Anthropic के इंजीनियर एक साल पहले की तुलना में हर दिन 8 गुना अधिक कोड मर्ज करते हैं। मॉडल में कोई बदलाव नहीं आया। हार्डवेयर में कोई बदलाव नहीं आया। टीम के आकार में कोई बदलाव नहीं आया। जो बदला है, वह यह है कि Claude काम शुरू करने से पहले क्या देखता है।
ज्यादातर डेवलपर्स अपना समय बेहतर प्रॉम्प्ट लिखने में बिताते हैं। Anthropic के इंजीनियर अपना समय बेहतर संदर्भ (context) बनाने में बिताते हैं। यही एक बदलाव पूरे 8 गुना के अंतर का कारण है।
Anthropic का अपना शोध इसे सीधे तौर पर स्पष्ट करता है: एक AI एजेंट की गुणवत्ता मॉडल से कम और उसे दिए गए संदर्भ से अधिक निर्धारित होती है। Claude केवल वही देखता है जो संदर्भ विंडो (context window) के अंदर है। उस विंडो के बाहर कुछ भी मौजूद नहीं है। जिसका अर्थ है कि एक गंभीर AI इंजीनियर का पूरा काम चतुर प्रॉम्प्ट लिखना नहीं है - बल्कि यह सुनिश्चित करना है कि Claude द्वारा कोई भी कार्रवाई करने से पहले उसके पास बिल्कुल सही जानकारी हो।
उस अनुशासन का अब एक नाम है। कॉन्टेक्स्ट इंजीनियरिंग (Context engineering)। और यह प्रॉम्प्ट इंजीनियरिंग की जगह ले रहा है, ठीक वैसे ही जैसे दो साल पहले प्रॉम्प्ट इंजीनियरिंग ने मैनुअल स्क्रिप्टिंग की जगह ली थी।
इसे बुकमार्क करें और फॉलो करें
मैं Noisy हूँ, 4 साल के अनुभव वाला एक डेवलपर। मैं AI सिस्टम, ऑटोमेशन पाइपलाइन बनाता हूँ और तकनीक को वास्तविक आय में बदलने के तरीके खोजता हूँ।
आपका AI एजेंट गलत उत्तर क्यों देता है
जब कोई AI एजेंट विफल होता है, तो ज्यादातर लोग मॉडल को दोषी ठहराते हैं। गलत फाइल एडिट हो गई। गलत धारणा बना ली। ऐसी स्पष्ट गलती जिसे कोई भी डेवलपर पकड़ लेता।
मॉडल लगभग कभी भी समस्या नहीं होता। समस्या गायब संदर्भ (missing context) है।
1ज्यादातर लोग Claude को क्या देते हैं | एक प्रॉम्प्ट2Claude को वास्तव में क्या चाहिए | ज्ञान, मेमोरी, फाइलें,3 | नियम, उदाहरण, टूल्स,4 | स्थिति (state), पिछली कार्रवाइयां
प्रॉम्प्ट एक वाक्य होता है। संदर्भ वह पूरा सूचनात्मक वातावरण है जिसमें Claude काम करता है। एक एजेंट जो काम करता है और जो नहीं करता, उसके बीच का अंतर लगभग हमेशा वही होता है जो उस वातावरण में है - न कि यह कि कौन सा मॉडल चल रहा है।
Anthropic इसे इस तरह वर्णित करता है: LLM केवल वही देखता है जो संदर्भ विंडो में है। संदर्भ AI के लिए ऑपरेटिंग सिस्टम है। इसे गलत तरीके से बनाएं और कुछ भी काम नहीं करेगा, चाहे मॉडल कितना भी सक्षम क्यों न हो।
संदर्भ वास्तव में क्या है
ज्यादातर लोग सोचते हैं कि संदर्भ का मतलब वह टेक्स्ट है जिसे वे अपने प्रश्न से पहले पेस्ट करते हैं। वह एक परत है। एक ठीक से इंजीनियर किए गए संदर्भ में सात घटक एक साथ काम करते हैं।
1मेमोरी | एजेंट पिछले सत्रों से क्या जानता है2निर्देश | नियम, बाधाएं, कोडिंग शैली3उदाहरण | अच्छा आउटपुट वास्तव में कैसा दिखता है4फाइलें | संबंधित कोड, डॉक्स, आर्किटेक्चर5पिछली कार्रवाइयां | एजेंट ने पहले क्या कोशिश की6टूल परिणाम | सर्च और फंक्शन्स ने क्या लौटाया7स्थिति (State) | कार्य अभी किस चरण पर है
