এআই কাজের দক্ষতা রাডার | 2026-07-06

আজকের সংকেত স্পষ্ট: কোডিং এজেন্ট-সম্পর্কিত সরঞ্জামগুলি “কোড লিখতে সক্ষম হওয়া” থেকে “অর্কেস্ট্রেট করতে, বিচ্ছিন্ন করতে এবং বিদ্যমান প্রক্রিয়াগুলির সাথে সংযোগ করতে সক্ষম হওয়া” এ স্থানান্তরিত হচ্ছে৷ আরও সুনির্দিষ্টভাবে বলতে গেলে, আজকে আবির্ভূত বেশ কয়েকটি প্রকল্প একই ধরণের ত্রুটিগুলি পূরণ করার চেষ্টা করছে: মাল্টি-এজেন্ট সমান্তরালতা, দক্ষতা/নিয়ম পুনঃব্যবহার, জিরা অ্যাক্সেস, স্থানীয় রানযোগ্যতা এবং ইউনিফাইড প্যানেল পরিচালনা। মডেলের উপর ফোকাস করার চেয়ে, প্রথমে কর্মপ্রবাহের চারপাশে নির্মিত পরিকাঠামোর দিকে নজর দেওয়া ভাল।

Sma1lboy/kobe

এটি কোডিং এজেন্টদের জন্য একটি টার্মিনাল IDE। মূল সেলিং পয়েন্ট হল একাধিক এজেন্টকে সমান্তরালভাবে প্রসারিত করা এবং পারস্পরিক হস্তক্ষেপ কমাতে প্রতিটি এজেন্টকে একটি স্বাধীন গিট ওয়ার্কট্রিতে স্থাপন করা। এটি আরও জোর দেয় যে এটি ইঞ্জিন-স্বাধীন, এবং ক্লাউড কোড, কোডেক্স, ইত্যাদি সব সংযুক্ত করা যেতে পারে।

এটি এখন দেখার মতো কারণ “একক চ্যাট উইন্ডোতে প্রশ্ন এবং উত্তর” আর যথেষ্ট নয়৷ বাস্তব কার্যকারিতা প্রায়শই মাল্টি-টাস্ক কনকারেন্সি, প্রসঙ্গ বিচ্ছিন্নতা এবং ফলাফল একত্রিত হয়। কোবে এটিকে একটি ভিজ্যুয়াল কমান্ড লাইন ওয়ার্কবেঞ্চ করার চেষ্টা করছে, যা একটি চ্যাট শেল পুনরায় তৈরি করার চেয়ে প্রকৃত উন্নয়নের কাছাকাছি।

উন্নয়ন কাজের মান তুলনামূলকভাবে সরাসরি: এটি সমান্তরাল পরীক্ষার জন্য একটি প্রয়োজনীয়তাকে একাধিক বাস্তবায়নের দিকনির্দেশে বিভক্ত করার জন্য উপযুক্ত, এটি রিফ্যাক্টরিংয়ের সময় প্রক্রিয়াকরণের জন্য বিভিন্ন এজেন্টের কাছে বিভিন্ন মডিউল হস্তান্তরের জন্য উপযুক্ত, এবং মূল শাখাকে দূষিত না করার জন্য এটি স্বাধীন ওয়ার্কট্রিতে পরীক্ষামূলক পরিবর্তনগুলি নিক্ষেপ করার জন্যও উপযুক্ত। দলের সহযোগিতার জন্য, এটি একটি “অস্থায়ী যুদ্ধ কক্ষ” এর মতো হতে পারে, যা একই স্ক্রিনে একাধিক ব্যক্তি বা একাধিক এজেন্টের আউটপুটকে সংক্ষিপ্ত করার অনুমতি দেয়।

ঝুঁকিগুলিও সুস্পষ্ট: মাল্টি-এজেন্ট সমান্তরালতা প্রসঙ্গ ব্যবস্থাপনা সমস্যাগুলিকে আরও বাড়িয়ে তুলবে। ফলাফল দ্রুত নয়, কিন্তু বিরোধপূর্ণ প্যাচ তৈরি করার সম্ভাবনা বেশি; উপরন্তু, এটি এখনও গিট ওয়ার্কট্রি এবং এজেন্ট আউটপুট সম্পর্কে আপনার মৌলিক রায়ের উপর নির্ভর করে। প্রজেক্টের নিজেই এখনও উচ্চ তারকা নেই, এবং এর পরিপক্কতা এখনও প্রাথমিক পর্যায়ে থাকতে পারে।

