Claude Code × Obsidian: 15 AI "एक्सटर्नल ब्रेन" ऑल्टर ईगो बनाने के लिए संपूर्ण गाइड

भाग 1: AI बाह्य मस्तिष्क का निर्माण

"AI लूप" का आधार "AI बाह्य मस्तिष्क" है, जो व्यक्तिगत ज्ञान और परियोजना जानकारी को एकत्रित और प्रबंधित करता है। Claude Code, Obsidian और Git को जोड़कर, हम AI के संदर्भ, सीखने और कार्य करने के लिए एक मजबूत बुनियादी ढाँचा बनाते हैं। यह अध्याय विशिष्ट सेटअप चरणों और अनुशंसित निर्देशिका संरचना की व्याख्या करता है।

1.1 AI बाह्य मस्तिष्क की अवधारणा

AI बाह्य मस्तिष्क एक संरचित ज्ञानकोष है जो मानव स्मृति, सीखने और सोचने के कार्यों को बाहरी बनाता है ताकि AI उन तक पहुँच सके और उनका उपयोग कर सके। यह AI को पिछले अनुभवों और ज्ञान का संदर्भ लेकर उन्नत निर्णय लेने और समस्याओं को हल करने में सक्षम बनाता है।

・ज्ञानकोष: Obsidian में प्रबंधित मार्कडाउन नोट्स का संग्रह, जिसमें विचार, परियोजनाएँ, बैठक नोट्स और तकनीकी जानकारी शामिल है।

・AI एजेंट: Claude Code पर केंद्रित प्रोग्राम जो स्वचालित प्रक्रियाओं को निष्पादित करते हैं।

・संस्करण नियंत्रण: Git और GitHub का उपयोग करके ज्ञानकोष का प्रबंधन और सिंक्रनाइज़ेशन।

・स्वचालन परत: GitHub Actions का उपयोग करके आवधिक कार्य निष्पादन और घटना-संचालित प्रसंस्करण।

1.2 विकास वातावरण तैयार करना

1. Obsidian: स्थानीय मार्कडाउन नोट्स के लिए एक ज्ञान प्रबंधन उपकरण।
2. Git: GitHub रिपॉजिटरी में नोट्स प्रबंधित करने के लिए एक संस्करण नियंत्रण प्रणाली।
3. Claude Code: Anthropic के Claude API का उपयोग करने वाला AI एजेंट निष्पादन वातावरण।
4. GitHub खाता: GitHub Actions के माध्यम से दूरस्थ भंडारण और स्वचालन के लिए आवश्यक।

1.3 अनुशंसित निर्देशिका संरचना

1.claude/          # Claude Code कमांड और कॉन्फ़िगरेशन
2  commands/       # कस्टम कमांड स्क्रिप्ट
3  config.yaml     # Claude Code सेटिंग्स
400_Inbox/         # अस्थायी नोट्स और अव्यवस्थित जानकारी
510_Projects/      # चालू परियोजनाओं के लिए निर्देशिकाएँ
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # चालू क्षेत्र (जैसे, विकास, विपणन)
1030_Resources/     # संदर्भ सामग्री और सीखने के संसाधन
1140_Archives/      # पूर्ण परियोजनाएँ और पुरानी जानकारी
12README.md         # बाह्य मस्तिष्क का अवलोकन

1.4 Git और GitHub सिंक्रनाइज़ेशन

Obsidian नोट्स को GitHub के साथ सिंक करने से डेटा सुरक्षा, परिवर्तन ट्रैकिंग, मल्टी-डिवाइस सिंक मिलता है, और Claude Code को ज्ञानकोष में पढ़ने/लिखने की अनुमति मिलती है।

1.5 Claude Code सेटअप

Claude Code एक AI कोडिंग एजेंट है जो प्राकृतिक भाषा निर्देशों के आधार पर फ़ाइल संचालन, कोड जनरेशन और कमांड निष्पादन करता है। यह AI बाह्य मस्तिष्क के "हाथ और पैर" के रूप में कार्य करता है।