हर बार जब Claude कोई कार्रवाई करता है, तो संदर्भ बढ़ता है। टूल के परिणाम वापस आते हैं। नई फाइलें पढ़ी जाती हैं। स्थिति अपडेट होती है। Claude नया संदर्भ देखता है और अगली कार्रवाई तय करता है। यह चक्र एक एजेंट का वास्तविक तंत्र है - प्रॉम्प्ट नहीं, मॉडल नहीं, बल्कि वह संदर्भ जो हर कदम के साथ विकसित होता है।
1उपयोगकर्ता का अनुरोध2↓3सभी सात घटकों से निर्मित संदर्भ4↓5Claude कार्रवाई तय करता है6↓7टूल निष्पादित होता है8↓9परिणाम संदर्भ में जोड़ा जाता है10↓11Claude नया संदर्भ देखता है12↓13अगली कार्रवाई14↓15पूरा होने तक दोहराएं
एक खराब एजेंट इस चक्र को दूसरे चरण पर तोड़ देता है। संदर्भ अधूरा होता है इसलिए Claude धारणाएं बना लेता है। धारणाएं गलत होती हैं इसलिए आउटपुट गलत होता है। ज्यादातर डेवलपर्स प्रॉम्प्ट को फिर से लिखकर इसे ठीक करते हैं। वास्तविक समाधान संदर्भ को सही ढंग से बनाना है।
तीन-परत वाला संदर्भ स्टैक
Anthropic संदर्भ को तीन परतों में सोचने की सलाह देता है। प्रत्येक परत एक अलग उद्देश्य पूरा करती है और एजेंट के काम के दौरान अलग-अलग बिंदु पर लोड होती है।
1ग्लोबल संदर्भ | हमेशा मौजूद, हर सत्र में2प्रोजेक्ट संदर्भ | प्रोजेक्ट शुरू होने पर लोड होता है3कार्य संदर्भ | विशिष्ट कार्य के लिए लोड होता है
ग्लोबल संदर्भ स्थायी परत है। पहचान, मुख्य नियम, कोडिंग शैली, एजेंट को क्या कभी नहीं करना चाहिए। यह सत्रों के बीच कभी नहीं बदलता और इसे बार-बार समझाने की आवश्यकता नहीं होती।
1ग्लोबल संदर्भ में शामिल हैं:2- एजेंट की पहचान और भूमिका3- कोडिंग मानक और शैली के नियम4- सुरक्षा बाधाएं5- जिसे कभी न छुएं या संशोधित न करें6- अनिश्चितता को कैसे संभालें
प्रोजेक्ट संदर्भ ज्ञान की परत है। Claude को इस विशिष्ट कोडबेस को समझने के लिए जो कुछ भी चाहिए - आर्किटेक्चर, उपयोग किए गए पैटर्न, लिए गए निर्णय और क्यों, वे चीजें जो पहले गलत हुईं।
1प्रोजेक्ट संदर्भ में शामिल हैं:2- README और आर्किटेक्चर का अवलोकन3- प्रोजेक्ट-विशिष्ट नियमों के साथ AGENTS.md4- फोल्डर संरचना और नामकरण परंपराएं5- परीक्षण आवश्यकताएं और पैटर्न6- प्रमुख निर्भरताएं (dependencies) और उन्हें क्यों चुना गया
कार्य संदर्भ निष्पादन परत है। जिस विशिष्ट फाइल पर काम किया जा रहा है, वर्तमान टिकट, तत्काल लक्ष्य, वे बाधाएं जो इस सटीक कार्य पर लागू होती हैं।
1कार्य संदर्भ में शामिल हैं:2- वर्तमान फाइल और संबंधित फाइलें3- इस सत्र के लिए विशिष्ट लक्ष्य4- हालिया बदलाव और उनके परिणाम5- वर्तमान परीक्षण परिणाम6- इस कार्य के लिए विशिष्ट बाधाएं
ज्यादातर डेवलपर्स Claude को केवल कार्य संदर्भ देते हैं। एजेंट हर सत्र को बिना ग्लोबल या प्रोजेक्ट संदर्भ के शुरू करता है और उसे वह सब कुछ अनुमान लगाना पड़ता है जो वह नहीं जानता। वे अनुमान ही गलतियों का कारण बनते हैं।
AGENTS.md - वह फाइल जो सब कुछ बदल देती है
