImplementere en feature eller rette en bug
ArchitectPlanlægger løsning før implementeringFilsystem (læs), ingen skrivningSkitsere arkitektur før store ændringer
AskBesvarer spørgsmål om kodebasenFilsystem (læs)Forstå ukendt kode uden at ændre noget
DebugFejlfinder systematiskFilsystem, terminalSpore årsagen til en konkret fejl

Ud over de fire standardmodes kan du oprette dine egne custom modes med præcis den system-prompt og de værktøjer, du ønsker. Det er særligt nyttigt, hvis dit team har faste konventioner, som agenten skal overholde hver gang, uden at du skal skrive dem ind i hver eneste prompt.

Trin 4: Byg et testprojekt fra bunden

Nu hvor opsætningen er på plads, laver vi et lille, konkret projekt: en CLI-baseret opgaveliste i Node.js med gemning til disk. Det er enkelt nok til at teste hele arbejdsgangen, men stort nok til at afsløre, hvordan Roo Code håndterer flere filer på én gang.

Opret en tom mappe og åbn den i VS Code:

mkdir roo-todo-demo
cd roo-todo-demo
npm init -y
code .

Åbn Roo Code-panelet, skift til Architect-mode, og skriv følgende prompt:

Design en simpel CLI-opgaveliste i Node.js. Krav:
- Kommandoer: add, list, done, remove
- Gemmer opgaver i en lokal JSON-fil (tasks.json)
- Ingen eksterne dependencies ud over Node.js standardbibliotek
- Skal kunne køres med "node index.js add "Køb mælk""
Lav en kort plan for filstruktur, før du skriver noget kode.

Architect-mode svarer med en plan uden at røre filsystemet. Når planen ser fornuftig ud, skifter du til Code-mode og beder agenten implementere den samme plan. Det er her Roo Code viser sin styrke: den husker konteksten fra Architect-samtalen og går direkte i gang med at oprette filerne.

Trin 5: Gennemgå og godkend ændringer som diffs

Roo Code præsenterer alle ændringer som en diff-visning, før noget skrives til disk, medmindre du eksplicit har slået auto-approval til. Det er en sikkerhedsmekanisme, du bør beholde slået fra i starten, indtil du stoler på agentens output i dit konkrete projekt.

Når agenten foreslår en ny fil, f.eks. index.js, ser du et diff-vindue med grønne linjer for tilføjelser. Klik “Approve” for at acceptere, eller “Reject” og skriv en kommentar om, hvad der skal ændres. Et typisk output fra agenten kan se sådan ud:

const fs = require('fs');
const path = require('path');

const TASKS_FILE = path.join(__dirname, 'tasks.json');

function loadTasks() {
  if (!fs.existsSync(TASKS_FILE)) return [];
  return JSON.parse(fs.readFileSync(TASKS_FILE, 'utf8'));
}

function saveTasks(tasks) {
  fs.writeFileSync(TASKS_FILE, JSON.stringify(tasks, null, 2));
}

const [,, command, ...args] = process.argv;
const tasks = loadTasks();

switch (command) {
  case 'add':
    tasks.push({ text: args.join(' '), done: false });
    saveTasks(tasks);
    console.log('Opgave tilføjet.');
    break;
  case 'list':
    tasks.forEach((t, i) => console.log(`${i}: [${t.done ? 'x' : ' '}] ${t.text}`));
    break;
  case 'done':
    if (tasks[args[0]]) tasks[args[0]].done = true;
    saveTasks(tasks);
    break;
  case 'remove':
    tasks.splice(args[0], 1);
    saveTasks(tasks);
    break;
  default:
    console.log('Ukendt kommando. Brug: add, list, done, remove');
}

Godkend ændringen, og test straks i terminalen:

node index.js add "Køb mælk"
node index.js add "Ring til tandlægen"
node index.js list

Forventet output:

