वास्तविक दुनिया में काम करने वाला Claude एजेंट कैसे बनाएं - पूर्ण पाठ्यक्रम

ज़्यादातर क्लाउड एजेंट ट्यूटोरियल "हैलो वर्ल्ड" पर ही खत्म हो जाते हैं।

वे आपको सिखाते हैं कि क्लाउड से टूल कैसे कॉल करवाएँ। एक बुनियादी लूप कैसे सेट अप करें। किसी सरल टॉय टास्क पर एक ऑटोनॉमस रिस्पॉन्स कैसे पाएँ।

फिर आप कुछ असली बनाने की कोशिश करते हैं, और सब कुछ बिखर जाता है।

टास्क बहुत अस्पष्ट होता है। एजेंट फँस जाता है। आउटपुट असंगत होते हैं। सत्र खत्म होता है और कुछ भी सेव नहीं होता। आपको अगली बार फिर से शुरू से शुरू करना पड़ता है।

क्लाउड एजेंट जो ट्यूटोरियल में काम करता है, और क्लाउड एजेंट जो प्रोडक्शन में काम करता है, के बीच का अंतर क्लाउड की क्षमता का अंतर नहीं है।

यह उस एजेंट के डिज़ाइन का अंतर है।

यह गाइड उस अंतर को पूरी तरह से खत्म करती है।

अंत तक आपके पास एक क्लाउड एजेंट होगा जो एक वास्तविक वर्कफ़्लो को विश्वसनीय रूप से चला रहा है। कोई डेमो नहीं। कोई टॉय टास्क नहीं। एक वर्कफ़्लो जो लगातार आउटपुट देता है, एज केस को शानदार ढंग से संभालता है, समय के साथ बेहतर होता है, और आपके हर कदम शुरू किए बिना चलता है।

एक रियल-वर्ल्ड एजेंट को क्या अलग बनाता है

कुछ भी बनाने से पहले, समझ लें कि एक रियल-वर्ल्ड एजेंट को ट्यूटोरियल एजेंट से क्या अलग करता है।

एक ट्यूटोरियल एजेंट साफ इनपुट के साथ एक साफ टास्क चलाता है और एक साफ आउटपुट देता है। टास्क अच्छी तरह से परिभाषित होता है। इनपुट बिल्कुल अपेक्षित फॉर्मेट में दिए जाते हैं। कुछ भी अप्रत्याशित नहीं होता। सफलता बाइनरी और स्पष्ट होती है।

एक रियल-वर्ल्ड एजेंडा गन्दे इनपुट के साथ गन्दे टास्क चलाता है और फिर भी उसे उपयोगी आउटपुट देना होता है। टास्क आंशिक रूप से परिभाषित होता है। इनपुट बदलते-बदलते फॉर्मेट में आते हैं। अप्रत्याशित चीजें नियमित रूप से होती हैं। सफलता डिग्री का मामला है और उसका आकलन करने के लिए निर्णय की आवश्यकता होती है।

चार गुण यह निर्धारित करते हैं कि एक एजेंट वास्तविक दुनिया के संपर्क में टिकता है या नहीं:

मजबूत टास्क परिभाषा। एजेंट न केवल यह जानता है कि क्या करना है, बल्कि यह भी जानता है कि व्यवहार में सामने आने वाले टास्क के बीस विविधताओं को कैसे संभालना है। निर्देश केवल हैपी पाथ को ही नहीं, बल्कि एज केस को भी कवर करते हैं।

स्थायी मेमोरी। एजेंट सत्रों के बीच संदर्भ जमा करता है। उसने पिछले हफ्ते जो काम किया, वह आज के काम को सूचित करता है। वह हर सत्र में शून्य से शुरू नहीं करता।

ग्रेसफुल फेलियर हैंडलिंग। जब कुछ गलत होता है, तो एजेंट रुकने के बजाय उबर जाता है। वह लॉग करता है कि क्या हुआ, विकल्प आजमाता है, और केवल तभी एक इंसान को सचेत करता है जब रिकवरी असंभव हो।

गुणवत्ता स्व-सत्यापन। एजेंट परिभाषित मानकों के मुकाबले अपने आउटपुट की जाँच करता है, इससे पहले कि वह उन्हें डिलीवर करे। वह जो कुछ भी पहले उत्पन्न करता है, उसे वापस सौंपने के बजाय अपना फीडबैक लूप बंद करता है।

अधिकांश ट्यूटोरियल एजेंटों में इनमें से कोई भी गुण नहीं होता। यह गाइड चारों का निर्माण करती है।

एजेंट आर्किटेक्चर

आर्किटेक्चर में चार घटक हैं जो एक साथ काम करते हैं।

टास्क डेफिनिशन लेयर

एक संरचित कौशल फ़ाइल जो टास्क, प्रक्रिया, एज केस हैंडलिंग और गुणवत्ता मानक को परिभाषित करती है। यह कोई प्रॉम्प्ट नहीं है। यह एक पूर्ण परिचालन विनिर्देश है जिसे एजेंट हर निष्पादन से पहले पढ़ता है।

मेमोरी लेयर

एक स्थायी डेटाबेस जो यह संग्रहीत करता है कि एजेंट ने क्या किया है, उसने क्या सीखा है, और उसे सत्रों के बीच क्या याद रखने की आवश्यकता है। Hermes Agent के माध्यम से SQLite पर बनाया गया या फ़ाइल-आधारित लॉगिंग के साथ मैन्युअल रूप से कार्यान्वित किया गया।

