हर दिन एक नया फ्रेमवर्क, एक नया बेंचमार्क, एक नया "10x" लॉन्च लेकर आता है। सवाल अब "मैं कैसे बराबरी करूँ" नहीं रह जाता। यह हो जाता है: यहाँ वास्तव में सिग्नल क्या है, और क्या शोर है जो तात्कालिकता का वेश धारण कर रहा है।
हर रोडमैप लॉन्च के एक महीने बाद अप्रचलित हो जाता है। जिस फ्रेमवर्क में आपने पिछली तिमाही में महारत हासिल की थी, वह अब लीगेसी है। जिस बेंचमार्क के लिए आपने ऑप्टिमाइज़ किया था, वह खेल गया और बदल दिया गया। हमें एक पारंपरिक रास्ते पर चलने के लिए तैयार किया गया था: विषयों और स्तरों वाला एक स्टैक, नौकरियों और कार्यकालों का एक क्रम, एक धीमी चढ़ाई। AI ने उस कैनवास को फिर से लिखा। सही प्रॉम्प्ट और सही स्वाद वाला कोई भी व्यक्ति अब वह काम भेज सकता है जिसे करने में पहले 2 साल के अनुभव वाले इंजीनियर को एक स्प्रिंट लगता था।
विशेषज्ञता अभी भी मायने रखती है। सिस्टम को टूटते देखना, रात के 2 बजे मेमोरी लीक को डीबग करना, एक चालाक विकल्प के बजाय एक उबाऊ विकल्प के लिए बहस करना और सही साबित होना—इन चीज़ों की कोई बराबरी नहीं कर सकता। उस तरह का स्वाद संचयी होता है। जो चीज़ पहले की तरह संचयी नहीं रही: इस सप्ताह के फ्रेमवर्क के API सरफेस को जानना। छह महीने बाद यह अलग होगा। दो साल में जीतने वाले लोगों ने जल्दी ही टिकाऊ प्रिमिटिव चुन लिए और बाकी को अपने पास से गुज़र जाने दिया।
मैंने इस क्षेत्र में दो साल बिताए हैं, $250k से अधिक के कई ऑफर क्रैक किए हैं, और अब एक स्टील्थ कंपनी में तकनीकी विभाग चलाता हूँ। यह वही है जो मैं किसी ऐसे व्यक्ति को भेजूंगा जो पूछ रहा है "मुझे अभी वास्तव में किस पर ध्यान देना चाहिए।"
यह कोई रोडमैप नहीं है। एजेंट फील्ड का अभी तक कोई गंतव्य नहीं है। बड़ी लैब्स सार्वजनिक रूप से पुनरावृत्ति कर रही हैं, लाखों उपयोगकर्ताओं के लिए रिग्रेशन भेज रही हैं, पोस्टमार्टम लिख रही हैं, लाइव पैच कर रही हैं। अगर Claude Code के पीछे की टीम 47% परफॉरमेंस रिग्रेशन भेज सकती है और उसे केवल तब पकड़ सकती है जब उपयोगकर्ता समुदाय ऐसा करता है, तो यह विचार कि इस सब के नीचे एक स्थिर नक्शा है, काल्पनिक है। हर कोई इसे समझ रहा है। स्टार्टअप फल-फूल रहे हैं क्योंकि दिग्गज भी नहीं जानते। गैर-कोडर एजेंटों के साथ जुड़ रहे हैं और शुक्रवार को वह काम भेज रहे हैं जिसे ML PhDs मंगलवार को असंभव बता रहे थे।
इस पल के बारे में दिलचस्प बात यह है कि यह क्रेडेंशियल्स के सवाल के साथ क्या करता है। पारंपरिक रास्ते ने आपको क्रेडेंशियल्स के लिए ऑप्टिमाइज़ किया: डिग्री, जूनियर भूमिका, सीनियर भूमिका, स्टाफ भूमिका, रैंक का धीमा संचय। यह समझ में आता था जब आपके नीचे का क्षेत्र हिलता नहीं था। क्षेत्र अब सभी के नीचे समान रूप से चलता है। एक 22 वर्षीय व्यक्ति जो सार्वजनिक रूप से एजेंट डेमो भेज रहा है, और एक 35 वर्षीय सीनियर इंजीनियर के बीच का अंतर अब दस साल का संचित स्टैक मास्टरी नहीं है। 22 वर्षीय के पास वही खाली कैनवास है जो सीनियर के पास है, और उनमें से किसी के लिए जो संचयी होता है, वह है भेजने की इच्छा, साथ ही उन प्रिमिटिव की छोटी सूची जो एक तिमाही में अप्रचलित नहीं होते।
यही वह रीफ्रेम है जिस पर यह पूरा लेख आधारित है। निम्नलिखित यह सोचने का एक तरीका है कि कौन से प्रिमिटिव आपके ध्यान के लायक हैं और किन लॉन्च को आपको जाने देना चाहिए। जो फिट बैठे उसे चुनें। जो न बैठे उसे छोड़ दें।
वह फ़िल्टर जो वास्तव में काम करता है
आप साप्ताहिक लॉन्च के साथ बराबरी नहीं कर सकते। आपको कोशिश नहीं करनी चाहिए। आपको जिस चीज़ की ज़रूरत है वह एक फ़िल्टर है, फ़ीड नहीं।
पाँच परीक्षण पिछले 18 महीनों में कायम रहे हैं। अपने स्टैक को छूने देने से पहले एक लॉन्च को उनके माध्यम से चलाएँ।
क्या यह दो साल में मायने रखेगा? अगर यह किसी फ्रंटियर मॉडल के चारों ओर एक रैपर है, एक CLI फ़्लैग है, या "Devin but for X" है, तो इसका जवाब लगभग हमेशा नहीं होता है। अगर यह एक प्रिमिटिव (एक प्रोटोकॉल, एक मेमोरी पैटर्न, एक सैंडबॉक्सिंग दृष्टिकोण) है, तो इसका जवाब अधिक बार हाँ होता है। रैपर का आधा जीवन छोटा होता है। प्रिमिटिव का आधा जीवन वर्षों का होता है।
क्या आपके द्वारा सम्मानित किसी व्यक्ति ने इसके ऊपर कुछ वास्तविक बनाया है और इसके बारे में ईमानदारी से लिखा है? मार्केटिंग पोस्ट गिनती में नहीं आते। पोस्टमार्टम आते हैं। "हमने X को प्रोडक्शन में आज़माया और यहाँ बताया कि क्या टूटा" शीर्षक वाला एक ब्लॉग दस लॉन्च घोषणाओं के बराबर है। इस क्षेत्र में अच्छा सिग्नल हमेशा किसी ऐसे व्यक्ति द्वारा लिखा जाता है जिसने इस पर एक सप्ताहांत खो दिया है।