Opgave tilføjet.
Opgave tilføjet.
0: [ ] Køb mælk
1: [ ] Ring til tandlægen

Trin 6: Brug Debug-mode til at finde en bevidst indsat fejl

For at teste Debug-mode, indsæt bevidst en fejl. Ret linjen if (tasks[args[0]]) til if (tasks[args[1]]) manuelt, gem filen, og prøv:

node index.js done 0
node index.js list

Opgaven markeres ikke som færdig, fordi indekset læses fra det forkerte argument. Skift til Debug-mode i Roo Code, og skriv:

"node index.js done 0" markerer ikke opgaven som færdig. Find fejlen i index.js og ret den.

Debug-mode læser filen, identificerer at args[1] skal være args[0], foreslår rettelsen som diff, og du kan bekræfte fixet med den samme testkommando igen. Denne cyklus, fejl, prompt, diff, verifikation, er kernen i, hvordan Roo Code fungerer i praksis.

Trin 7: Opret en custom mode til code review

Custom modes er der, hvor Roo Code adskiller sig mest fra konkurrenter som Claude Code eller GitHub Copilot. Gå til mode-vælgeren i panelet, klik “Create new mode”, og udfyld:

  • Navn: Code Reviewer
  • Rolle-beskrivelse: “Du gennemgår kodeændringer for bugs, sikkerhedsproblemer og læsbarhed. Du foreslår ikke ændringer direkte, du lister problemer med filnavn og linjenummer.”
  • Værktøjsadgang: kun filsystem-læsning, ingen skrivning eller terminal

Gem moden, skift til den, og bed agenten gennemgå index.js. Fordi moden ikke har skriveadgang, kan den kun rapportere fund, hvilket er nyttigt, når du vil have en second opinion uden risiko for, at agenten selv retter noget, du ikke har bedt om.

Trin 8: Tilføj en MCP-server via Marketplace

Roo Marketplace, introduceret i version 3.21, giver adgang til community-lavede MCP-servere og modes direkte fra panelet. Klik på markedsplads-ikonet, søg efter en relevant integration, f.eks. en filsystem-MCP eller en database-connector, og klik “Install”.

Har du allerede sat MCP op til andre værktøjer, som beskrevet i vores gennemgang af MCP-server-opsætning, kan du genbruge de samme serverkonfigurationer i Roo Code. Filen ligger typisk i .roo/mcp.json:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "."]
    }
  }
}

Efter installation kan agenten kalde MCP-serverens funktioner direkte, hvilket udvider dens muligheder ud over det, der er indbygget i selve extensionen.

Trin 9: Sammenlign modeller på samme opgave

En af de klare fordele ved Roo Codes multi-provider-design er, at du kan give samme opgave til to forskellige modeller og sammenligne. Prøv at bede både en hurtig model (f.eks. Gemini 2.5 Flash) og en mere kapabel model (f.eks. GPT-5.5 eller Claude Opus 4.6) om at tilføje en “søg”-kommando til vores opgaveliste, og se forskellen i svartid og kodekvalitet.

ModelUdbyder i Roo CodeTypisk brugAdgang
GPT-5.5OpenAI Codex-providerKomplekse implementeringerAPI-nøgle eller Codex-abonnement
GPT-5.3-CodexOpenAI Codex-providerHurtig iteration uden separat faktureringChatGPT Plus/Pro
Claude Opus 4.6Anthropic, Bedrock, Vertex AI, OpenRouterStore refaktoreringer, arkitekturAPI-nøgle eller cloud-konto
Gemini 2.5 ProGoogle AI Studio, Vertex AIKomplekse kodeopgaverAPI-nøgle
Gemini 2.5 FlashGoogle AI StudioHurtige, simple opgaverAPI-nøgle

Ifølge Roo Codes officielle release notes for version 3.21 blev Flash-modellerne fremhævet som valget til hurtige opgaver, mens Pro-modellen blev anbefalt til mere komplekse kodeopgaver. Den arbejdsdeling holder stadig i praksis: brug den hurtige, billige model til småting, og gem den dyre model til opgaver, hvor kvaliteten tæller mest.