एक्ज़ीक्यूशन लेयर

वास्तविक Claude API कॉल जो काम करते हैं। वर्कफ़्लो के प्रत्येक चरण के लिए सही मॉडल, सही संदर्भ और सही टूल का उपयोग करने के लिए संरचित।

क्वालिटी लेयर

सत्यापन लूप जो परिभाषित मानकों के मुकाबले आउटपुट की जाँच करता है, इससे पहले कि वह उन्हें डिलीवर करे, और जब आउटपुट कम पड़ते हैं तो विशिष्ट सुधारों के साथ पुनः प्रयास करता है।

नींव स्थापित करना

आवश्यक टूल इंस्टॉल करें:

<code-segment id="0" lang="text">

ऑर्केस्ट्रेशन और मेमोरी के लिए Hermes Agent इंस्टॉल करें

git clone https://github.com/NousResearch/hermes-agent

cd hermes-agent

npm install

टूल एक्सेस के लिए MCP सर्वर इंस्टॉल करें

npm install -g @modelcontextprotocol/server-filesystem

npm install -g @modelcontextprotocol/server-brave-search

</code-segment>

अपने एनवायरनमेंट को कॉन्फ़िगर करें:

<code-segment id="1" lang="text">

कोर कॉन्फ़िगरेशन

MODEL_PROVIDER=anthropic

MODEL_NAME=claude-opus-4-8

ANTHROPIC_API_KEY=your-api-key-here

मेमोरी कॉन्फ़िगरेशन — निरपेक्ष पथों का उपयोग करें

MEMORY_BACKEND=sqlite

MEMORY_PATH=/Users/yourname/agent-data/memory.db

शेड्यूलर कॉन्फ़िगरेशन

ENABLE_SCHEDULER=true

SCHEDULER_TIMEZONE=America/New_York

आउटपुट कॉन्फ़िगरेशन — परिणाम कहाँ पहुँचते हैं

OUTPUT_PATH=/Users/yourname/agent-outputs

फेलियर रिकवरी

SKILL_RETRY_ENABLED=true

SKILL_RETRY_MAX=3

SKILL_RETRY_DELAY=300

नोटिफिकेशन

NOTIFICATION_GATEWAY=telegram

TELEGRAM_BOT_TOKEN=your-bot-token

TELEGRAM_CHAT_ID=your-chat-id

</code-segment>

CLAUDE.md लिखें:

यह पूरे सेटअप में सबसे महत्वपूर्ण फ़ाइल है। हर एजेंट सत्र इसे पढ़कर शुरू होता है। हर आउटपुट की गुणवत्ता यहाँ जो लिखा है उसकी विशिष्टता पर निर्भर करती है।

<code-segment id="2" lang="markdown">

एजेंट कॉन्फ़िगरेशन — CLAUDE.md

पहचान और उद्देश्य

[एक विशिष्ट पैराग्राफ में वर्णन करें कि यह एजेंट क्या करता है।

यह नहीं कि क्लाउड सामान्य रूप से क्या है। बल्कि यह विशिष्ट एजेंट

इस विशिष्ट ऑपरेशन के लिए क्या करने के लिए कॉन्फ़िगर किया गया है।]

संचालन संदर्भ

[उस व्यावसायिक या व्यक्तिगत संदर्भ का वर्णन करें जिसमें यह एजेंट

काम करता है। वह व्यक्ति जिसने इस एजेंट को कॉन्फ़िगर किया है, वह क्या करता है?

उनके मानक और प्राथमिकताएँ क्या हैं?]

वर्तमान सक्रिय कार्य

[उन विशिष्ट आवर्ती कार्यों को सूचीबद्ध करें जो यह एजेंट चलाता है।

प्रत्येक के लिए: वह क्या करता है, कब चलता है, अच्छा आउटपुट कैसा दिखता है।]

टूल अनुमतियाँ

आपको इन टूल का स्वायत्त रूप से उपयोग करने की अनुमति है:

फ़ाइलसिस्टम: [विशिष्ट पथ] पर पढ़ना और लिखना
वेब सर्च: [विशिष्ट विषयों] पर शोध के लिए
[विशिष्ट दायरे वाले अन्य टूल]

आपको यह नहीं करना चाहिए:

कॉन्फ़िगर किए गए आउटपुट निर्देशिका के बाहर किसी भी पथ पर लिखना
ऊपर सूचीबद्ध नहीं किए गए बाहरी API कॉल करना
स्पष्ट अनुमोदन के बिना बाहरी सिस्टम को प्रभावित करने वाली कोई भी कार्रवाई करना

गुणवत्ता मानक

[वर्णन करें कि प्रत्येक कार्य प्रकार के लिए अच्छा आउटपुट कैसा दिखता है।

जहाँ संभव हो उदाहरण शामिल करें।

इतना विशिष्ट रहें कि एजेंट स्व-मूल्यांकन कर सके।]

मेमोरी निर्देश

मेमोरी में संग्रहीत करें:

दिनांक और गुणवत्ता मूल्यांकन के साथ हर महत्वपूर्ण आउटपुट
सामने आया हर एज केस और उसे कैसे संभाला गया
हर गुणवत्ता विफलता और उसका कारण
आउटपुट में पहचाना गया हर पैटर्न

एरर हैंडलिंग

टूल विफलता पर: एक बार पुनः प्रयास करें, असफलता लॉग करें, उपलब्ध टूल के साथ जारी रखें।

गुणवत्ता विफलता पर: पूर्ण पुनर्लेखन नहीं, बल्कि विशिष्ट सुधारों के साथ पुनः प्रयास करें। अधिकतम तीन पुनर्प्रयास।