क्या इसे अपनाने के लिए आपको अपनी ट्रेसिंग, अपने रिट्राइज़, अपना कॉन्फ़िग, अपना ऑथ छोड़ना होगा? अगर हाँ, तो यह एक फ्रेमवर्क है जो प्लेटफ़ॉर्म बनने की कोशिश कर रहा है। फ्रेमवर्क-ट्राइंग-टू-बी-प्लेटफ़ॉर्म की मृत्यु दर 90% है। अच्छे प्रिमिटिव आपके मौजूदा सिस्टम में माइग्रेशन के लिए मजबूर किए बिना फिट हो जाते हैं।
इसे छह महीने के लिए छोड़ने में आपको कितनी कीमत चुकानी पड़ती है? अधिकांश लॉन्च के लिए, इसका जवाब कुछ नहीं है। आप छह महीने में और अधिक जानेंगे। जीतने वाला संस्करण स्पष्ट होगा। यह वह परीक्षण है जो आपको बिना किसी चिंता के 90% लॉन्च छोड़ने देता है, और वह परीक्षण जिसे अधिकांश लोग चलाने से इनकार करते हैं क्योंकि छोड़ना पीछे रह जाने जैसा लगता है। ऐसा नहीं है।
क्या आप माप सकते हैं कि यह वास्तव में आपके एजेंटों की मदद करता है या नहीं? अगर आप नहीं कर सकते, तो आप अनुमान लगा रहे हैं। बिना इवल्स वाली टीमें वाइब्स पर चलती हैं और रिग्रेशन भेजती हैं। इवल्स वाली टीमें डेटा को यह बताने दे सकती हैं कि क्या GPT-5.5 या Opus 4.7 इस सप्ताह उनके विशिष्ट वर्कलोड पर जीतता है।
अगर आप इस पूरे लेख से एक आदत अपनाते हैं, तो इसे बनाएँ: जब कोई नई चीज़ लॉन्च होती है, तो लिखें कि आपको छह महीने में क्या देखने की ज़रूरत होगी ताकि यह विश्वास हो सके कि यह मायने रखता है। फिर वापस आकर जाँच करें। अधिकांश समय सवाल ने खुद ही जवाब दे दिया होगा, और आपने अपना ध्यान उन चीज़ों पर खर्च किया होगा जो संचयी होती हैं।
इन परीक्षणों के नीचे का कौशल उनमें से किसी की तुलना में नाम देना कठिन है। यह उस चीज़ के बारे में अनकूल होने की इच्छा है जिसे आप नहीं उठाते। इस सप्ताह Hacker News पर वायरल होने वाले फ्रेमवर्क के चौदह दिनों के लिए चीयरलीडर्स की एक सेना होगी, और वे सभी स्मार्ट लगेंगे। छह महीने बाद, उनमें से आधे फ्रेमवर्क अनमेंटेन्ड हैं और चीयरलीडर्स आगे बढ़ चुके हैं। जिन लोगों ने संलग्न नहीं हुआ, उन्होंने अपना ध्यान उन चीज़ों के लिए बचाया जो लॉन्च के हाइप के बीत जाने के बाद उबाऊ होने के परीक्षण में बच गईं। वह मुद्रा, पीछे हटना, देखना, कहना "मैं छह महीने में जानूंगा," इस क्षेत्र का वास्तविक पेशेवर कौशल है। हर कोई लॉन्च पढ़ सकता है। लगभग कोई भी उन पर प्रतिक्रिया न करने में अच्छा नहीं है।
क्या सीखें
अवधारणाएँ। पैटर्न। चीज़ों का आकार। ये वे विचार हैं जो संचयी रिटर्न देते हैं। वे मॉडल स्वैप, फ्रेमवर्क स्वैप, पैराडाइम शिफ्ट से बच जाते हैं। उन्हें गहराई से समझें और आप किसी भी नए टूल को एक सप्ताहांत में उठा सकते हैं। उन्हें छोड़ें और आप हमेशा सरफेस मैकेनिक्स को फिर से सीखते रहेंगे।
कॉन्टेक्स्ट इंजीनियरिंग
पिछले दो वर्षों का सबसे महत्वपूर्ण नाम बदलना "प्रॉम्प्ट इंजीनियरिंग" का "कॉन्टेक्स्ट इंजीनियरिंग" बनना था। बदलाव वास्तविक है, कॉस्मेटिक नहीं।
मॉडल अब वह नहीं है जिसके लिए आप एक चतुर निर्देश तैयार करते हैं। यह कुछ ऐसा है जिसके लिए आप हर कदम पर एक कार्यशील कॉन्टेक्स्ट इकट्ठा करते हैं। वह कॉन्टेक्स्ट एक साथ सिस्टम निर्देश, टूल स्कीमा, पुनर्प्राप्त दस्तावेज़, पिछले टूल आउटपुट, स्क्रैचपैड स्थिति और संपीड़ित इतिहास है। एजेंट का व्यवहार इस बात का एक आकस्मिक गुण है कि आप विंडो में क्या डालते हैं।
इसे आत्मसात करें: कॉन्टेक्स्ट स्टेट है। अप्रासंगिक शोर का हर टोकन आपको रीज़निंग क्वालिटी खर्च करता है। कॉन्टेक्स्ट रॉट एक वास्तविक प्रोडक्शन विफलता है। दस-चरणीय कार्य के चरण आठ तक, मूल लक्ष्य टूल आउटपुट के नीचे दब सकता है। विश्वसनीय एजेंट भेजने वाली टीमें सक्रिय रूप से सारांशित, संपीड़ित, छँटाई करती हैं। वे अपने टूल विवरण को वर्ज़न करती हैं। वे स्थिर भागों को कैश करती हैं और उन हिस्सों को कैश करने से इनकार करती हैं जो बदलते हैं। वे कॉन्टेक्स्ट विंडो के बारे में उसी तरह सोचती हैं जैसे एक अनुभवी इंजीनियर RAM के बारे में सोचता है।
इसे महसूस करने का एक ठोस तरीका: प्रोडक्शन में किसी भी एजेंट को लें और पूर्ण ट्रेस लॉगिंग चालू करें। चरण एक पर कॉन्टेक्स्ट देखें। चरण सात पर कॉन्टेक्स्ट देखें। गिनें कि उनमें से कितने टोकन अभी भी अपनी जगह कमा रहे हैं। पहली बार जब आप ऐसा करेंगे, तो आप शर्मिंदा होंगे। फिर आप इसे ठीक करने जाएँगे, और वही एजेंट मॉडल या प्रॉम्प्ट में किसी भी बदलाव के बिना काफ़ी अधिक विश्वसनीय हो जाएगा।
अगर आप इस पर एक चीज़ पढ़ते हैं, तो Anthropic का "AI एजेंट्स के लिए प्रभावी कॉन्टेक्स्ट इंजीनियरिंग" पढ़ें। फिर उनका मल्टी-एजेंट रिसर्च पोस्टमार्टम पढ़ें, जो इस बात पर संख्याएँ डालता है कि एक बार स्केल करने पर कॉन्टेक्स्ट आइसोलेशन कितना मायने रखता है।
टूल डिज़ाइन