আসল লিঙ্ক: https://github.com/Sma1lboy/kobe

হ্যানিওল/মডেল-কম্পোজ

এটি ডকার-কম্পোজ দ্বারা অনুপ্রাণিত একটি পোর্টেবল এআই রানটাইম। লক্ষ্য হল এজেন্ট, RAG পাইপলাইন এবং MCP সার্ভারগুলিকে একক YAML দিয়ে একত্রিত করা এবং তারপরে একই পরিবেশ অন্য কোথাও পুনরুত্পাদন করা।

এটি মনোযোগের দাবি রাখে কারণ অনেক AI ওয়ার্কফ্লো “চালাতে পারে, কিন্তু নড়াচড়া করতে পারে না” এ আটকে যায়। যদি একটি দল এজেন্ট, জ্ঞান পুনরুদ্ধার এবং সরঞ্জাম পরিষেবাগুলিকে সংযুক্ত করতে শুরু করে তবে মডেল-কম্পোজের সংজ্ঞায়িত কনফিগারেশনটি খুব আকর্ষণীয়। অন্তত এটি স্থাপন, পুনরুৎপাদন এবং হস্তান্তরকে ম্যানুয়াল অ্যাসেম্বলির চেয়ে ইঞ্জিনিয়ারিংয়ের মতো করে তুলতে পারে।

ডেভেলপমেন্ট এবং অটোমেশনের জন্য সবচেয়ে ব্যবহারিক বিষয় হল স্ক্রিপ্ট, প্রম্পট শব্দ, এমসিপি কনফিগারেশন এবং এনভায়রনমেন্ট ভেরিয়েবলে বিক্ষিপ্ত জিনিসগুলিকে একটি ঘোষণামূলক ফাইলে সংগ্রহ করা। ডেটা সংগ্রহকারী দলও উপকৃত হতে পারে: যখন জ্ঞান পুনরুদ্ধার, নথি প্রক্রিয়াকরণ এবং টুল আহ্বান একটি পুনঃব্যবহারযোগ্য পাইপলাইনে লেখা হয়, তখন পরবর্তী রক্ষণাবেক্ষণ “সর্বত্র একটি প্রম্পট অনুলিপি করার” চেয়ে অনেক বেশি স্থিতিশীল।

লক্ষণীয় বিষয় হল যে এই ধরনের প্রকল্পটি “ধারণাগত একীকরণ” এর পরিপ্রেক্ষিতে সবচেয়ে সুন্দর হতে পারে, তবে এটি বাস্তবে বাস্তবায়িত হলে সামঞ্জস্যতা এবং ডিবাগিং অভিজ্ঞতা দ্বারা আটকে থাকে। বিশেষ করে যখন এজেন্ট, RAG, এবং MCP একসাথে সাজানো হয়, যেকোন স্তরে সমস্যাগুলি উচ্চ সমস্যা সমাধানের খরচের কারণ হতে পারে। একটি নির্দিষ্ট DevOps ফাউন্ডেশন সহ দলগুলির জন্য এটি প্রথমে একটি ছোট স্কেলে চেষ্টা করার জন্য আরও উপযুক্ত।

আসল লিঙ্ক: https://github.com/hanyeol/model-compose

উইভার্স/.এজেন্ট

এই গুদামটি AI কোডিং সরঞ্জামগুলির জন্য এজেন্ট, দক্ষতা, কমান্ড এবং নিয়মগুলির একটি সেটের মতো দেখাচ্ছে৷ লক্ষ্যটি খুবই স্পষ্ট: দৈনন্দিন উন্নয়নে সীমাবদ্ধতা, রুটিন এবং অপারেটিং অভ্যাসকে পুনরায় ব্যবহারযোগ্য কাজের ইউনিটে প্যাকেজ করা।

এটি এখন দেখার মতো কারণ আরও বেশি সংখ্যক দল আর জিজ্ঞাসা করছে না “আমাদের কি এজেন্ট ব্যবহার করা উচিত”, কিন্তু “কীভাবে এজেন্টদের আমরা যেভাবে কাজ করি সেভাবে কাজ করা যায়”। .agents এই জাতীয় কিছুর মূল্য দক্ষতা দেখানোর জন্য নয়, তবে দলের নিজস্ব উন্নয়ন প্রোটোকল, চেকলিস্ট এবং সাধারণ ক্রিয়াকলাপগুলিকে শক্তিশালী করা, প্রতিবার অস্থায়ী মৌখিক ব্যাখ্যার প্রয়োজন হ্রাস করা।