अपरिवर्तनीय विफलता पर: आंशिक कार्य सहेजें, विशिष्ट विफलता लॉग करें, सूचना भेजें, शानदार ढंग से रुकें।

</code-segment>

टास्क डेफिनिशन लेयर का निर्माण

टास्क डेफिनिशन लेयर वह जगह है जहाँ अधिकांश रियल-वर्ल्ड एजेंट विफल होते हैं।

लोग एक प्रॉम्प्ट लिखते हैं जो हैपी पाथ का वर्णन करता है और वहीं रुक जाते हैं। एजेंट हैपी पाथ को अच्छी तरह से संभालता है और बाकी सब कुछ टूट जाता है।

एक मजबूत टास्क परिभाषा कार्य की पूर्ण परिचालन वास्तविकता को कवर करती है। यहाँ टेम्पलेट है:

<code-segment id="3" lang="markdown">

[कार्य का नाम]

उद्देश्य

[एक वाक्य: यह कौशल क्या पूरा करता है?]

ट्रिगर

[सटीक स्थितियाँ जो इसे चलाने का कारण बनती हैं:

निर्धारित समय, फ़ाइल का दिखना, मैन्युअल कमांड, आदि।]

निष्पादन-पूर्व जाँच

शुरू करने से पहले, सत्यापित करें:

[आवश्यक इनपुट मौजूद है और सुलभ है]
[आवश्यक टूल कनेक्टेड हैं और प्रतिक्रिया दे रहे हैं]
[आउटपुट पथ लिखने योग्य है]
[मेमोरी सुलभ और वर्तमान है]

यदि कोई जाँच विफल होती है: विफलता लॉग करें और रुकें।

लापता पूर्वापेक्षाओं के साथ आगे न बढ़ें।

मुख्य प्रक्रिया

चरण 1: संदर्भ लोडिंग

पूर्ण संचालन संदर्भ के लिए CLAUDE.md पढ़ें।

टैग किए गए प्रासंगिक इतिहास के लिए मेमोरी पढ़ें: [TASK-TAG]

पिछले निष्पादनों से किसी भी पैटर्न को नोट करें

जो इस एक को सूचित करना चाहिए।

चरण 2: इनपुट प्रोसेसिंग

[वर्णन करें कि इनपुट के साथ वास्तव में क्या करना है।

प्राथमिक प्रारूप और व्यवहार में दिखाई देने वाले वैकल्पिक प्रारूपों

दोनों को कवर करें।]

मानक इनपुट प्रारूप के लिए:

[सटीक प्रसंस्करण चरण]

वैकल्पिक इनपुट प्रारूप A के लिए:

[इसे कैसे संभालें]

वैकल्पिक इनपुट प्रारूप B के लिए:

[इसे कैसे संभालें]

दूषित या लापता इनपुट के लिए:

[इसे कैसे संभालें — चुपचाप विफल न हों]

चरण 3: कोर एक्ज़ीक्यूशन

[कौशल का वास्तविक काम।

उप-चरणों में विभाजित करें। प्रत्येक उप-चरण इतना विशिष्ट होना चाहिए

कि क्लाउड का एक नया उदाहरण अतिरिक्त संदर्भ के बिना इसे निष्पादित कर सके।]

चरण 4: गुणवत्ता सत्यापन

आउटपुट सहेजने से पहले, इन मानकों के विरुद्ध सत्यापित करें:

आवश्यक: [गैर-परक्राम्य आउटपुट गुण]

पसंदीदा: [गुणवत्ता गुण जो आउटपुट को बेहतर बनाते हैं]

निषिद्ध: [चीजें जो आउटपुट में कभी नहीं दिखनी चाहिए]

यदि आउटपुट आवश्यक जाँच में विफल रहता है:

विशेष रूप से पहचानें कि क्या विफल हुआ
लक्षित सुधार के साथ पुनः प्रयास करें
अधिकतम तीन पुनर्प्रयास प्रयास
यदि तीन के बाद भी विफल: विफलता ध्वज के साथ सहेजें

चरण 5: आउटपुट और भंडारण

आउटपुट को यहाँ सहेजें: [विशिष्ट पथ और फ़ाइलनाम प्रारूप]

टैग के साथ मेमोरी में संग्रहीत करें: [TASK-TAG, DATE]

यदि कोई वर्तमान जानकारी बदली है तो CLAUDE.md अपडेट करें।

सूचना भेजें: [सूचना में क्या शामिल करें]

एज केस

[एज केस 1 का नाम]

स्थिति: [यह कब होता है]

पहचान: [इसे कैसे पहचानें]

प्रतिक्रिया: [क्या करना है]

[एज केस 2 का नाम]

स्थिति: [यह कब होता है]

पहचान: [इसे कैसे पहचानें]

प्रतिक्रिया: [क्या करना है]

[एज केस 3 का नाम]

स्थिति: [यह कब होता है]

पहचान: [इसे कैसे पहचानें]

प्रतिक्रिया: [क्या करना है]

गुणवत्ता मानक

एक शानदार आउटपुट: [विशिष्ट विवरण]

एक स्वीकार्य आउटपुट: [न्यूनतम सीमा]

एक अस्वीकार्य आउटपुट: [क्या पुनर्प्रयास को ट्रिगर करना चाहिए]

मेमोरी निर्देश

प्रत्येक निष्पादन के बाद संग्रहीत करें:

निष्पादन की तिथि और अवधि
आउटपुट गुणवत्ता मूल्यांकन (शानदार/स्वीकार्य/विफल)
सामने आया कोई भी एज केस और उसे कैसे संभाला गया
भविष्य के निष्पादनों के लिए ध्यान देने योग्य कोई भी पैटर्न </code-segment>

आपका पहला वास्तविक एजेंट: रिसर्च और ब्रीफ एजेंट

यहाँ इस आर्किटेक्चर का उपयोग करके बनाया गया एक पूर्ण रियल-वर्ल्ड एजेंट है। यह एजेंट प्रतिदिन स्रोतों के एक सेट की निगरानी करता है, आपके काम से संबंधित विषयों पर शोध करता है, और हर सुबह एक संरचित ब्रीफ़ देता है।

यह कोई टॉय टास्क नहीं है। यह एक वास्तविक वर्कफ़्लो है जो हर दिन मैन्युअल रिसर्च कम्पाइलेशन के पैंतालिस मिनट की जगह लेता है।

skills/research-brief.md बनाएँ:

<code-segment id="4" lang="markdown">

research-brief

उद्देश्य

कॉन्फ़िगर किए गए स्रोतों की निगरानी करें और एक संरचित

खुफिया ब्रीफ़ तैयार करें जो वर्तमान परियोजनाओं

और प्राथमिकताओं से संबंधित घटनाक्रमों को कवर करता है।

ट्रिगर

प्रतिदिन सुबह 6:00 बजे निर्धारित।

मैनुअल: "Research brief" या "Morning brief"

निष्पादन-पूर्व जाँच

शुरू करने से पहले सत्यापित करें:

CLAUDE.md 07-SYSTEM/CLAUDE.md पर पढ़ने योग्य है
Brave Search MCP प्रतिक्रिया दे रहा है
आउटपुट पथ outputs/briefings/ पर लिखने योग्य है
मेमोरी डेटाबेस सुलभ है

मुख्य प्रक्रिया

चरण 1: संदर्भ लोडिंग

CLAUDE.md को पूरी तरह पढ़ें। ध्यान दें:

वर्तमान सक्रिय परियोजनाएँ और उनकी स्थिति
निगरानी के लिए चिह्नित विषय
कोई भी लंबित निर्णय जिन्हें खुफिया जानकारी की आवश्यकता है
इस ब्रीफ़ के लिए गुणवत्ता मानक

टैग किए गए मेमोरी को पढ़ें: research-brief

ध्यान दें: हाल के ब्रीफ़ में क्या कवर किया गया था

दोहराव से बचने के लिए।

चरण 2: स्रोत अनुसंधान

CLAUDE.md निगरानी सूची में प्रत्येक विषय के लिए:

खोज क्वेरी: "[TOPIC] news last 24 hours"

एकत्र करें: शीर्षक, स्रोत, दिनांक, मुख्य दावा

सिग्नल फ़िल्टर लागू करें:

शामिल करें: नया विकास, डेटा, उत्पाद लॉन्च,

महत्वपूर्ण बयान, शोध निष्कर्ष

बहिष्कृत करें: मौजूदा कवरेज की पुनरावृत्ति,

नई जानकारी के बिना राय,

पिछले 3 ब्रीफ़ में कवर की गई कोई भी चीज़

प्रत्येक परिणाम के लिए जो सिग्नल फ़िल्टर पास करता है:

गहराई से शोध करें यदि प्रारंभिक परिणाम

एक महत्वपूर्ण विकास का सुझाव देता है।

चरण 3: संश्लेषण

निष्कर्षों को विषय के अनुसार समूहित करें।

प्रत्येक विषय समूह के लिए पहचानें:

एकल सबसे महत्वपूर्ण विकास
यह वर्तमान परियोजनाओं के लिए क्यों मायने रखता है
यदि कोई है तो यह क्या कार्रवाई दर्शाता है

क्रॉस-टॉपिक संश्लेषण:

क्या दो या अधिक निष्कर्ष जुड़ते हैं जो एक बड़े पैटर्न का सुझाव देते हैं?
क्या कोई निष्कर्ष सीधे किसी सक्रिय परियोजना या लंबित निर्णय को प्रभावित करता है?

चरण 4: गुणवत्ता सत्यापन

अंतिम रूप देने से पहले, सत्यापित करें:

आवश्यक:

न्यूनतम 3 सिग्नल आइटम (शोर नहीं)
प्रत्येक आइटम एक विशिष्ट स्रोत में आधारित है
प्रत्येक आइटम वर्तमान कार्य के लिए प्रासंगिकता बताता है
पिछले 5 ब्रीफ़ से कोई आइटम दोहराया नहीं गया

पसंदीदा:

कम से कम एक क्रॉस-टॉपिक कनेक्शन
कम से कम एक आइटम जो एक विशिष्ट कार्रवाई दर्शाता है
ईमानदार स्वीकारोक्ति अगर यह धीमा समाचार दिन था

निषिद्ध:

विशिष्ट साक्ष्य के बिना सामान्य विश्लेषण
ऐसे आइटम जो दिलचस्प हैं लेकिन प्रासंगिक नहीं हैं
ब्रीफ़ को अधिक व्यापक दिखाने के लिए पैडिंग

यदि ब्रीफ़ आवश्यक जाँच में विफल रहता है: विशेष रूप से पहचानें

क्या कमी है और पुनः प्रयास करने से पहले अतिरिक्त स्रोतों की खोज करें।

कमजोर संकेतों से पैड न करें।

चरण 5: आउटपुट जनरेशन

इस सटीक प्रारूप में ब्रीफ़ उत्पन्न करें:

मॉर्निंग इंटेलिजेंस ब्रीफ़ — [दिनांक]