टूल वह जगह हैं जहाँ एजेंट आपके व्यवसाय से मिलते हैं। मॉडल नाम और विवरण के आधार पर टूल चुनता है। मॉडल एरर मैसेज के आधार पर रिट्राई करता है। मॉडल इस आधार पर सफल या विफल होता है कि क्या टूल का कॉन्ट्रैक्ट उस चीज़ से मेल खाता है जिसे व्यक्त करने में LLM अच्छा है।
पाँच से दस अच्छी तरह से नामित टूल बीस औसत दर्जे के टूल को हराते हैं। टूल के नाम अंग्रेज़ी क्रिया वाक्यांशों की तरह पढ़े जाने चाहिए। विवरण में यह शामिल होना चाहिए कि टूल का उपयोग कब करना है और कब नहीं। एरर मैसेज ऐसी प्रतिक्रिया होनी चाहिए जिस पर मॉडल कार्रवाई कर सके। "अधिकतम टोकन 500 पार हो गया, पहले सारांशित करने का प्रयास करें" "एरर: 400 Bad Request" को एक बड़े अंतर से हराता है। एक टीम ने सार्वजनिक शोध में अकेले अपने एरर मैसेज को फिर से लिखने के बाद रिट्राई लूप में 40% की कमी की सूचना दी।
Anthropic का "एजेंटों के लिए टूल लिखना" सही शुरुआती बिंदु है। उसके बाद, अपने स्वयं के टूल को इंस्ट्रूमेंट करें और वास्तविक कॉल पैटर्न देखें। एजेंट विश्वसनीयता में सबसे बड़ी जीत लगभग हमेशा टूल-साइड होती है। लोग प्रॉम्प्ट को ट्यून करते रहते हैं और उस जगह को अनदेखा करते हैं जहाँ वास्तविक लीवरेज रहता है।
ऑर्केस्ट्रेटर-सबएजेंट पैटर्न
2024 और 2025 की मल्टी-एजेंट बहस एक संश्लेषण के साथ समाप्त हुई जिसे अब हर कोई भेजता है। भोले मल्टी-एजेंट सिस्टम, जहाँ कई एजेंट समानांतर में साझा स्टेट पर लिखते हैं, भयावह रूप से विफल होते हैं क्योंकि त्रुटियाँ बढ़ती हैं। सिंगल-एजेंट लूप आपकी अपेक्षा से अधिक स्केल करते हैं। एक मल्टी-एजेंट आकार है जो प्रोडक्शन में काम करता है: एक ऑर्केस्ट्रेटर एजेंट जो संकीर्ण रूप से स्कोप किए गए केवल-पढ़ने के कार्यों को पृथक सबएजेंटों को सौंपता है, फिर उनके परिणामों को संश्लेषित करता है।
इस तरह Anthropic का शोध सिस्टम काम करता है। इस तरह Claude Code के सबएजेंट काम करते हैं। यह वह पैटर्न है जिसे Spring AI और अधिकांश प्रोडक्शन फ्रेमवर्क अब मानकीकृत करते हैं। सबएजेंटों को छोटे, केंद्रित कॉन्टेक्स्ट मिलते हैं। वे साझा स्टेट को म्यूटेट नहीं कर सकते। ऑर्केस्ट्रेटर लिखने का मालिक है।
Cognition का "मल्टी-एजेंट न बनाएँ" निबंध और Anthropic का "हमने अपना मल्टी-एजेंट शोध सिस्टम कैसे बनाया" विपरीत दिखते हैं और अलग-अलग शब्दावली में एक ही बात कह रहे हैं। दोनों पढ़ें।
डिफ़ॉल्ट रूप से सिंगल-एजेंट का उपयोग करें। ऑर्केस्ट्रेटर-सबएजेंट तक तभी पहुँचें जब सिंगल एजेंट एक वास्तविक दीवार से टकराता है: कॉन्टेक्स्ट विंडो दबाव, अनुक्रमिक टूल कॉल से विलंबता, या कार्य विविधता जो वास्तव में केंद्रित कॉन्टेक्स्ट से लाभान्वित होती है। दर्द महसूस करने से पहले इसे बनाने से वह जटिलता आती है जिसकी आपको ज़रूरत नहीं है।
इवल्स और गोल्डन डेटासेट
हर टीम जो विश्वसनीय एजेंट भेजती है, उसके पास इवल्स हैं। हर टीम जो नहीं भेजती, उसके पास नहीं हैं। यह क्षेत्र में एकमात्र सबसे अधिक लीवरेज वाली आदत है, और यह सबसे कम निवेशित चीज़ है जो मैंने हर उस कंपनी में देखी है जिसे मैंने देखा है।
क्या काम करता है: अपने प्रोडक्शन ट्रेस को हार्वेस्ट करें, विफलताओं को लेबल करें, इसे एक रिग्रेशन सेट के रूप में मानें। जब भी कोई नई विफलता भेजी जाए, इसमें जोड़ें। व्यक्तिपरक भागों के लिए LLM-as-judge का उपयोग करें, बाकी के लिए एक्सैक्ट-मैच या प्रोग्रामेटिक चेक का उपयोग करें। किसी भी प्रॉम्प्ट, मॉडल या टूल बदलाव से पहले सूट चलाएँ। Spotify के इंजीनियरिंग ब्लॉग ने बताया कि उनका जज लेयर भेजे जाने से पहले लगभग 25% एजेंट आउटपुट को वीटो करता है। इसके बिना, चार में से एक खराब परिणाम उपयोगकर्ताओं तक पहुँचता।
मानसिक मॉडल जो इसे टिकाऊ बनाता है: एक इवल एक यूनिट टेस्ट है जो एजेंट को ईमानदार रखता है जबकि बाकी सब कुछ इसके नीचे बदलता है। मॉडल को एक नया संस्करण मिलता है। फ्रेमवर्क एक ब्रेकिंग चेंज जारी करता है। विक्रेता एक एंडपॉइंट को डिप्रीकेट करता है। आपके इवल्स ही एकमात्र चीज़ हैं जो आपको बताते हैं कि आपका एजेंट अभी भी अपना काम कर रहा है या नहीं। उनके बिना, आप एक ऐसा सिस्टम लिख रहे हैं जिसकी शुद्धता एक चलते लक्ष्य की सद्भावना पर निर्भर करती है।
इवल फ्रेमवर्क (Braintrust, Langfuse evals, LangSmith) ठीक हैं। उनमें से कोई भी बाधा नहीं है। बाधा पहले स्थान पर एक लेबल किया गया सेट होना है। इसे पहले दिन बनाएँ, कुछ भी स्केल करने से पहले। पहले पचास उदाहरण एक दोपहर में हाथ से लेबल किए जा सकते हैं। कोई बहाना नहीं है।
फ़ाइल-सिस्टम-एज़-स्टेट और थिंक-एक्ट-ऑब्ज़र्व लूप
किसी भी एजेंट के लिए जो वास्तविक मल्टी-स्टेप काम कर रहा है, टिकाऊ आर्किटेक्चर है: सोचें, कार्य करें, निरीक्षण करें, दोहराएँ। फ़ाइल सिस्टम या एक संरचित स्टोर सत्य का स्रोत है। हर कार्रवाई लॉग और रीप्ले करने योग्य है। Claude Code, Cursor, Devin, Aider, OpenHands, goose। वे सभी एक कारण से इस पर एकमत हुए।