किसी भी गंभीर Claude Code सेटअप में सबसे महत्वपूर्ण एकल फाइल। शोधकर्ताओं ने AGENTS.md को AI कोडिंग एजेंट संदर्भ के लिए नया मानक माना है - यह अब हजारों प्रोडक्शन रिपॉजिटरी में मौजूद है क्योंकि यह काम करता है।
AGENTS.md वह जगह है जहाँ प्रोजेक्ट संदर्भ स्थायी रूप से रहता है। Claude हर सत्र की शुरुआत में इसे स्वचालित रूप से पढ़ता है। उसके बाद इसे फिर कभी कुछ बताने की आवश्यकता नहीं होती।
1# AGENTS.md23## आर्किटेक्चर4Next.js फ्रंटएंड और Express बैकएंड के साथ मोनोरिपो।5सभी API रूट /api में रहते हैं। /legacy को सीधे कभी संशोधित न करें।67## कोडिंग नियम8axios का उपयोग कभी न करें। हमेशा fetch का उपयोग करें।9हर घटक: TypeScript, Tailwind, Server Actions।10पेजों को छोड़कर कोई डिफ़ॉल्ट एक्सपोर्ट नहीं।1112## परीक्षण13यूनिट टेस्ट के लिए Vitest। E2E के लिए Playwright।14हर कमिट से पहले npm test चलाएं।15किसी विफल परीक्षण को कभी डिसेबल न करें - उसे ठीक करें या आगे बढ़ाएं।1617## Git18main पर सीधे कमिट कभी न करें।19हमेशा स्पष्ट विवरण के साथ PR खोलें।20हर PR को Linear टिकट से लिंक करें।2122## कभी न छुएं23src/payments/ - किसी भी बदलाव के लिए मानवीय अनुमोदन की आवश्यकता है24src/auth/tokens/ - सुरक्षा समीक्षा आवश्यक है25.env फाइलें - कभी न पढ़ें या संशोधित न करें
इस फाइल का हर नियम एक ऐसी गलती है जिसे Claude फिर कभी नहीं करेगा। प्रोजेक्ट जितना लंबा चलेगा, AGENTS.md उतना ही विशिष्ट और मूल्यवान होता जाएगा - यह एजेंट द्वारा की गई हर गलती और टीम द्वारा स्थापित हर परंपरा का संचित ज्ञान है।
वह संदर्भ स्टैक जो गंभीर एजेंटों को शक्ति देता है
सर्वश्रेष्ठ AI इंजीनियर किसी कार्य की शुरुआत प्रॉम्प्ट लिखकर नहीं करते। वे एक संदर्भ स्टैक बनाते हैं - जानकारी का एक संरचित क्रम जो Claude के कोई भी कार्रवाई करने से पहले लोड होता है।
1चरण 1 | ग्लोबल संदर्भ लोड करें - पहचान, नियम, शैली2चरण 2 | प्रोजेक्ट संदर्भ लोड करें - AGENTS.md, आर्किटेक्चर, डॉक्स3चरण 3 | प्रासंगिक पिछले अनुभव के लिए मेमोरी सर्च करें4चरण 4 | इस विशिष्ट कार्य के लिए प्रासंगिक फाइलें लोड करें5चरण 5 | वर्तमान स्थिति लोड करें - परीक्षण परिणाम, हालिया बदलाव6चरण 6 | स्पष्ट सफलता मानदंडों के साथ कार्य लक्ष्य को परिभाषित करें7चरण 7 | Claude पूरी जानकारी के साथ कार्य करता है
तुलना करें कि एक अच्छी तरह से संदर्भ-इंजीनियर एजेंट डिफ़ॉल्ट की तुलना में कैसा दिखता है:
1खराब एजेंट:2प्रश्न → Claude → उत्तर3Claude वह सब कुछ अनुमान लगाता है जो वह नहीं जानता45अच्छा एजेंट:6प्रश्न7↓ डॉक्स सर्च करें8↓ मेमोरी सर्च करें9↓ AGENTS.md पढ़ें10↓ प्रासंगिक फाइलें पढ़ें11↓ वर्तमान स्थिति जांचें12↓ Claude13↓ पूरी जानकारी पर आधारित उत्तर
दूसरा एजेंट अधिक स्मार्ट नहीं है। वह बेहतर सूचित है। मॉडल समान है। संदर्भ नहीं है।
मेमोरी - वह संदर्भ जो सत्रों के बीच जीवित रहता है
Anthropic उन मेमोरी के प्रकारों के बीच स्पष्ट अंतर करता है जो संदर्भ को फीड करते हैं। अधिकांश एजेंटों के पास केवल एक ही होती है - वर्तमान बातचीत। इसीलिए वे हर सत्र शून्य से शुरू करते हैं।