आज सबसे महत्वपूर्ण

[एकल सबसे महत्वपूर्ण विकास और वह वर्तमान कार्य के लिए

क्यों मायने रखता है। विशिष्ट। आधारित।]

सिग्नल आइटम

[विषय 1]

विकास: [क्या हुआ]

स्रोत: [प्रकाशन, दिनांक]

प्रासंगिकता: [यह वर्तमान परियोजनाओं के लिए क्यों मायने रखता है]

निहितार्थ: [कोई कार्रवाई जो यह सुझाता है]

[विषय 2]

[वही प्रारूप]

[प्रत्येक सिग्नल आइटम के लिए जारी रखें]

कनेक्शन

[यदि दो या अधिक आइटम एक बड़े पैटर्न का सुझाव देने के लिए

जुड़ते हैं, तो इसे यहाँ वर्णित करें। यदि कोई वास्तविक कनेक्शन नहीं है तो छोड़ें।]

निर्णय प्रासंगिकता

[यदि कोई आइटम CLAUDE.md में किसी लंबित निर्णय से

सीधे प्रासंगिक है, तो इसे विशिष्टताओं के साथ यहाँ चिह्नित करें।]

कवरेज नोट

[ईमानदार मूल्यांकन: व्यापक दिन / धीमा समाचार दिन।

खोजे गए स्रोतों की संख्या।]

चरण 6: भंडारण और सूचना

सहेजें: outputs/briefings/[दिनांक]-morning-brief.md

मेमोरी में संग्रहीत करें:

दिनांक: [आज]
कवर किए गए आइटम: [विषयों की सूची]
गुणवत्ता: [शानदार/स्वीकार्य/विफल]
उल्लेखनीय: [कोई एज केस या पैटर्न] टैग: research-brief

Telegram सूचना भेजें:

"मॉर्निंग ब्रीफ़ तैयार: [एन] सिग्नल आइटम।

[एक पंक्ति में आज सबसे महत्वपूर्ण]"

एज केस

किसी विषय के लिए कोई सिग्नल नहीं मिला

स्थिति: खोजों से कोई नया विकास नहीं मिलता

पहचान: सभी परिणाम 48 घंटे से अधिक पुराने हैं

प्रतिक्रिया: उस विषय के लिए "कोई नया विकास नहीं" नोट करें।

गढ़ें या पैड न करें। अगले विषय पर जाएँ।

स्रोत परस्पर विरोधी जानकारी देता है

स्थिति: दो स्रोत विरोधाभासी तथ्यों की रिपोर्ट करते हैं

पहचान: किसी विशिष्ट दावे पर प्रत्यक्ष विरोधाभास

प्रतिक्रिया: दोनों संस्करणों की रिपोर्ट करें, दोनों स्रोतों का हवाला दें,

परस्पर विरोधी के रूप में चिह्नित करें। एक को दूसरे पर न चुनें।

खोज टूल अनुपलब्ध

स्थिति: Brave Search MCP प्रतिक्रिया नहीं दे रहा

पहचान: टूल कॉल त्रुटि देता है

प्रतिक्रिया: विफलता लॉग करें। Telegram के माध्यम से सूचित करें।

नोट के साथ आंशिक ब्रीफ़ सहेजें: "खोज अनुपलब्ध —

ब्रीफ़ केवल मेमोरी संदर्भ पर आधारित है।"

चुपचाप विफल न हों।

ब्रीफ़ कल के शीर्ष आइटम को दोहराएगा

स्थिति: सबसे महत्वपूर्ण विकास कल के समान ही है

पहचान: मेमोरी में कल के ब्रीफ़ के साथ क्रॉस-रेफरेंस

प्रतिक्रिया: "[दिनांक] से चल रहा विकास" नोट करें

और इस बात पर ध्यान केंद्रित करें कि आज विशेष रूप से नया क्या है।

गुणवत्ता मानक

शानदार ब्रीफ़: 4-6 सिग्नल आइटम। हर आइटम प्रासंगिक।

कम से कम एक क्रॉस-टॉपिक अंतर्दृष्टि। 5 मिनट से कम में पढ़ता है।

स्वीकार्य ब्रीफ़: 3 सिग्नल आइटम। सभी प्रासंगिक।

कोई क्रॉस-टॉपिक अंतर्दृष्टि नहीं। 5 मिनट से कम में पढ़ता है।

अस्वीकार्य ब्रीफ़: 3 से कम सिग्नल आइटम।

कोई भी आइटम जो सामान्य है या वर्तमान कार्य के लिए प्रासंगिक नहीं है।

पिछले 3 ब्रीफ़ से कोई भी दोहराया गया आइटम।

</code-segment>

गुणवत्ता सत्यापन लेयर का निर्माण

गुणवत्ता सत्यापन लेयर वह चीज़ है जो उन एजेंटों को अलग करती है जो लगातार परिणाम देते हैं, उन एजेंटों से जो अलग-अलग परिणाम देते हैं।

अधिकांश एजेंट इस लेयर को पूरी तरह छोड़ देते हैं। वे एक आउटपुट उत्पन्न करते हैं और उसे वापस कर देते हैं। गुणवत्ता पूरी तरह से इस बात पर निर्भर करती है कि जनरेशन कितनी अच्छी थी। कुछ सत्र उत्कृष्ट होते हैं। कुछ औसत। आप कभी नहीं जानते कि आपको कौन सा मिलेगा।