मॉडल स्टेटलेस है। हार्नेस को स्टेटफुल होना है। फ़ाइल सिस्टम एक स्टेटफुल प्रिमिटिव है जिसे हर डेवलपर पहले से ही समझता है। एक बार जब आप इस फ्रेमिंग को स्वीकार कर लेते हैं, तो पूरा हार्नेस अनुशासन (चेकपॉइंटिंग, रिज़्यूमेबिलिटी, सब-एजेंट सत्यापन, सैंडबॉक्स्ड निष्पादन) पैटर्न को गंभीरता से लेने से निकलता है।
गहरी बात जो यह आपको सिखा रही है: अपने कंप्यूट बिल के लायक किसी भी प्रोडक्शन एजेंट में हार्नेस मॉडल से अधिक काम कर रहा है। मॉडल अगली कार्रवाई चुनता है। हार्नेस इसे मान्य करता है, इसे सैंडबॉक्स में चलाता है, आउटपुट कैप्चर करता है, तय करता है कि क्या वापस खिलाना है, तय करता है कि कब रुकना है, तय करता है कि कब चेकपॉइंट करना है, तय करता है कि कब सबएजेंट को स्पॉन करना है। मॉडल को समान गुणवत्ता वाले दूसरे मॉडल से बदलें और एक अच्छा हार्नेस फिर भी भेजता है। हार्नेस को बदतर से बदलें और दुनिया का सबसे अच्छा मॉडल फिर भी एक एजेंट पैदा करता है जो बेतरतीब ढंग से भूल जाता है कि वह क्या कर रहा था।
अगर आप एकल-शॉट टूल कॉल से अधिक विस्तृत कुछ भी बना रहे हैं, तो हार्नेस वह जगह है जहाँ आपको अपना समय बिताना चाहिए। मॉडल इसके अंदर एक घटक है।
MCP, अवधारणात्मक रूप से
सिर्फ MCP सर्वर को कॉल करना न सीखें। मॉडल सीखें। एजेंट क्षमताओं, टूल और संसाधनों के बीच एक स्वच्छ पृथक्करण, जिसके नीचे एक एक्सटेंसिबल ऑथ और ट्रांसपोर्ट कहानी है। एक बार जब आप इसे समझ जाते हैं, तो हर दूसरा "एजेंट इंटीग्रेशन फ्रेमवर्क" जो आप देखेंगे, MCP का एक बदतर संस्करण जैसा लगेगा, और आप प्रत्येक का मूल्यांकन करने का समय बचाएँगे।
Linux Foundation अब इसका संरक्षण करता है। हर प्रमुख मॉडल प्रदाता इसका समर्थन करता है। "AI का USB-C" तुलना अब विडंबना से अधिक सटीक है।
एक प्रिमिटिव के रूप में सैंडबॉक्सिंग
हर प्रोडक्शन कोडिंग एजेंट सैंडबॉक्स में चलता है। हर ब्राउज़र एजेंट अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन से मारा गया है। हर मल्टी-टेनेंट एजेंट में किसी बिंदु पर एक अनुमति स्कोपिंग बग भेजा गया है। सैंडबॉक्सिंग को प्रिमिटिव इंफ्रास्ट्रक्चर के रूप में मानें, कोई ऐसी सुविधा नहीं जिसे आप तब जोड़ते हैं जब कोई ग्राहक पूछता है।
मूल बातें सीखें। प्रक्रिया पृथक्करण। नेटवर्क ईग्रेस नियंत्रण। सीक्रेट स्कोपिंग। एजेंट और टूल के बीच ऑथ सीमाएँ। जो टीमें ग्राहक सुरक्षा समीक्षा के बाद इसे जोड़ती हैं, वे वही टीमें हैं जो सौदा खो देती हैं। जो टीमें इसे पहले सप्ताह से बनाती हैं, वे बिना पसीना बहाए एंटरप्राइज़ खरीदारी पास करती हैं।
किसके साथ बनाएँ
विशिष्ट चयन, अप्रैल 2026। ये बदलेंगे, लेकिन धीरे-धीरे। यहाँ उबाऊ चुनें।
ऑर्केस्ट्रेशन
LangGraph प्रोडक्शन डिफ़ॉल्ट है। लगभग एक तिहाई बड़ी कंपनियाँ जो एजेंट चलाती हैं, इसका उपयोग करती हैं। एब्स्ट्रैक्शन एजेंट सिस्टम के वास्तविक आकार से मेल खाते हैं: टाइप किया गया स्टेट, कंडीशनल एजेज़, टिकाऊ वर्कफ़्लो, ह्यूमन-इन-द-लूप चेकपॉइंट। नकारात्मक पक्ष वर्बोसिटी है। सकारात्मक पक्ष यह है कि वर्बोसिटी उस चीज़ से मेल खाती है जिसे आपको वास्तव में नियंत्रित करने की ज़रूरत है जब कोई एजेंट प्रोडक्शन में होता है।
अगर आप TypeScript में रहते हैं, तो Mastra वास्तविक चयन है। उस इकोसिस्टम में सबसे स्वच्छ मानसिक मॉडल।
अगर आपकी टीम Pydantic से प्यार करती है और टाइप सेफ्टी को प्रथम श्रेणी का नागरिक चाहती है, तो Pydantic AI एक उचित ग्रीनफील्ड विकल्प है। यह 2025 के अंत में v1.0 पर पहुँच गया और गति वास्तविक है।
प्रदाता-मूल कार्य (कंप्यूटर उपयोग, वॉइस, रीयल-टाइम) के लिए, अपने LangGraph नोड्स के अंदर Claude Agent SDK या OpenAI Agents SDK का उपयोग करें। किसी भी एक को विषम सिस्टम के लिए शीर्ष-स्तरीय ऑर्केस्ट्रेटर बनाने की कोशिश न करें। वे अपनी लेन के लिए ऑप्टिमाइज़ किए गए हैं।
प्रोटोकॉल लेयर
MCP, पूर्ण विराम। अपने टूल इंटीग्रेशन को MCP सर्वर के रूप में बनाएँ। बाहरी इंटीग्रेशन को उसी तरह उपभोग करें। रजिस्ट्री उस बिंदु को पार कर चुकी है जहाँ आप लगभग हमेशा एक सर्वर पा सकते हैं इससे पहले कि आपको एक बनाने की ज़रूरत हो। 2026 में कस्टम टूल प्लंबिंग को वायर करना कुछ नहीं के लिए कर चुकाता है।
मेमोरी
स्वायत्तता स्तर के अनुसार चुनें, हाइप से नहीं।
चैट-शैली वैयक्तिकरण के लिए Mem0। उपयोगकर्ता प्राथमिकताएँ, हल्का इतिहास। प्रोडक्शन वार्तालाप प्रणालियों के लिए Zep जहाँ स्टेट विकसित होता है और आपको एंटिटी ट्रैकिंग की ज़रूरत होती है। Letta जब कोई एजेंट दिनों या हफ्तों के काम में सुसंगति बनाए रखता है। अधिकांश टीमों को इसकी आवश्यकता नहीं होगी। जिन्हें होगी, उन्हें बिल्कुल इसकी आवश्यकता होगी।