Trin 9b: Brug checkpoints til at fortryde en fejlslagen session

Nu hvor du har prøvet at sammenligne modeller, er det oplagt at afprøve checkpoint-funktionen med det samme. Bed agenten om en større ændring, f.eks. at omskrive hele opgavelisten til at bruge klasser i stedet for rene funktioner. Uanset hvad agenten leverer, kan du herefter åbne checkpoint-historikken i panelet ved at klikke på ikonet med et lille ur øverst i samtalen.

Herfra kan du se en tidslinje over hvert større trin, agenten har taget, og gendanne projektet til et hvilket som helst tidligere punkt med ét klik. Det er en anden mekanisme end git, checkpoints gemmes lokalt af extensionen og kræver ingen commits, så de er perfekte til at eksperimentere frit uden at forurene din git-historik med “wip”-commits. Når du er tilfreds med resultatet, laver du selv én ren commit til sidst.

En praktisk vane er at bruge checkpoints som en slags “undo-knap på steroider”: afprøv en ambitiøs omskrivning, se om resultatet holder, og hvis det ikke gør, gendan til før-tilstanden i stedet for at bede agenten om at rulle ændringerne manuelt tilbage, hvilket ofte introducerer nye fejl oveni de gamle.

Trin 10: Konfigurer context management for store projekter

Når du arbejder i større kodebaser, fylder konteksten hurtigt op. Version 3.36 introducerede non-destruktiv context management, hvor “context condensing” og “sliding window truncation” bevarer dine originale beskeder internt i stedet for at slette dem permanent, ifølge projektets egne release notes. Det betyder, at agenten kan komprimere en lang samtale for at spare tokens, uden at du mister muligheden for at spole tilbage.

Du finder indstillingen under Settings → Context Management. Her kan du justere, hvor aggressivt Roo Code komprimerer ældre dele af samtalen, og om den skal advare dig, før den gør det. Til vores lille demo-projekt gør det ingen forskel, men i en kodebase med tusindvis af linjer er det en indstilling, du bør kende, før du rammer en model-context-fejl midt i en vigtig session.

Trin 11: Opsæt AGENTS.local.md til personlige overrides

Version 3.47 tilføjede personlige AGENTS.local.md-override-filer, som lader dig tilpasse agentens instruktioner lokalt uden at ændre den delte AGENTS.md-fil, som resten af teamet bruger. Opret filen i projektets rod:

# AGENTS.local.md
Foretræk 2-mellemrums indrykning, ikke tabs.
Skriv altid tests i samme commit som ny funktionalitet.
Brug ikke eksterne npm-pakker uden at spørge først.

Læg denne fil i din .gitignore, så dine personlige præferencer ikke overskriver teamets fælles regler i den delte AGENTS.md. Det er en lille detalje, men den løser en reel konflikt: du vil måske arbejde anderledes end resten af teamet uden at tvinge din stil ned over andres commits.

Trin 12: Test hele projektet og verificer output

Afslut med en fuld gennemgang. Bed agenten (i Code-mode) om at tilføje en simpel testfil med Node.js’ indbyggede test-runner, uden eksterne afhængigheder:

node --test test.js

Forventet output, hvis testene består:

# tests 4
# pass 4
# fail 0
# duration_ms 42.11

Kør testene igen efter enhver ændring, agenten foreslår. Det er den mest pålidelige måde at fange regressions, som en AI-agent kan introducere uden at bemærke det selv.