मूल उपयोग:
``bash
claude "कृपया README.md में इस परियोजना के उद्देश्य और अवलोकन का वर्णन करें।"
``

भाग 2: सत्यापन द्वार लागू करना

यह अध्याय "AI लूप" सिद्धांत और "सत्यापन द्वार" (VERIFY Gate) के कार्यान्वयन पर केंद्रित है, जो स्वायत्त संचालन की सफलता या विफलता निर्धारित करता है।

2.1 AI लूप के 5 चरण

1. DISCOVER: समस्याओं की पहचान करें और जानकारी एकत्र करें।
2. PLAN: एक कार्य योजना बनाएँ।
3. EXECUTE: कार्य करें।
4. VERIFY: परिणामों का निष्पक्ष मूल्यांकन करें।
5. ITERATE: सत्यापन के आधार पर सुधार करें और पुनः प्रयास करें।

2.2 VERIFY द्वार का महत्व

सख्त सत्यापन द्वार के बिना, AI आत्म-संतुष्टि में पड़ सकता है, गलत तरीके से यह मान लेता है कि कार्य पूरा हो गया है जबकि ऐसा नहीं है। द्वार यह सुनिश्चित करता है कि AI समझे कि सफलता क्या है।

2.3 VERIFY द्वार का कोड कार्यान्वयन

यहाँ एक Python स्क्रिप्ट है जो mypy और pytest का उपयोग करके स्वचालित रूप से कोड गुणवत्ता की जाँच करती है:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- कोड सत्यापन शुरू ---")
14    # mypy और pytest चलाएँ...
15    return True, "सभी कोड गुणवत्ता जाँच पास हो गईं।"
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 रोक स्थिति डिज़ाइन

अनंत लूप और लागत वृद्धि को रोकने के लिए, आपको सफलता मानदंड, अधिकतम पुनरावृत्तियाँ, बजट सीमाएँ और समय सीमाएँ जैसी रोक स्थितियाँ निर्धारित करनी होंगी।

भाग 3: Skills और PM Layer

3.1 Skills डिज़ाइन करना

Claude Code में, आप जटिल संचालन को /decompose या /work जैसे एकल कमांड में बदलने के लिए कस्टम "Skills" परिभाषित कर सकते हैं।

3.2 PM Layer का परिचय

वास्तविक स्वायत्तता प्राप्त करने के लिए, AI को परियोजना के संदर्भ (क्या, क्यों, कैसे, कब) को समझने के लिए एक "निर्णय परत" की आवश्यकता होती है। हम प्रत्येक परियोजना निर्देशिका में एक pm_brief.md फ़ाइल का उपयोग करके यह संदर्भ प्रदान करते हैं।

भाग 4: हमेशा-चालू स्वचालन

GitHub Actions का उपयोग करके, हम AI को मानवीय हस्तक्षेप के बिना समय-समय पर काम करने में सक्षम बना सकते हैं।

4.1.1 सुबह इनबॉक्स सफाई

एक वर्कफ़्लो जो प्रतिदिन सुबह 9:00 बजे 00_Inbox/ फ़ोल्डर को व्यवस्थित करने के लिए चलता है।

4.2 निगरानी और लागत प्रबंधन

हमेशा-चालू स्वचालन शक्तिशाली है लेकिन इसके लिए लागत निगरानी की आवश्यकता होती है। प्रति निष्पादन खर्च को सीमित करने के लिए --max-budget-usd और --max-turns का उपयोग करें।

निष्कर्ष: लूप डिज़ाइन करना

AI को अधिकतम करने की कुंजी केवल चतुर प्रॉम्प्टिंग नहीं है, बल्कि एक लूप डिज़ाइन करना है जहाँ AI योजना बना सके, निष्पादित कर सके, सत्यापित कर सके और स्वयं को सुधार सके। Claude Code और Obsidian को मिलाकर, आप AI को एक साधारण उपकरण से एक निरंतर सहयोगी में बदल देते हैं।