गलती यह है कि मेमोरी समस्या होने से पहले मेमोरी फ्रेमवर्क तक पहुँचना है। अपने कॉन्टेक्स्ट विंडो में जो कुछ भी हो सकता है, उसके साथ एक वेक्टर स्टोर से शुरू करें। मेमोरी सिस्टम तभी जोड़ें जब आप उस विफलता मोड को स्पष्ट कर सकें जिसे यह हल करता है।
ऑब्ज़र्वेबिलिटी और इवल्स
Langfuse OSS डिफ़ॉल्ट है। सेल्फ-होस्ट करने योग्य, MIT-लाइसेंस प्राप्त, ट्रेसिंग, प्रॉम्प्ट वर्ज़निंग और बुनियादी LLM-as-judge इवल्स को कवर करता है। अगर आप पहले से ही LangChain शॉप हैं, तो LangSmith अधिक कसकर एकीकृत होता है। Braintrust सख्त तुलनाओं के साथ शोध-शैली इवल वर्कफ़्लो के लिए सही चयन है। OpenLLMetry / Traceloop इसका जवाब है यदि आपको पॉलीग्लॉट स्टैक में विक्रेता-तटस्थ OpenTelemetry इंस्ट्रूमेंटेशन की आवश्यकता है।
आपको ट्रेसिंग और इवल्स दोनों चाहिए। ट्रेसिंग इसका जवाब देती है "एजेंट ने वास्तव में क्या किया?" इवल्स इसका जवाब देते हैं "क्या एजेंट कल से बेहतर या बदतर है?" दोनों के बिना शिप न करें। अंधे चलने की कीमत पहले दिन इसे ठीक से वायर करने की लागत से दस गुना है।
रनटाइम और सैंडबॉक्स
सामान्य सैंडबॉक्स्ड कोड निष्पादन के लिए E2B। ब्राउज़र ऑटोमेशन के लिए Browserbase (Stagehand के साथ युग्मित)। Anthropic Computer Use जब आपको वास्तविक OS-स्तरीय डेस्कटॉप नियंत्रण की आवश्यकता होती है। छोटी अवधि के फटने के लिए Modal। बिना सैंडबॉक्स के कोड निष्पादन कभी न चलाएँ। कभी नहीं। आपके प्रोडक्शन वातावरण में एक एकल प्रॉम्प्ट-इंजेक्टेड एजेंट का ब्लास्ट रेडियस एक ऐसी कहानी है जिसे आप नहीं बताना चाहते।
मॉडल
बेंचमार्क चेज़ थकाऊ और काफी हद तक बेकार है। व्यावहारिक रूप से, अप्रैल 2026 में:
विश्वसनीय टूल उपयोग, मल्टी-स्टेप सुसंगति और सुंदर विफलता रिकवरी के लिए Claude Opus 4.7 और Sonnet 4.6। Sonnet अधिकांश वर्कलोड के लिए लागत-प्रदर्शन स्वीट स्पॉट है। GPT-5.4 और 5.5 जब आपको सबसे मजबूत CLI/टर्मिनल रीज़निंग की आवश्यकता होती है या आप OpenAI इंफ्रा में रहते हैं। लंबे-कॉन्टेक्स्ट-भारी या मल्टीमॉडल-भारी कार्यों के लिए Gemini 2.5 और 3। DeepSeek-V3.2 या Qwen 3.6 जब लागत शीर्ष-स्तरीय प्रदर्शन से अधिक मायने रखती है, विशेष रूप से संकीर्ण अच्छी तरह से परिभाषित कार्यों के लिए।
मॉडल को स्वैप करने योग्य मानें। अगर आपका एजेंट केवल एक मॉडल के साथ काम करता है, तो यह एक खाई नहीं, बल्कि एक गंध है। तैनात करने का निर्णय लेने के लिए इवल्स का उपयोग करें। हर तिमाही पुनर्मूल्यांकन करें, हर सप्ताह नहीं।
क्या छोड़ें
आपको बताया जाएगा कि इन सभी को सीखें और इनके साथ बनाएँ। आपको ऐसा करने की ज़रूरत नहीं है। छोड़ने की लागत कम है। बचाया गया समय बड़ा है।
प्रोडक्शन के लिए AutoGen और AG2। Microsoft का फ्रेमवर्क सामुदायिक रखरखाव में चला गया, रिलीज़ रुक गए, एब्स्ट्रैक्शन उस चीज़ से मेल नहीं खाते जो प्रोडक्शन टीमों को वास्तव में चाहिए। अकादमिक अन्वेषण के लिए ठीक है। इस पर कोई उत्पाद एंकर न करें।
नए प्रोडक्शन बिल्ड के लिए CrewAI। यह हर जगह है क्योंकि यह आसानी से डेमो करता है। वास्तविक सिस्टम बनाने वाले इंजीनियर इससे दूर चले गए हैं। अगर आप चाहें तो प्रोटोटाइप के लिए इसका उपयोग करें। इसके लिए प्रतिबद्ध न हों।
Microsoft Semantic Kernel जब तक कि आप Microsoft एंटरप्राइज़ स्टैक में बंद न हों और आपके खरीदारों को परवाह हो कि आप हैं। यह वह जगह नहीं है जहाँ इकोसिस्टम जा रहा है।
DSPy जब तक कि आप विशेष रूप से बड़े पैमाने पर प्रॉम्प्ट प्रोग्राम को ऑप्टिमाइज़ नहीं कर रहे हों। दार्शनिक योग्यता, आला दर्शक। सामान्य एजेंट फ्रेमवर्क नहीं। इसे एक के रूप में न चुनें।
अपने आर्किटेक्चर विकल्प के रूप में स्टैंडअलोन कोड-लेखन एजेंट। कोड-एज़-एक्शन दिलचस्प शोध है। यह अभी तक प्रोडक्शन-डिफ़ॉल्ट पैटर्न नहीं है, और आप उन टूलिंग और सुरक्षा लड़ाइयों से लड़ेंगे जो आपके प्रतिस्पर्धियों के पास नहीं हैं।
"स्वायत्त एजेंट" पिच। AutoGPT और BabyAGI वंश उत्पाद रूप में मर चुका है। उद्योग द्वारा तय किया गया ईमानदार फ्रेमिंग "एजेंटिक इंजीनियरिंग" है: पर्यवेक्षित, बाध्य, मूल्यांकन किया गया। 2026 में कोई भी जो अभी भी डिप्लॉय-एंड-फॉरगेट स्वायत्त एजेंट बेच रहा है, वह आपको 2023 बेच रहा है।
एजेंट ऐप स्टोर और मार्केटप्लेस। 2023 से वादा किया गया, कभी एंटरप्राइज़ ट्रैक्शन नहीं दिया। एंटरप्राइज़ सामान्य पूर्व-निर्मित एजेंट नहीं खरीदते। वे परिणामों से बंधे वर्टिकल एजेंट खरीदते हैं, या वे अपना खुद का निर्माण करते हैं। अपने व्यवसाय को ऐप-स्टोर सपने के आसपास संरचित न करें।