ডেভেলপমেন্ট টিমের জন্য, এটি একটি “আউট-অফ-দ্য-বক্স” অভ্যন্তরীণ টেমপ্লেট হিসেবে ব্যবহারের জন্য খুবই উপযুক্ত: কোড পর্যালোচনার নিয়ম, প্রি-সাবমিশন চেক, টেস্ট কমান্ড, ব্রাঞ্চিং কনভেনশন এবং নথি তৈরির অভ্যাস সবই এতে প্লাগ করা যেতে পারে। এটি ডেটা সংস্থার জন্যও উপযোগী, বিশেষ করে এমন বিষয়বস্তু যার জন্য নির্দিষ্ট পদক্ষেপের প্রয়োজন, যেমন সমস্যা থেকে নির্দেশাবলী পরিবর্তন করার জন্য এবং প্রয়োজনীয়তা থেকে কার্য তালিকা পর্যন্ত।

ঝুঁকি হল যে একবার অনেক বেশি দক্ষতা এবং নিয়ম লেখা হয়ে গেলে, তারা অন্য রক্ষণাবেক্ষণের বোঝা হয়ে দাঁড়ায়। অনেক গুদামঘরের সমস্যা এই নয় যে সেখানে কোন নিয়ম নেই, কিন্তু নিয়মগুলি খুব বিক্ষিপ্ত এবং বিমূর্ত এবং শেষ পর্যন্ত এজেন্টের পক্ষে মেনে চলা আরও কঠিন। এটি একটি বেসলাইন হিসাবে উপযুক্ত, কিন্তু অসীম বিস্তারের জন্য উপযুক্ত নয়।

আসল লিঙ্ক: https://github.com/Weaverse/.agents

নেট সার্চ/জিরা-দক্ষতা

এটি জিরার জন্য একটি এআই এজেন্ট প্লাগ-ইন যা সমস্যা, ওয়ার্কলগ, স্প্রিন্ট ইত্যাদি পরিচালনা করার জন্য CLI টুল সরবরাহ করে এবং সার্ভার/ডিসি এবং ক্লাউড সমর্থন করে। সহজ কথায়, এটি জিরাকে একটি “ম্যানুয়াল ফর্ম ফিলিং সিস্টেম” থেকে একটি “কাজের ইন্টারফেসে যা এজেন্টরা সরাসরি কল করতে পারে” রূপান্তর করার চেষ্টা করছে।

এটি এখন দেখার মতো কারণ যখন এটি দলের সহযোগিতার ক্ষেত্রে আসে, এজেন্টরা প্রায়শই যা সম্মুখীন হয় তা কোড নয়, তবে কাজের আদেশ, সময়সূচী এবং কাজের সময় রেকর্ড। যতক্ষণ পর্যন্ত জিরা এখনও দৈনন্দিন প্রক্রিয়ার মধ্যে রয়েছে, এজেন্ট জিরার সাথে সংযুক্ত হতে পারে কিনা তা প্রায় নির্ধারণ করবে যে এটি দলের মূল লিঙ্কে প্রবেশ করার সুযোগ আছে কিনা।

ডেভেলপমেন্ট/অটোমেশনের মান খুবই বাস্তব: ইস্যু তৈরি, স্ট্যাটাস ট্রান্সফার, কাজের সময় আপডেট, এবং স্প্রিন্ট-সম্পর্কিত ক্রিয়াকলাপগুলি স্ক্রিপ্ট বা এজেন্টদের কাছে হস্তান্তর করা প্রচুর সংখ্যক বারবার ক্লিক কমাতে পারে; এটি ডেটা সংস্থার জন্যও সহায়ক, যেমন দ্রুত প্রয়োজনীয়তা পূরণের রেকর্ডগুলিকে কাজের অর্ডার ড্রাফ্টে রূপান্তর করা। দলের সহযোগিতার জন্য, এটি একটি অভিযোজন স্তরের মতো যা “এজেন্টকে জিরা ভাষায় কথা বলতে দিন”।