एक गुणवत्ता सत्यापन लेयर परिभाषित मानकों के मुकाबले हर आउटपुट की जाँच करके और जब मानक पूरे नहीं होते हैं तो विशिष्ट सुधारों के साथ पुनः प्रयास करके आउटपुट गुणवत्ता को सुसंगत बनाती है।

यहाँ Claude API कॉल पैटर्न है जो गुणवत्ता सत्यापन को लागू करता है:

<code-segment id="5" lang="javascript">

async function executeWithQualityVerification(prompt, qualityStandard, maxRetries = 3) {

let attempt = 0;

let lastOutput = null;

let lastFailure = null;

while (attempt < maxRetries) {

// आउटपुट उत्पन्न करें

const response = await fetch('https://api.anthropic.com/v1/messages', {

method: 'POST',

headers: {

'Content-Type': 'application/json',

'x-api-key': process.env.ANTHROPIC_API_KEY,

'anthropic-version': '2023-06-01'

body: JSON.stringify({

model: 'claude-opus-4-8',

max_tokens: 4096,

messages: [

{

role: 'user',

content: attempt === 0

? prompt

: ${prompt}

पिछला प्रयास गुणवत्ता जांच में विफल रहा: ${lastFailure}
इस विफलता के लिए विशेष रूप से सुधार करें। सब कुछ दोबारा न लिखें।

}

]

})

});

const data = await response.json();

lastOutput = data.content[0].text;

// गुणवत्ता सत्यापित करें

const verificationResponse = await fetch('https://api.anthropic.com/v1/messages', {

method: 'POST',

headers: {

'Content-Type': 'application/json',

'x-api-key': process.env.ANTHROPIC_API_KEY,

'anthropic-version': '2023-06-01'

body: JSON.stringify({

model: 'claude-opus-4-8',

max_tokens: 1000,

messages: [

{

role: 'user',

content: `आप एक गुणवत्ता जांचकर्ता हैं। इस आउटपुट का मूल्यांकन इन मानकों के विरुद्ध करें:

${qualityStandard}

मूल्यांकन करने के लिए आउटपुट:

${lastOutput}

केवल इसके साथ उत्तर दें:

PASS यदि आउटपुट सभी आवश्यक मानकों को पूरा करता है

FAIL: [विशिष्ट विवरण क्या विफल हुआ] यदि यह आवश्यक मानकों को पूरा नहीं करता है

व्याख्या न करें। सुधार का सुझाव न दें। बस PASS या FAIL विशिष्ट विफलता विवरण के साथ दें।`

}

]

})

});

const verificationData = await verificationResponse.json();

const verificationResult = verificationData.content[0].text.trim();

if (verificationResult.startsWith('PASS')) {

return { output: lastOutput, attempts: attempt + 1, passed: true };

}

lastFailure = verificationResult.replace('FAIL:', '').trim();

attempt++;

}

// सभी पुनर्प्रयास समाप्त

return {

output: lastOutput,

attempts: maxRetries,

passed: false,

failure: lastFailure

};

}

</code-segment>

यह पैटर्न एक आउटपुट उत्पन्न करता है, परिभाषित मानकों के विरुद्ध इसकी जाँच करता है, और जब यह विफल होता है तो विशिष्ट सुधारों के साथ पुनः प्रयास करता है। यदि सभी पुनर्प्रयास विफल होते हैं, तो यह क्रैश होने के बजाय विफलता ध्वज के साथ सर्वोत्तम आउटपुट लौटाता है।

मेमोरी इंटीग्रेशन पैटर्न

मेमोरी वह चीज़ है जो एक सक्षम एजेंट को एक सीखने वाले एजेंट में बदल देती है।

मेमोरी के बिना हर सत्र शून्य से शुरू होता है। एजेंट को नहीं पता होता कि उसने पहले क्या किया है। वह पिछले निष्पादनों से सीखने को लागू नहीं कर सकता। वह उन गलतियों से बच नहीं सकता जो वह पहले ही कर चुका है।

मेमोरी के साथ हर सत्र पिछले सत्र पर निर्माण करता है। एजेंट जानता है कि क्या काम किया और क्या नहीं। वह वर्तमान आउटपुट को बेहतर बनाने के लिए संचित संदर्भ लागू करता है। वह समय के साथ विशिष्ट कार्य में बेहतर होता जाता है।

यहाँ किसी भी Claude एजेंट के लिए मेमोरी इंटीग्रेशन पैटर्न है:

हर निष्पादन की शुरुआत में:

टैग किए गए मेमोरी प्रविष्टियाँ पढ़ें: [TASK-TAG]

सीमा: 20 सबसे प्रासंगिक प्रविष्टियाँ

रणनीति: प्रासंगिकता (केवल हालिया नहीं)

इस संदर्भ को लागू करें:

पिछले निष्पादनों से पैटर्न नोट करें
पहले सामने आए एज केस नोट करें
पहले पहचाने गए गुणवत्ता मुद्दों को नोट करें
वर्तमान निष्पादन पर सीखने को लागू करें

हर निष्पादन के अंत में:

मेमोरी में संग्रहीत करें:

date: [आज]

task: [कार्य का नाम]

quality: [शानदार/स्वीकार्य/विफल]

notable: [याद रखने लायक कुछ भी]

edge_case: [सामने आया कोई एज केस]

pattern: [देखा गया कोई पैटर्न]

टैग: [TASK-TAG], [DATE]

मासिक समेकन:

टैग किए गए सभी मेमोरी प्रविष्टियाँ पढ़ें: [TASK-TAG]

पहचानें:

पैटर्न जो कई प्रविष्टियों में दिखाई देते हैं
एज केस जो दोहराते हैं
गुणवत्ता मुद्दे जो दोहराते हैं
शानदार बनाम स्वीकार्य आउटपुट के साथ क्या सहसंबंधित होता है

एकल अद्यतन संदर्भ प्रविष्टि में समेकित करें

90 दिन से अधिक पुरानी व्यक्तिगत प्रविष्टियों को संग्रहित करें

फेलियर रिकवरी सिस्टम

रियल-वर्ल्ड एजेंटों में विफलताएँ आती हैं। स्रोत ऑफ़लाइन हो जाते हैं। APIs रेट लिमिट करते हैं। फ़ाइलें वहाँ नहीं होती जहाँ अपेक्षित होती हैं। आउटपुट अधिकतम पुनर्प्रयास के बाद गुणवत्ता जाँच में विफल होते हैं।

फेलियर रिकवरी सिस्टम यह निर्धारित करता है कि ये विफलताएँ अदृश्य ब्लिप्स हैं या विनाशकारी स्टॉप।

फेलियर हैंडलिंग के तीन स्तर:

टियर 1: स्वचालित रिकवरी

क्षणिक विफलताएँ जो पुनर्प्रयास पर हल हो जाती हैं। टूल अनुपलब्ध। नेटवर्क टाइमआउट। रेट लिमिट हिट।

टियर 1 रिकवरी प्रोटोकॉल

किसी भी टूल कॉल विफलता पर:

60 सेकंड प्रतीक्षा करें
बिल्कुल उसी कॉल को पुनः प्रयास करें
यदि पुनर्प्रयास सफल होता है: सामान्य रूप से जारी रखें, ब्लिप लॉग करें
यदि पुनर्प्रयास विफल होता है: टियर 2 तक बढ़ाएँ

टियर 2: ग्रेसफुल डिग्रेडेशन

विफलताएँ जिन्हें हल नहीं किया जा सकता लेकिन आंशिक समापन की अनुमति देती हैं। एक स्रोत अनुपलब्ध। एक टूल प्रतिक्रिया नहीं दे रहा। आउटपुट का एक सेक्शन गुणवत्ता जाँच में विफल हो रहा है।

टियर 2 रिकवरी प्रोटोकॉल

अनसुलझे आंशिक विफलता पर:

जो पूरा किया जा सकता है उसे पूरा करें
विशेष रूप से नोट करें कि क्या छोड़ा गया और क्यों
फ़ाइलनाम में आउटपुट को आंशिक के रूप में चिह्नित करें
आउटपुट में ही स्पष्ट नोट शामिल करें
सूचना भेजें: "आंशिक आउटपुट — [विशिष्ट कारण]"
पूरे कार्य को विफल न करें क्योंकि एक घटक विफल हुआ

टियर 3: ग्रेसफुल स्टॉप

विफलताएँ जो पूरे कार्य को असंभव बना देती हैं। CLAUDE.md नहीं मिला। आउटपुट पथ लिखने योग्य नहीं। मेमोरी डेटाबेस दुर्गम।

टियर 3 रिकवरी प्रोटोकॉल

पूर्ण विफलता पर:

विशिष्ट विफलता बिंदु की पहचान करें
किए गए किसी भी कार्य को अस्थायी स्थान पर सहेजें
पूर्ण विफलता संदर्भ लॉग करें
सूचना भेजें: "कार्य विफल — [विशिष्ट कारण]"
किसी भी मौजूदा आउटपुट को दूषित किए बिना साफ-साफ रुकें
स्वचालित रूप से पुनः प्रयास न करें — मानव हस्तक्षेप की प्रतीक्षा करें

तैनाती से पहले अपने एजेंट का परीक्षण

रियल-वर्ल्ड एजेंट तैनाती में सबसे आम गलती संरचित परीक्षण को छोड़ना है।

किसी भी एजेंट के लाइव होने से पहले तीन परीक्षण चरण:

चरण 1: घटक परीक्षण

पूरे वर्कफ़्लो का परीक्षण करने से पहले प्रत्येक घटक का अलग-अलग परीक्षण करें।

<code-segment id="6" lang="text">

परीक्षण करें कि मेमोरी बनी रहती है

hermes chat

</code-segment>

आपके पास संग्रहीत सबसे पुरानी मेमोरी प्रविष्टि कौन सी है?

<code-segment id="7" lang="text">

अपेक्षित: एक प्रविष्टि रिपोर्ट करनी चाहिए या खाली डेटाबेस रिपोर्ट करनी चाहिए

यदि त्रुटि देता है: मेमोरी कॉन्फ़िगरेशन गलत है

टूल एक्सेस का परीक्षण करें

hermes chat

</code-segment>

[आउटपुट पथ] में फ़ाइलों की सूची बनाएँ

<code-segment id="8" lang="text">

अपेक्षित: वास्तविक फ़ाइलों की सूची बनानी चाहिए

यदि त्रुटि देता है: filesystem MCP सही ढंग से कॉन्फ़िगर नहीं किया गया है

खोज का परीक्षण करें

hermes chat

</code-segment>

"AI news today" खोजें और मुझे शीर्ष परिणाम बताएँ

<code-segment id="9" lang="text">

अपेक्षित: वास्तविक खोज परिणाम लौटने चाहिए

यदि त्रुटि देता है: Brave Search MCP सही ढंग से कॉन्फ़िगर नहीं किया गया है

</code-segment>

चरण 2: हैपी पाथ परीक्षण

एक साफ मानक इनपुट पर मैन्युअल रूप से कौशल चलाएँ और सत्यापित करें कि आउटपुट गुणवत्ता मानक को पूरा करता है।

<code-segment id="10" lang="text">

कौशल को मैन्युअल रूप से चलाएँ

hermes run research-brief

आउटपुट की जाँच करें

cat outputs/briefings/[आज]-morning-brief.md

गुणवत्ता मानक के विरुद्ध सत्यापित करें:

- न्यूनतम 3 सिग्नल आइटम?