ग्राहक के रूप में क्षैतिज "कोई भी एजेंट बनाएँ" एंटरप्राइज़ प्लेटफ़ॉर्म (Google Agentspace, AWS Bedrock Agents, Microsoft Copilot Studio टियर)। वे अंततः उपयोगी होंगे। अभी वे भ्रमित करने वाले, धीमी गति से भेजने वाले हैं, और खरीद-बनाम-निर्माण गणित अभी भी संकीर्ण एजेंट को स्वयं बनाने या वर्टिकल खरीदने का पक्षधर है। Salesforce Agentforce और ServiceNow Now Assist अपवाद हैं क्योंकि वे वर्कफ़्लो सिस्टम में एम्बेडेड होकर जीतते हैं जिनका आप पहले से उपयोग करते हैं।
SWE-bench और OSWorld लीडरबोर्ड चेज़िंग। बर्कले के शोधकर्ताओं ने 2025 के दौरान दस्तावेज़ीकृत किया कि लगभग हर सार्वजनिक बेंचमार्क को अंतर्निहित कार्य को हल किए बिना खेला जा सकता है। टीमें अब Terminal-Bench 2.0 और अपने स्वयं के आंतरिक इवल्स का उपयोग वास्तविक सिग्नल के रूप में करती हैं। डिफ़ॉल्ट रूप से संदेह के साथ एकल-संख्या बेंचमार्क छलांग का इलाज करें।
भोले समानांतर मल्टी-एजेंट आर्किटेक्चर। साझा मेमोरी पर चैट करने वाले पाँच एजेंट डेमो में प्रभावशाली दिखते हैं और प्रोडक्शन में बिखर जाते हैं। अगर आप एक नैपकिन पर रीड/राइट सीमाओं के साथ एक स्वच्छ ऑर्केस्ट्रेटर-सबएजेंट आरेख नहीं बना सकते, तो इसे शिप न करें।
नए एजेंट उत्पादों के लिए प्रति-सीट SaaS मूल्य निर्धारण। बाजार परिणाम और उपयोग आधारित हो गया। प्रति सीट मूल्य निर्धारण पैसे को मेज पर छोड़ता है और खरीदारों को संकेत देता है कि आपको अपने स्वयं के उत्पाद पर भरोसा नहीं है कि वह परिणाम दे।
अगला फ्रेमवर्क जो आप इस सप्ताह Hacker News पर देखते हैं। छह महीने प्रतीक्षा करें। अगर यह अभी भी मायने रखता है, तो यह स्पष्ट होगा। अगर नहीं, तो आपने एक माइग्रेशन बचाया।
वास्तव में कैसे आगे बढ़ें
अगर आप एजेंटों को अपनाने की कोशिश कर रहे हैं, न कि केवल उनके साथ बने रहने की, तो यह क्रम काम करता है। यह उबाऊ है। यह काम करता है।
एक ऐसा परिणाम चुनें जो पहले से मायने रखता है। कोई मूनशॉट नहीं। कोई क्षैतिज "एजेंट प्लेटफ़ॉर्म" प्रोजेक्ट नहीं। कुछ मापने योग्य जिसकी आपका व्यवसाय पहले से परवाह करता है। सपोर्ट टिकटों को डिफ्लेक्ट करना। पहली-पास कानूनी समीक्षा का मसौदा तैयार करना। इनबाउंड लीड्स को क्वालिफाई करना। मासिक रिपोर्ट तैयार करना। एजेंट तब सफल होता है जब वह परिणाम चलता है। यह पहले दिन आपका इवल लक्ष्य बन जाता है।
यह कदम किसी भी अन्य चीज़ से अधिक मायने रखता है क्योंकि यह हर बाद के निर्णय को बाधित करता है। एक विशिष्ट परिणाम के साथ, "कौन सा फ्रेमवर्क" का सवाल दार्शनिक होना बंद हो जाता है। आप वह चुनते हैं जो आपके परिणाम को सबसे तेज़ भेजता है। "कौन सा मॉडल" का सवाल बेंचमार्क तर्क होना बंद हो जाता है। आप वह चुनते हैं जो आपके इवल्स कहते हैं कि इस विशिष्ट कार्य पर काम करता है। "क्या हमें मेमोरी / सबएजेंट / कस्टम हार्नेस की ज़रूरत है" का सवाल एक विचार प्रयोग होना बंद हो जाता है। आप केवल वही जोड़ते हैं जो आपके विशिष्ट विफलता मोड की आवश्यकता है। जो टीमें इस कदम को छोड़ती हैं, वे क्षैतिज प्लेटफ़ॉर्म बनाती हैं जो किसी ने नहीं माँगा। जो टीमें इसे गंभीरता से लेती हैं, वे एक एकल संकीर्ण एजेंट भेजती हैं जो एक तिमाही में अपने लिए भुगतान करता है, और वह एकल भेजा गया एजेंट उन्हें दो साल के पढ़ने से अधिक क्षेत्र के बारे में सिखाता है।
कुछ भी भेजने से पहले ट्रेसिंग और इवल्स सेट करें। Langfuse या LangSmith चुनें। इसे वायर करें। अगर आवश्यक हो तो हाथ से एक छोटा गोल्डन डेटासेट बनाएँ। पचास लेबल किए गए उदाहरण शुरू करने के लिए पर्याप्त हैं। आप उस चीज़ को बेहतर नहीं कर पाएँगे जिसे आप माप नहीं सकते। बाद में इसे बनाने की लागत अब इसे बनाने की लागत से लगभग 10 गुना है।
एक सिंगल-एजेंट लूप से शुरू करें। LangGraph या Pydantic AI चुनें। मॉडल के रूप में Claude Sonnet 4.6 या GPT-5 चुनें। एजेंट को तीन से सात अच्छी तरह से डिज़ाइन किए गए टूल दें। इसे स्टेट के रूप में फ़ाइल सिस्टम या डेटाबेस दें। एक छोटे दर्शकों को भेजें। ट्रेस देखें।
एजेंट को एक प्रोजेक्ट के बजाय एक उत्पाद के रूप में मानें। यह उन तरीकों से विफल होगा जिनकी आपने भविष्यवाणी नहीं की थी। वे विफलताएँ आपका रोडमैप हैं। वास्तविक प्रोडक्शन ट्रेस से रिग्रेशन सेट बनाएँ। तैनाती से पहले हर प्रॉम्प्ट बदलाव, हर मॉडल स्वैप, हर टूल बदलाव इवल्स के माध्यम से जाता है। यह वह जगह है जहाँ अधिकांश टीमें कम निवेश करती हैं। यह वह जगह है जहाँ अधिकांश विश्वसनीयता आती है।