লক্ষণীয় বিষয় হল যে আপনি আপনার জিরা ইন্টারফেসের যত গভীরে যাবেন, তত বেশি সমালোচনামূলক অনুমতি এবং অডিটিং হয়ে যাবে। স্বয়ংক্রিয়ভাবে স্থিতি পরিবর্তন করা এবং ওয়ার্কলগ লেখার মতো ক্রিয়াগুলি কেবল দক্ষতার উপর নির্ভর করবে না, তবে কে অনুমোদন করবে, কীভাবে ফিরে আসবে এবং কীভাবে লগগুলি রাখবে তার উপরও নির্ভর করবে৷ এটি কঠোর অনুমতির সীমানা সহ ব্যবহারের জন্য উপযুক্ত, তবে অবাধে সম্পূর্ণ অটোমেশনের জন্য উপযুক্ত নয়।

আসল লিঙ্ক: https://github.com/netresearch/jira-skill

Staks-sor/ai-মুক্ত

এটি একটি নেটিভ AI ক্লায়েন্ট যা DeepSeek, Qwen, ChatGPT সমর্থন করে এবং OpenAI সামঞ্জস্যপূর্ণ API, CLI, কোড এজেন্ট, মেমরি এবং দক্ষতা প্রদান করে। এটি একটি “হালকা স্থানীয় এআই টুল বেস” এর মতো অবস্থান করে।

এটি আজ অন্তর্ভুক্ত করা হয়েছে কারণ “স্থানীয় নিয়ন্ত্রণযোগ্যতা + বিদ্যমান বাস্তুবিদ্যার সাথে সামঞ্জস্য” এখনও এমন একটি সংমিশ্রণ যা অনেক লোক সবচেয়ে বেশি যত্ন করে। বিশেষ করে দৈনন্দিন উন্নয়নে, সবাই সবসময় একটি নতুন প্ল্যাটফর্মে স্যুইচ করতে চায় না, তবে আশা করে যে বিদ্যমান স্ক্রিপ্ট, সম্পাদক, CLI, স্মৃতি এবং দক্ষতা এখনও ব্যবহার করা যেতে পারে।

এটি স্বতন্ত্র বিকাশকারীদের জন্য আরও বন্ধুত্বপূর্ণ: এটি বিভিন্ন মডেল এবং টুল চেইন প্যাকেজ করার জন্য একীভূত প্রবেশদ্বার হিসাবে ব্যবহার করা যেতে পারে; এটি ডেটা সংস্থার জন্যও কার্যকর হতে পারে, কারণ স্মৃতি এবং দক্ষতার দুটি ধারণা পুনরাবৃত্তিমূলক কাজগুলির দীর্ঘমেয়াদী সঞ্চয়ের জন্য খুব উপযুক্ত। দলের জন্য, যদি তাদের একটি স্থানীয় স্তরে একীভূত করা যায় যা OpenAI API-এর সাথে সামঞ্জস্যপূর্ণ, তবে অনেক স্বয়ংক্রিয় স্ক্রিপ্টের মাইগ্রেশন খরচ অনেক কম হবে।

কিন্তু সচেতন থাকুন যে এই ধরনের “সবকিছু ফিট ইন” টুলের স্থিতিশীলতা এবং সীমানা নিয়ে সমস্যা হওয়ার সম্ভাবনা বেশি। মডেল স্যুইচিং, মেমরি ম্যানেজমেন্ট, দক্ষতা সম্পাদন, এবং API সামঞ্জস্য। যদি এই পয়েন্টগুলির কোনটি আঁকড়ে ধরা না হয় তবে এটি ব্যবহারে বাধা হয়ে দাঁড়াবে। এটি একটি পরীক্ষার বিছানা হিসাবে আরও উপযুক্ত এবং এটি আসার সাথে সাথে উত্পাদন লিঙ্কটি প্রতিস্থাপনের জন্য উপযুক্ত নয়।

আসল লিঙ্ক: https://github.com/Staks-sor/ai-free

##ভিলমির/অধদেব

এটি একটি স্ব-হোস্টেড এজেন্ট ড্যাশবোর্ড হাব যার লক্ষ্য কাচের একটি একক ফলক থেকে এআই কোডিং এজেন্টগুলিকে নিরীক্ষণ করা এবং নিয়ন্ত্রণ করা। এটি একটি নতুন মডেল বা একটি নতুন IDE এর চেয়ে “অপারেশন ডেস্কের এজেন্ট সংস্করণ” এর মতো।

এটি দেখার মতো কারণ একবার এজেন্টের সংখ্যা বাড়লে, সমস্যাটি “কিভাবে এটিকে কাজ করতে হয়” থেকে “কিভাবে জানতে হবে এটি কী করছে” এ পরিবর্তিত হয়। এই ড্যাশবোর্ড-টাইপ টুলটি মূলত পর্যবেক্ষণযোগ্যতা এবং নিয়ন্ত্রণ পৃষ্ঠের পরিপূরক করে, যা প্রায়শই প্রথম অনুপস্থিত অংশ হয় যখন দলগুলি ট্রায়াল থেকে স্বাভাবিককরণে চলে যায়।