5 almindelige faldgruber, og hvordan du undgår dem

  1. At slå auto-approval til fra start. Det virker praktisk, men du mister muligheden for at fange forkerte antagelser, før de rammer disk. Behold manuel godkendelse, indtil du kender agentens niveau i netop dit projekt.
  2. At blande flere providere i samme session uden at rydde konteksten. Skift af model midt i en lang samtale kan give inkonsistente svar, fordi modellerne fortolker tidligere kontekst forskelligt. Start en ny samtale, når du skifter model til en anden opgave.
  3. At give agenten adgang til hele filsystemet i stedet for projektmappen. Sæt altid workspace-scope korrekt, så agenten ikke ved et uheld læser eller skriver filer uden for projektet.
  4. At glemme at committe før en stor agent-session. Hvis noget går galt, er en ren git-historik din hurtigste vej tilbage. Commit før du beder agenten om større refaktoreringer.
  5. At bruge den dyreste model til trivielle opgaver. Det er unødvendigt dyrt at bruge GPT-5.5 eller Claude Opus 4.6 til at rette en enkelt typo. Brug en Flash- eller mini-model til småopgaver, og gem den dyre model til komplekse ændringer.

Fejlfinding: 8 problemer og deres løsninger

  • Extensionen dukker ikke op efter installation: Genstart VS Code helt (ikke bare reload window), da nogle extension host-processer kræver en fuld genstart for at initialisere korrekt. Sker det stadig, tjek Extensions-panelet for at bekræfte, at Roo Code faktisk står som aktiveret og ikke er blevet deaktiveret af en workspace-specifik indstilling.
  • “Invalid API key” ved første kald: Tjek at nøglen ikke har mellemrum eller linjeskift kopieret med, og at den passer til den valgte provider (en OpenAI-nøgle virker ikke i Anthropic-feltet). Bekræft også, at nøglen faktisk har de nødvendige rettigheder hos udbyderen, nogle organisationskonti begrænser adgang til bestemte modeller per nøgle.
  • Agenten hænger på “Thinking” i lang tid: Store kontekster tager længere tid at behandle. Prøv at reducere antallet af åbne filer i konteksten, eller skift til en hurtigere model midlertidigt. Hvis problemet er vedvarende uanset model, kan det være en netværks- eller proxy-indstilling, der forsinker forbindelsen til API’et.
  • Diff-visningen viser forkert indhold: Gem alle åbne filer manuelt, før du beder om en ny ændring. Roo Code læser filer fra disk, ikke fra ugemte editor-buffere, så ugemte ændringer i andre faner kan give en diff, der ikke matcher det, du forventede.
  • MCP-server fejler med “connection refused”: Tjek at kommandoen i mcp.json faktisk kan køres fra terminalen uden Roo Code først, så du isolerer om fejlen er i MCP-serveren eller i Roo Codes konfiguration. Mange MCP-fejl skyldes simpelthen, at den underliggende pakke ikke er installeret globalt eller ikke findes i den PATH, VS Code kører med.
  • Custom mode gemmer ikke ændringer: Tjek filrettigheder på .roo-mappen, særligt hvis projektet ligger i en netværksdelt mappe eller Docker-volume, hvor skriverettigheder nogle gange er mere restriktive end i en lokal mappe.
  • Modellen ignorerer AGENTS.md-instruktioner: Nogle svagere modeller følger lange system-prompts dårligere end andre. Prøv at korte instruktionerne ned, prioriter de vigtigste regler øverst i filen, eller skift til en model med bedre instruktionsfølgning til opgaver, hvor konventioner er kritiske.
  • Uventet høj API-regning: Tjek om auto-approval har kørt flere iterationer i træk uden opsyn. Sæt en daglig budgetgrænse hos din provider, hvis den understøtter det, så du ikke overraskes af regningen, og gennemgå periodisk hvilke modes der bruger den dyreste model som standard.