स्कोप तभी जोड़ें जब आपने इसे अर्जित किया हो। सबएजेंट तब आते हैं जब कॉन्टेक्स्ट बाधा होती है। मेमोरी फ्रेमवर्क तब आते हैं जब सिंगल-विंडो कॉन्टेक्स्ट वह नहीं रख सकता जो आपको चाहिए। कंप्यूटर उपयोग या ब्राउज़र उपयोग तब आता है जब अंतर्निहित APIs वास्तव में नहीं हैं। इन्हें पहले से आर्किटेक्ट न करें। विफलता मोड को उन्हें अंदर खींचने दें।
उबाऊ इंफ्रास्ट्रक्चर चुनें। टूल के लिए MCP। सैंडबॉक्स के लिए E2B या Browserbase। स्टेट के लिए Postgres या जो भी डेटा स्टोर आप पहले से चलाते हैं। आपका मौजूदा ऑथ और ऑब्ज़र्वेबिलिटी स्टैक। विदेशी इंफ्रा शायद ही कभी जीत होता है। अनुशासन है।
पहले दिन से अपनी यूनिट इकोनॉमिक्स देखें। प्रति-कार्रवाई लागत। कैश हिट दरें। रिट्राई-लूप लागत। मॉडल-कॉल वितरण। एजेंट PoC में सस्ते दिखते हैं और 100x स्केल पर विस्फोट करते हैं जब तक कि आप शुरू से प्रति परिणाम लागत को इंस्ट्रूमेंट नहीं करते। $0.50/रन PoC मध्यम वॉल्यूम पर $50K/माह बन जाता है। जो टीमें इसे आते नहीं देखती हैं, उन्हें CFO मीटिंग मिलती है जिसका वे आनंद नहीं लेते।
मॉडल का त्रैमासिक पुनर्मूल्यांकन करें, साप्ताहिक नहीं। एक तिमाही के लिए लॉक इन करें। तिमाही के अंत में, वर्तमान फ्रंटियर के खिलाफ अपना इवल सूट चलाएँ और स्विच करें यदि डेटा स्विच करने के लिए कहता है। आपको हर रिलीज़ का पीछा करने की अराजकता के बिना मॉडल सुधार का लाभ मिलता है।
ज्वार को पढ़ना
ठोस संकेत कि कुछ सिग्नल है:
एक सम्मानित इंजीनियरिंग टीम संख्याओं के साथ पोस्टमार्टम लिखती है, न कि केवल अपनाने के दावों के साथ। यह एक प्रिमिटिव (प्रोटोकॉल, पैटर्न, इंफ्रा) है, न कि रैपर या बंडल। यह आपके पहले से चल रहे सिस्टम के साथ इंटरऑपरेट करता है, न कि उसे बदलता है। पिच एक ऐसे फेल्योर मोड का वर्णन करती है जिसे वह हल करता है, न कि एक क्षमता जिसे वह सक्षम करता है। यह इतने लंबे समय से मौजूद है कि इसके बारे में "क्या काम नहीं आया" ब्लॉग पोस्ट लिखी जा चुकी है।
ये ठोस संकेत हैं कि कुछ शोर है:
तीस दिनों के बाद भी बिना प्रोडक्शन केस स्टडीज के डेमो वीडियो। बेंचमार्क में ऐसी छलांग जो हकीकत में होने के लिए बहुत साफ हैं। ऐसी पिचें जो बिना योग्यता के "ऑटोनॉमस," "एजेंट OS," या "कोई भी एजेंट बनाएं" का उपयोग करती हैं। ऐसे फ्रेमवर्क जिनके डॉक्स मान लेते हैं कि आप अपने मौजूदा ट्रेसिंग, ऑथ और कॉन्फिग को फेंक देंगे। स्टार काउंट तेजी से बढ़ रहे हैं, लेकिन कमिट, रिलीज़ और कंट्रीब्यूटर उनके साथ नहीं बढ़ रहे हैं। GitHub वेलोसिटी के बिना Twitter वेलोसिटी।
एक उपयोगी साप्ताहिक आदत: शुक्रवार को तीस मिनट फील्ड के लिए आरक्षित करें। तीन चीजें पढ़ें। Anthropic का इंजीनियरिंग ब्लॉग। Simon Willison के नोट्स। Latent Space। अगर कोई पोस्टमार्टम आए हैं तो एक या दो को स्किम करें। बाकी सब कुछ हफ्ते के लिए छोड़ दें। आपको पता चल जाएगा कि किन चीजों से फर्क पड़ता है।
क्या देखने लायक है
अगले दो क्वार्टरों में ध्यान देने योग्य चीजें, इसलिए नहीं कि वे गारंटीड जीत हैं, बल्कि इसलिए कि "क्या यह सिग्नल है?" सवाल पूरी तरह से हल नहीं हुआ है:
Replit Agent 4 का पैरेलल फोर्किंग मॉडल। "एक साथ काम करने वाले कई एजेंट्स" का पहला गंभीर प्रयास जो शेयर्ड स्टेट पर नहीं अटकता। अगर यह स्केल पर टिकता है, तो ऑर्केस्ट्रेटर-सबएजेंट डिफ़ॉल्ट बदल सकता है।
आउटकम-बेस्ड प्राइसिंग की परिपक्वता। Sierra और Harvey के रेवेन्यू ट्रैजेक्टरीज इसे संकीर्ण वर्टिकल के अंदर मान्य करते हैं। सवाल यह है कि क्या यह इसके बाहर सामान्यीकृत होता है, या केवल वर्टिकल-ओनली मॉडल बना रहता है।
स्किल्स एक पैकेजिंग लेयर के रूप में। GitHub पर AGENTS.md और स्किल्स डायरेक्टरीज का प्रसार एजेंट क्षमताओं को पैकेज करने के एक उभरते तरीके का सुझाव देता है। क्या यह उस तरह से मानकीकृत होता है जैसे MCP ने टूल्स के लिए किया, यह खुला सवाल है।
Claude Code का अप्रैल 2026 क्वालिटी रिग्रेशन और उसका पोस्टमार्टम। एक उद्योग-अग्रणी एजेंट ने 47% परफॉरमेंस रिग्रेशन शिप किया और इंटरनल मॉनिटरिंग के पकड़ने से पहले यूजर्स ने पकड़ लिया। यह एक सबक है कि प्रोडक्शन एजेंट इवैल प्रैक्टिसेज अभी भी कितनी अपरिपक्व हैं, यहां तक कि लीडर्स पर भी। अगर यह इंडस्ट्री-वाइड बेहतर ऑनलाइन इवैल्स में निवेश को प्रेरित करता है, तो सुधार स्वस्थ है।
डिफ़ॉल्ट सपोर्ट सरफेस के रूप में वॉयस। Sierra का वॉयस चैनल 2025 के अंत में टेक्स्ट से आगे निकल गया। अगर यह पैटर्न अन्य वर्टिकल में भी बना रहता है, तो डिज़ाइन कंस्ट्रेंट्स (लेटेंसी, इंटरप्शन, रियल-टाइम टूल यूज़) प्रथम-क्रम बन जाते हैं, और बहुत सारे मौजूदा आर्किटेक्चर को फिर से काम करने की जरूरत है।