1दीर्घकालिक मेमोरी | पिछले सभी सत्रों में सीखा गया सब कुछ2अल्पकालिक मेमोरी | इस बातचीत में पहले क्या हुआ3वर्किंग मेमोरी | अभी संदर्भ विंडो में क्या है
दीर्घकालिक मेमोरी वह है जो एक एजेंट को समय के साथ मूल्य में कंपाउंड बनाती है। हर सत्र इसमें जुड़ता है। हर गलती रिकॉर्ड की जाती है। हर सफल पैटर्न स्टोर किया जाता है। जो एजेंट छह महीने से कोडबेस पर चल रहा है, वह उस प्रोजेक्ट के बारे में ऐसी चीजें जानता है जिसे कोई भी प्रॉम्प्ट दोहरा नहीं सकता।
व्यावहारिक कार्यान्वयन एक मेमोरी फाइल है - बातचीत के बाहर एक मार्कडाउन दस्तावेज़ जिसे एजेंट हर सत्र की शुरुआत में पढ़ता है और अंत में अपडेट करता है।
1# प्रोजेक्ट मेमोरी23## आर्किटेक्चर निर्णय4- Firebase के बजाय Supabase चुना: रीयल-टाइम कम महत्वपूर्ण, SQL क्वेरी की आवश्यकता5- REST से tRPC पर स्थानांतरित: पूरे स्टैक में टाइप सुरक्षा, जून 202667## क्या काम आया है8- रिफैक्टरिंग से पहले उच्च परीक्षण कवरेज रिग्रेशन को रोकता है9- बड़े PR को फीचर फ्लैग रिलीज में तोड़ना समीक्षा समय को कम करता है1011## क्या काम नहीं आया है12- माइग्रेशन का स्वतः-निर्माण: स्कीमा ड्रिफ्ट ने प्रोडक्शन घटना का कारण बना13- एक ही फाइल पर समानांतर एजेंट लेखन: हमेशा वर्कट्री का उपयोग करें1415## आवर्ती पैटर्न16- प्रमाणीकरण (Auth) समस्याएं लगभग हमेशा मिडलवेयर ऑर्डर तक जाती हैं17- प्रदर्शन समस्याएं आमतौर पर डेटाबेस क्वेरी परत में शुरू होती हैं
हर सत्र यह फाइल पढ़ी जाती है। हर सत्र यह अपडेट होती है। एजेंट कभी नहीं भूलता।
MCP - हर जगह से संदर्भ
संदर्भ केवल रिपॉजिटरी की फाइलों से नहीं आता है। एक प्रोडक्शन एजेंट को उस हर सिस्टम से संदर्भ की आवश्यकता होती है जिसमें टीम काम करती है - इश्यू ट्रैकर, एरर मॉनिटर, दस्तावेज़ीकरण, डेटाबेस, संचार उपकरण।
Model Context Protocol वह तरीका है जिससे Claude प्रत्येक के लिए कस्टम एकीकरण के बिना बाहरी सिस्टम से संदर्भ खींचता है।
1फाइलसिस्टम | स्थानीय फाइलें, कॉन्फिग, कोडबेस2GitHub | इश्यू, PR, कमिट इतिहास, CI परिणाम3Linear / Jira | टिकट, प्राथमिकताएं, प्रोजेक्ट स्थिति4Slack | लिए गए निर्णय, चर्चाओं से संदर्भ5Postgres | लाइव डेटा, स्कीमा, क्वेरी परिणाम6Google Drive | डॉक्स, स्पेक्स, मीटिंग नोट्स7Sentry | लाइव त्रुटियां, आवृत्ति, प्रभावित उपयोगकर्ता
MCP कॉन्फ़िगर किए गए एजेंट के साथ केवल कोड नहीं दिखता। यह उस टिकट को देखता है जो बताता है कि यह फीचर क्यों आवश्यक है, वह Slack बातचीत जहाँ आर्किटेक्चर तय किया गया था, Sentry त्रुटि जो दिखाती है कि उपयोगकर्ता बग का सामना कैसे कर रहे हैं और डेटाबेस स्कीमा जिसका समाधान को सम्मान करना है।
वह पूर्ण संदर्भ है। Claude को बिना अनुमान लगाए सही निर्णय लेने के लिए जो कुछ भी चाहिए।
कॉन्टेक्स्ट इंजीनियरिंग वर्कफ़्लो
यह है कि एक ठीक से कॉन्टेक्स्ट-इंजीनियर कार्य शुरू से अंत तक कैसा दिखता है।
इसके बजाय:
1एक्सपोर्ट फीचर बनाएं।
आप Claude को देते हैं:
1लक्ष्य2एक्सपोर्ट फीचर फ्री-टू-प्रो कन्वर्जन को ब्लॉक कर रहा है।3सिग्नल देखें: /signals/export-too-hidden.md45प्रासंगिक फाइलें6src/features/export/ - वर्तमान कार्यान्वयन7src/components/ui/Button.md - पालन करने के लिए बटन पैटर्न8tests/features/export.test.ts - मौजूदा परीक्षण कवरेज910आर्किटेक्चर बाधाएं11AGENTS.md अनुभाग पढ़ें: एक्सपोर्ट नियम12बिलिंग एकीकरण को सीधे कभी संशोधित न करें1314सफलता मानदंड15सभी मौजूदा परीक्षण पास हों16नए परीक्षण तीन एक्सपोर्ट फॉर्मेट को कवर करें17PR लिंक किए गए Linear टिकट EXP-47 के साथ खुले18src/payments/ में कोई बदलाव नहीं
वही कार्य। पूरी तरह से अलग संदर्भ। आउटपुट थोड़ा बेहतर नहीं है - यह स्पष्ट रूप से अलग है क्योंकि Claude बुद्धिमान अनुमानों के बजाय पूरी जानकारी के साथ निर्णय ले रहा है।
इस सप्ताहांत का व्यावहारिक सेटअप
दिन 1 - तीन-परत वाला संदर्भ स्टैक बनाएं। पहचान और मुख्य नियमों के साथ एक ग्लोबल संदर्भ फाइल लिखें। अपने प्रोजेक्ट आर्किटेक्चर, कोडिंग परंपराओं और कभी न छूने वाली सूची के साथ AGENTS.md बनाएं। एक मेमोरी फाइल सेट करें जो सत्र की शुरुआत में लोड हो और अंत में अपडेट हो।
दिन 2 - MCP के माध्यम से बाहरी संदर्भ कनेक्ट करें। GitHub कनेक्टर इंस्टॉल करें ताकि Claude आपका इश्यू ट्रैकर और PR इतिहास देख सके। फाइलसिस्टम कनेक्टर इंस्टॉल करें ताकि यह कोडबेस को कुशलतापूर्वक नेविगेट कर सके। यदि आपकी टीम निर्णयों के लिए उनका उपयोग करती है तो Slack या Linear जोड़ें।
दिन 3 - अंतर का परीक्षण करें। अपने पुराने केवल-प्रॉम्प्ट दृष्टिकोण के साथ और पूर्ण संदर्भ स्टैक के साथ वही कार्य चलाएं। आउटपुट का अंतर ही वह जगह है जहाँ से 8 गुना उत्पादकता आती है।
वह बदलाव जो पहले ही हो चुका है
प्रॉम्प्ट इंजीनियरिंग सही शब्द खोजने के बारे में थी। कॉन्टेक्स्ट इंजीनियरिंग सही सूचनात्मक वातावरण बनाने के बारे में है।
Anthropic के सर्वश्रेष्ठ AI इंजीनियर चतुर प्रॉम्प्ट बनाने में समय नहीं बिताते। वे यह सुनिश्चित करने में समय बिताते हैं कि Claude के पास कोई भी कार्रवाई करने से पहले बिल्कुल सही ज्ञान, मेमोरी, फाइलें, नियम और स्थिति हो। प्रॉम्प्ट काम का अंतिम 1% है। संदर्भ बाकी 99% है।
सही प्रॉम्प्ट और खराब संदर्भ वाला एजेंट बुद्धिमान गलतियां करता है। औसत प्रॉम्प्ट और पूर्ण संदर्भ वाला एजेंट सही निर्णय लेता है। मॉडल समान है। सूचनात्मक वातावरण नहीं है।
संदर्भ AI के लिए ऑपरेटिंग सिस्टम है। इसे सही बनाएं और 8 गुना आउटपुट अंतर वह चीज नहीं रह जाएगा जो Anthropic में होती है, बल्कि वह चीज बन जाएगी जो आपके कोडबेस में होती है।
ज्यादातर डेवलपर्स अपने प्रॉम्प्ट को फिर से लिखना जारी रखेंगे और सोचेंगे कि परिणाम बेहतर क्यों नहीं हो रहे हैं। कुछ लोग एक सप्ताहांत एक उचित संदर्भ स्टैक बनाने में बिताएंगे और कभी पीछे मुड़कर नहीं देखेंगे।
आप अपना जीवन खुद बनाते हैं - इसलिए सही रास्ता चुनें।
/ यदि यह उपयोगी था - फॉलो करें /