- प्रत्येक आइटम वर्तमान कार्य के लिए प्रासंगिक?

- कोई सामान्य विश्लेषण नहीं?

- 5 मिनट से कम में पढ़ा जा सकता है?

</code-segment>

चरण 3: एज केस परीक्षण

जानबूझकर प्रत्येक दस्तावेजित एज केस को ट्रिगर करें और रिकवरी व्यवहार को सत्यापित करें।

<code-segment id="11" lang="text">

परीक्षण: कोई इंटरनेट एक्सेस नहीं

.env में Brave Search अक्षम करें

कौशल चलाएँ

अपेक्षित: टियर 3 विफलता, साफ रुकना, सूचना भेजी गई

परीक्षण: आउटपुट पथ लिखने योग्य नहीं

OUTPUT_PATH को एक गैर-मौजूद निर्देशिका में बदलें

कौशल चलाएँ

अपेक्षित: टियर 3 विफलता, साफ रुकना, सूचना भेजी गई

परीक्षण: धीमा समाचार दिन

सप्ताहांत या छुट्टी पर चलाएँ

अपेक्षित: टियर 2 आउटपुट जिसमें कवरेज नोट धीमे दिन का संकेत देता है

</code-segment>

अपने एजेंट को प्रोडक्शन में चलाना

एक बार जब सभी तीन परीक्षण चरण पास हो जाते हैं, तो शेड्यूलर को कॉन्फ़िगर करें और प्रोडक्शन में जाएँ।

<code-segment id="12" lang="json">

{

"schedules": [

{

"skill": "research-brief",

"cron": "0 6 *",

"description": "प्रतिदिन सुबह 6 बजे",

"timeout_minutes": 15,

"on_failure": "notify_and_stop"

}

]

}

</code-segment>

Hermes को बैकग्राउंड मोड में शुरू करें:

<code-segment id="13" lang="text">

npm run start -- --daemon

</code-segment>

पहले निर्धारित रन को सत्यापित करें:

<code-segment id="14" lang="text">

सुबह 6 बजे के बाद लॉग चेक करें

cat logs/hermes-[दिनांक].log

जाँचें कि आउटपुट तैयार हुआ या नहीं

ls outputs/briefings/

जाँचें कि मेमोरी अपडेट हुई या नहीं

hermes chat

</code-segment>

आपके पास कितनी research-brief मेमोरी प्रविष्टियाँ हैं?

<code-segment id="15" lang="text">

यदि पहला स्वचालित रन अच्छा आउटपुट देता है तो एजेंट प्रोडक्शन में है।

</code-segment>

तीसरे महीने में क्या बदलता है

पहला महीना: एजेंट विश्वसनीय रूप से चलता है। आउटपुट सुसंगत हैं। विफलताओं को शालीनता से संभाला जाता है। आप हर सुबह पैंतालिस मिनट बचाते हैं।

दूसरा महीना: मेमोरी लेयर दृश्यमान सुधार दिखाने लगती है। एजेंट ने साठ दिनों के स्रोतों को प्रोसेस किया है और इस बारे में संदर्भ जमा किया है कि कौन से स्रोत उच्च-सिग्नल सामग्री बनाम शोर उत्पन्न करते हैं। सिग्नल फ़िल्टरिंग की गुणवत्ता में सुधार होता है क्योंकि एजेंट ने सीख लिया है कि कौन से स्रोतों का अनुसरण करना उपयोगी रहा है।

तीसरा महीना: मेमोरी समेकन दो बार चल चुका है। एजेंट ने नब्बे दिनों के शोध में पैटर्न की पहचान की है। ब्रीफ़्स संचित संदर्भ का उल्लेख करते हैं जो उन्हें किसी एक सत्र के शोध की तुलना में अधिक आधारभूत और विशिष्ट बनाता है।

तीसरे महीने का एजेंट पहले महीने जैसा वर्कफ़्लो नहीं चला रहा है।

वह उस वर्कफ़्लो का एक बेहतर संस्करण चला रहा है जो नब्बे दिनों के संचित परिचालन बुद्धिमत्ता पर आधारित है।

यही एक ट्यूटोरियल एजेंट और एक वास्तविक दुनिया के एजेंट के बीच का अंतर है।

ट्यूटोरियल एजेंट कार्य करता है।

वास्तविक दुनिया का एजेंट कार्य को बेहतर करना सीखता है।

इस सप्ताहांत नींव तैयार करें।

इसे एक सप्ताह चलाएँ। जो टूटे, उसे ठीक करें।

इसे एक महीने चलाएँ। इसे सुधारते हुए देखें।

इसे तीन महीने चलाएँ। ध्यान दें कि यह वह क्या जानता है जो आप पहले दिन इसे नहीं बता सकते थे।

यही वह तरीका है जिससे एक Claude एजेंट बनाया जाता है जो वास्तविक दुनिया में वास्तव में काम करता है।

हर एजेंट आर्किटेक्चर, स्किल टेम्पलेट और प्रोडक्शन डिप्लॉयमेंट पैटर्न के लिए @cyrilXBT को फ़ॉलो करें जो आपके Claude एजेंटों को वास्तविक दुनिया के संपर्क में बचाए रखता है।