गैप को बंद करने वाली ओपन-मॉडल एजेंट क्षमता। नेटिव थिंकिंग-इन्टू-टूल-यूज़ के साथ DeepSeek-V3.2। Qwen 3.6। व्यापक ओपन लैंडस्केप। संकीर्ण एजेंट कार्यों के लिए लागत-प्रदर्शन बदल रहा है। क्लोज्ड-सोर्स डिफ़ॉल्ट स्थायी नहीं है।
इनमें से प्रत्येक का एक स्पष्ट "मुझे छह महीने में क्या देखने की जरूरत होगी ताकि मैं इस पर विश्वास करूं" उत्तर है। यही परीक्षा है। उत्तर को ट्रैक करें, घोषणाओं को नहीं।
अपरंपरागत दांव
हर फ्रेमवर्क जिसे आप नहीं अपनाते, वह एक माइग्रेशन है जिसका आप पर कर्ज नहीं है। हर बेंचमार्क जिसका आप पीछा नहीं करते, वह फोकस की एक तिमाही है जिसे आप बनाए रखते हैं। इस चक्र में जीतने वाली कंपनियों (अपने-अपने डोमेन में Sierra, Harvey, Cursor) ने संकीर्ण लक्ष्य चुने, उबाऊ अनुशासन बनाया, और फील्ड के शोर को अपने पास से गुजर जाने दिया।
पारंपरिक रास्ता था: एक स्टैक चुनें, वर्षों तक उसमें महारत हासिल करें, एक सीढ़ी चढ़ें। यह तब काम करता था जब स्टैक एक दशक तक स्थिर रहता था। स्टैक अब हर तिमाही बदलता है। जीतने वाले लोगों ने स्टैक महारत के लिए ऑप्टिमाइज़ करना बंद कर दिया और स्वाद, प्रिमिटिव और शिप वेलोसिटी के लिए ऑप्टिमाइज़ करना शुरू कर दिया। वे सार्वजनिक रूप से छोटी चीजें बनाते हैं। वे शिप करके सीखते हैं। वे जो पहले ही बना चुके हैं, उसके द्वारा कमरों में खींचे जाते हैं। क्रेडेंशियल आर्टिफैक्ट है।
इस पर एक पल के लिए रुकें, क्योंकि यह इस पूरे लेख का वास्तविक बिंदु है। हम में से अधिकांश को काम के एक ऐसे मॉडल पर पाला गया था जो मानता था कि दुनिया क्रेडेंशियल्स के संचय के लिए पर्याप्त देर तक स्थिर रहेगी। आप स्कूल गए। आपने डिग्री ली। आप सीढ़ी चढ़ गए। यहां दो साल, वहां तीन साल, और धीरे-धीरे रिज्यूमे कुछ ऐसा बन गया जो दरवाजे खोलता था। वह पूरी मशीन इसके दूसरी तरफ एक स्थिर उद्योग मानती थी।
एजेंट स्पेस में अभी कोई स्थिर दूसरी तरफ नहीं है। जिन कंपनियों के लिए आप काम करना चाह सकते हैं, वे छह महीने पुरानी हैं। जिन फ्रेमवर्क पर वे बनाए गए हैं, वे अठारह महीने पुराने हैं। उनके नीचे के प्रोटोकॉल दो साल पुराने हैं। फील्ड में सबसे अधिक उद्धृत पोस्टों में से आधे उन लोगों द्वारा लिखे गए थे जो तीन साल पहले फील्ड में नहीं थे। चढ़ने के लिए कोई सीढ़ी नहीं है क्योंकि इमारत मंजिलें बदलती रहती है। जब सीढ़ी काम नहीं करती है, तो जो बचता है वह बहुत पुराना तरीका है: एक चीज़ बनाएं, इसे इंटरनेट पर डालें, काम को आपका परिचय कराने दें। यह अपरंपरागत रास्ता है क्योंकि यह क्रेडेंशियलिंग सिस्टम को अनदेखा करता है। यह एकमात्र ऐसा रास्ता भी है जो एक चलते हुए क्षेत्र में संचय करता है।
अंदर से युग ऐसा दिखता है। यहां तक कि दिग्गज भी सार्वजनिक रूप से पुनरावृत्ति कर रहे हैं, रिग्रेशन शिप कर रहे हैं, पोस्टमार्टम लिख रहे हैं, लाइव पैच कर रहे हैं। इस वर्ष सबसे दिलचस्प चीजें शिप करने वाली टीमों में वे लोग शामिल हैं जो अठारह महीने पहले फील्ड में नहीं थे। गैर-कोडर एजेंटों के साथ जोड़ी बना रहे हैं और वास्तविक सॉफ्टवेयर शिप कर रहे हैं। PhDs को उन बिल्डरों द्वारा पीछे छोड़ा जा रहा है जिन्होंने सही प्रिमिटिव चुने और झूलना शुरू किया। गेट खुले हैं। अधिकांश लोग अभी भी आवेदन पत्र ढूंढने की कोशिश कर रहे हैं।
आपको अभी जो कौशल विकसित करने की आवश्यकता है, वह "एजेंट" नहीं है। यह यह पता लगाने का अनुशासन है कि कौन सा काम एक ऐसे क्षेत्र में संचय करता है जहां सतह बदलती रहती है। कॉन्टेक्स्ट इंजीनियरिंग संचय करती है। टूल डिज़ाइन संचय करता है। ऑर्केस्ट्रेटर-सबएजेंट पैटर्न संचय करता है। इवैल अनुशासन संचय करता है। हार्नेस माइंडसेट संचय करता है। मंगलवार को लॉन्च हुए फ्रेमवर्क के API को जानना नहीं करता। एक बार जब आप उनमें अंतर बता सकते हैं, तो साप्ताहिक लॉन्च ज्वार दबाव की तरह महसूस होना बंद कर देता है और शोर की तरह महसूस होने लगता है जिसे आप अनदेखा कर सकते हैं।
आपको सब कुछ सीखने की जरूरत नहीं है। आपको उन चीजों को सीखने की जरूरत है जो संचय करती हैं और उन चीजों को छोड़ने की जरूरत है जो नहीं करती हैं। एक परिणाम चुनें। शिप करने से पहले ट्रेसिंग और इवैल्स वायर करें। LangGraph या अपनी टीम के समकक्ष का उपयोग करें। MCP का उपयोग करें। अपने रनटाइम को सैंडबॉक्स करें। डिफ़ॉल्ट रूप से सिंगल-एजेंट पर जाएं। जब फेल्योर मोड इसे खींचें तो स्कोप जोड़ें। तिमाही आधार पर मॉडलों का पुनर्मूल्यांकन करें। शुक्रवार को तीन चीजें पढ़ें।
यही प्लेबुक है। बाकी स्वाद, शिप वेलोसिटी, और उस चीज का पीछा न करने का धैर्य है जो मायने नहीं रखती। चीजें बनाएं। उन्हें इंटरनेट पर डालें। युग उन लोगों को पुरस्कृत करता है जो चीज़ बनाते हैं, उन लोगों से अधिक जो चीज़ का वर्णन कर सकते हैं। बनाने वाला होने के लिए इससे बेहतर खिड़की कभी नहीं रही।