Roo Code vs. lignende værktøjer: hvor passer det ind

Roo Code konkurrerer ikke direkte med CLI-baserede agenter som Claude Code, da Roo Code lever inde i editoren og ikke i terminalen. Sammenlignet med Cline, forkilden, har Roo Code i dag flere modes, en marketplace og bredere provider-support, mens Cline historisk har haft en simplere, mere lineær arbejdsgang. Sammenlignet med GitHub Copilots agent-funktioner er den store forskel licensmodellen: Roo Code er gratis og open source, mens du selv betaler for API-kald hos din valgte udbyder, i stedet for et fast månedsabonnement.

Det gør Roo Code særligt attraktivt for udviklere og teams, der allerede har API-adgang til flere modeller og ønsker fleksibiliteten til at vælge model per opgave, i stedet for at være låst til én udbyders prisstruktur.

EgenskabRoo CodeClineClaude Code
Kører iVS Code (extension)VS Code (extension)Terminal (CLI)
LicensGratis, open sourceGratis, open sourceKommerciel, abonnement
Custom modesJa, med marketplaceBegrænsetNej (agent-konfiguration via CLI-flags)
ModeludbydereOpenAI, Anthropic, Google, Bedrock, Vertex AI, OpenRouterFlere providere via API-nøglePrimært Anthropic-modeller
CheckpointsJa, indbyggetBegrænsetVia git

Tabellen viser den overordnede tendens: Roo Code og Cline deler samme fundament, men Roo Code har bygget flere lag af tilpasningsmuligheder oveni, mens Claude Code satser på en anden arbejdsform helt uden for editoren. Hvilket værktøj der passer bedst, afhænger i høj grad af, om du foretrækker at arbejde inde i VS Code eller i terminalen, og om du har brug for at kunne skifte model efter opgave.

Prisoverblik: hvad koster det reelt at bruge Roo Code

Selve Roo Code-extensionen er gratis. Din reelle udgift er API-forbrug hos den provider, du vælger. Har du allerede et ChatGPT Plus- eller Pro-abonnement, kan du bruge GPT-5.3-Codex og nyere Codex-modeller uden ekstra API-fakturering, hvilket gør startomkostningen lav, hvis du allerede betaler for et AI-abonnement til andet brug. Vælger du ren API-adgang via OpenAI, Anthropic eller Google, betaler du per token, og prisen varierer betydeligt mellem modeller, hvor de hurtige Flash- og mini-varianter er markant billigere end de store flagskibsmodeller.

En fornuftig tommelfingerregel for nye brugere er at starte med en Flash- eller mini-model til at lære arbejdsgangen at kende, og først skifte til en dyrere model, når du har konkrete opgaver, hvor den ekstra kvalitet reelt betyder noget.

Det er også en god idé at holde øje med token-forbruget direkte i providerens dashboard i de første uger, i stedet for at vente på månedsregningen. De fleste udbydere viser forbrug pr. dag, hvilket gør det langt lettere at opdage, om en enkelt lang agent-session eller et fejlkonfigureret auto-approval-flow har brugt uforholdsmæssigt meget budget, før det bliver et overraskende stort beløb ved månedens udgang.

Avancerede tips til daglig brug

Når du har kørt de grundlæggende trin nogle gange, er der en håndfuld vaner, der gør Roo Code betydeligt mere effektiv i praksis.

  • Brug Architect-mode systematisk før enhver ændring, der rører mere end tre filer. Det tvinger agenten til at tænke i struktur, før den skriver kode, og du fanger designfejl, før de bliver til implementeringsfejl, som er langt dyrere at rette, når de først er spredt ud over flere filer.
  • Opret en custom mode specifikt til sikkerhedsgennemgang med begrænset værktøjsadgang, så du kan køre en hurtig sikkerhedstjek på ændringer, uden at agenten samtidig kan rette dem uden opsyn. Det giver dig et ekstra sæt “øjne” på koden, uden at du behøver vente på en menneskelig reviewer for hver eneste lille ændring.
  • Del MCP-konfigurationer i teamet via en fælles .roo/mcp.json, committet til repoet, så alle på teamet får samme værktøjsadgang uden manuel opsætning per udvikler. Det reducerer også risikoen for, at én udvikler kører med en anden, potentielt usikker MCP-server, end resten af teamet.
  • Brug OpenRouter som fallback-provider, hvis du rammer rate limits hos din primære udbyder midt i en travl session, så du kan skifte uden at miste momentum. Konfigurer fallbacken på forhånd, så du ikke skal sidde og oprette en ny nøgle midt i en deadline.
  • Gennemgå AGENTS.md kvartalsvis som team. Konventioner ændrer sig, og en forældet instruktionsfil er værre end ingen instruktionsfil, fordi agenten følger den bogstaveligt, selv når den beskriver et arkitekturvalg, teamet forlod for måneder siden.
  • Brug tastaturgenveje til at skifte mellem modes hurtigt, i stedet for at klikke gennem dropdown-menuen hver gang. Det lyder som en detalje, men i en travl session med mange skift mellem Architect, Code og Debug sparer det reel tid over en arbejdsdag.

Ydelse og hastighed: hvad du reelt kan forvente

Svartiden i Roo Code afhænger næsten udelukkende af, hvilken model du har valgt, og hvor stor konteksten er. En Flash- eller mini-model svarer typisk inden for få sekunder på simple opgaver som at rette en enkelt funktion, mens en stor model som GPT-5.5 eller Claude Opus 4.6 kan bruge betydeligt længere tid på opgaver, der kræver at læse og ræsonnere over mange filer på én gang. Det er ikke unikt for Roo Code, alle agent-baserede værktøjer, der sender store mængder kode som kontekst, oplever den samme afvejning mellem hastighed og grundighed.

I praksis betyder det, at din oplevede hastighed i høj grad er noget, du selv styrer via mode- og modelvalg. Ask-mode med en hurtig model er velegnet til at stille et spørgsmål og få svar med det samme. Code-mode med en stor model på en kompleks refaktorering kan tage flere minutter, fordi agenten læser filer, planlægger, skriver, og ofte verificerer sit eget output undervejs. Forvent ikke, at en stor model er “langsom” af den forkerte grund, det er som regel fordi den rent faktisk gør mere arbejde per kald.

Sikkerhed og databehandling: hvad du bør vide

Fordi Roo Code sender kodekontekst til eksterne API’er hos din valgte modeludbyder, bør du behandle det som enhver anden cloud-baseret AI-tjeneste: undgå at lade agenten læse filer med hemmeligheder, API-nøgler eller personoplysninger, medmindre du har afklaret databehandlingsvilkårene hos den konkrete udbyder. Brug .rooignore-filen (samme princip som .gitignore) til at udelukke følsomme mapper som .env, certifikater og konfigurationsfiler med produktionshemmeligheder fra agentens kontekst.

# .rooignore
.env
.env.*
*.pem
*.key
secrets/
node_modules/

Det er en simpel foranstaltning, der forhindrer, at følsomme filer nogensinde bliver en del af den kontekst, der sendes til en ekstern model.

Rul Roo Code ud i et dansk udviklerteam

Skal Roo Code bruges af mere end én person, er der et par praktiske ting, danske og nordiske teams bør have styr på, før værktøjet bliver en fast del af arbejdsgangen. Først og fremmest: afklar hvilken modeludbyder teamet skal bruge som standard, og hvem der administrerer de fælles API-nøgler. Mange teams vælger at give hver udvikler sin egen nøgle med et loft for månedligt forbrug, i stedet for at dele én fælles nøgle, da det gør det lettere at spore, hvem der bruger hvad, og undgå at ét ukontrolleret loop æder hele budgettet.

Dernæst bør I lægge en fælles AGENTS.md-fil i repoets rod med de konventioner, alle skal følge: kodestandard, testkrav, hvilke mapper agenten aldrig må røre, og hvordan commits skal formuleres. Det er den samme fil, andre agentbaserede værktøjer også kan læse, så investeringen genbruges, uanset om teamet senere supplerer med et andet værktøj. Endelig, hvis I arbejder med kunde- eller persondata som en del af kodebasen (testdata, fixtures, eksempeldata), så gennemgå .rooignore-opsætningen grundigt, og hold den synkroniseret med jeres øvrige retningslinjer for databehandling, særligt hvis I er underlagt GDPR-krav om dokumenteret dataminimering ved brug af tredjepartstjenester.

Sådan bygger du videre på demo-projektet

Med opgavelisten som base kan du bruge Roo Code til at udvide funktionaliteten trin for trin, og samtidig træne dig selv i arbejdsgangen. Naturlige næste skridt inkluderer: en “søg”-kommando med simpel tekstmatching, kategorier eller tags på opgaver, og eksport til CSV. Hver af disse er små nok til, at du kan afprøve forskellige modes og modeller på samme kodebase, og direkte sammenligne, hvordan de håndterer inkrementelle ændringer i et projekt, de allerede kender fra tidligere i samtalen.

Dette er også et godt tidspunkt at eksperimentere med custom modes, der matcher dit eget teams konventioner, så du har en skabelon klar, når du flytter arbejdsgangen over i et rigtigt projekt.

Når demo-projektet begynder at føles trygt, er næste skridt at prøve Roo Code på et eksisterende, lidt større repo, gerne et internt sideprojekt frem for produktionskode. Her møder du de reelle udfordringer: filer der refererer til hinanden på tværs af mapper, ældre kode uden tests, og konventioner der ikke står skrevet noget sted. Det er præcis den slags situationer, hvor Architect-mode og en velskrevet AGENTS.md-fil for alvor gør en forskel, fordi de tvinger agenten til at forstå konteksten, før den begynder at skrive.

Ofte stillede spørgsmål om Roo Code

Er Roo Code gratis at bruge?
Selve VS Code-extensionen er gratis og open source. Du betaler kun for API-forbrug hos den modeludbyder, du selv vælger at tilslutte.

Kan jeg bruge Roo Code uden internetforbindelse?
Nej, da agenten sender forespørgsler til en ekstern modeludbyder. Der findes ikke en officiel offline-model indbygget i extensionen.

Er Roo Code det samme som Cline?
Nej. Roo Code startede som en fork af Cline, men de to projekter har siden udviklet sig i hver deres retning med forskellige funktioner, herunder Roo Codes custom modes og marketplace.

Hvilken model bør jeg vælge som nybegynder?
Start med en hurtig, billig model som Gemini 2.5 Flash for at lære arbejdsgangen, og skift til en mere kapabel model som GPT-5.5 eller Claude Opus 4.6, når opgaverne bliver mere komplekse.

Kan flere teammedlemmer dele samme Roo Code-opsætning?
Ja. Del .roo-mappens konfiguration, AGENTS.md og eventuelle MCP-servere via git, men hold personlige API-nøgler og AGENTS.local.md-filer uden for versionsstyring.

Understøtter Roo Code andre editorer end VS Code?
Roo Code er bygget som en VS Code-extension og distribueres via VS Codes marketplace. Andre editorer, der understøtter VS Code-kompatible extensions, kan i nogle tilfælde køre den, men den officielle support er rettet mod VS Code.

Hvad sker der, hvis agenten laver en fejl i min kode?
Fordi ændringer som standard kræver manuel godkendelse via diff-visningen, kan du altid afvise eller rette forslag, før de rammer disk. Kør dine tests efter hver godkendt ændring for at fange regressions tidligt.

Kan jeg bruge Roo Code sammen med GitHub Copilot i samme projekt?
Ja, de to extensions kører uafhængigt af hinanden i VS Code. Nogle udviklere bruger Copilot til inline-forslag mens de skriver, og Roo Code til større, agentiske opgaver som refaktorering eller fejlfinding på tværs af flere filer.