ডেভেলপমেন্ট টিমের জন্য উপযোগিতা খুবই প্রত্যক্ষ: একাধিক টার্মিনাল এবং সেশনের মধ্যে স্যুইচ করার চেয়ে এক জায়গায় একাধিক এজেন্টের স্থিতি, কাজ এবং আউটপুট দেখা সহজ; এটি অটোমেশনের জন্যও সহায়ক, বিশেষ করে পরীক্ষামূলক এজেন্ট কাজগুলিকে একটি প্যানেলে একত্রিত করার জন্য উপযুক্ত। সহযোগিতার জন্য, এটি তথ্য দ্বীপের সমস্যা কমাতে পারে যেখানে শুধুমাত্র সেই ব্যক্তি যিনি কাজটি শুরু করেছেন তিনি অগ্রগতি জানেন।

ঝুঁকি হল যে ড্যাশবোর্ড সহজেই শুধুমাত্র “দেখা” সমাধান করতে পারে কিন্তু “বোঝা” এবং “হস্তক্ষেপ” সমাধান করতে পারে না। যদি অন্তর্নিহিত এজেন্টের একটি ইউনিফাইড স্টেট মডেল না থাকে, প্যানেলটি যতই সুন্দর হোক না কেন, এটি শুধুমাত্র একটি সামগ্রিক দৃশ্য হবে। এটি পরিষ্কার টাস্ক প্রোটোকলের সাথে ব্যবহারের জন্য উপযুক্ত এবং একা নিয়ন্ত্রণ কেন্দ্রের ভূমিকা গ্রহণ করার জন্য উপযুক্ত নয়।

মূল লিঙ্ক: https://github.com/vilmire/adhdev

earendil-works/pi

এটি একটি AI এজেন্ট টুলবক্স যাতে একটি ইউনিফাইড LLM API, এজেন্ট লুপ, TUI এবং কোডিং এজেন্ট CLI অন্তর্ভুক্ত থাকে। এর বর্ণনা তুলনামূলকভাবে বিস্তৃত, যেন এটি একটি প্রকল্পে এজেন্ট বিকাশ এবং অপারেশন ক্ষমতার সম্পূর্ণ সেট সংগ্রহ করতে চায়।

এটি মনোযোগ দেওয়া মূল্যবান কারণ এই ধরনের “ইউনিফায়েড রানটাইম” প্রকল্পগুলি বিক্ষিপ্ত প্রয়োজনীয়তাগুলিকে একটি পরীক্ষাযোগ্য এন্ট্রি পয়েন্টে সংকুচিত করে। যারা দ্রুত তাদের নিজস্ব এজেন্ট প্রক্রিয়া তৈরি করতে চান তাদের জন্য, যদি এই টুলটি সত্যিই স্থিতিশীল হয়, তাহলে এটি সত্যিই এক রাউন্ড সমাবেশ সংরক্ষণ করতে পারে।

এর ইঞ্জিনিয়ারিং মানটি ইউনিফাইড ইন্টারফেস এবং TUI অভিজ্ঞতার মধ্যে নিহিত: আপনি যদি প্রায়শই টার্মিনালে এজেন্ট চালান, এই ধরনের প্রকল্প বিক্ষিপ্ত স্ক্রিপ্টগুলির চেয়ে বেশি সুবিধাজনক হবে এবং একই জায়গায় ডিবাগিং, চলমান এবং ম্যানুয়াল টেকওভার করা আরও সুবিধাজনক হবে। এটি ডেটা সংগঠিত করতে বা ছোট দলগুলিকে স্বয়ংক্রিয় করতে বা দ্রুত অভ্যন্তরীণ বট তৈরি করতে ব্যবহার করা যেতে পারে।

তবে এর তারার সংখ্যা এবং আকার বেশ বড় বলে মনে হয়। পরিবর্তে, আপনাকে “এর অনেক ফাংশন আছে, কিন্তু আপনি শুধুমাত্র 20% ব্যবহার করবেন” এর সমস্যা সম্পর্কে সতর্ক থাকতে হবে। যা যাচাইয়ের সবচেয়ে যোগ্য তা হল এটি অনেকগুলি ফাংশন তালিকাভুক্ত করতে পারে কিনা তা নয়, তবে এই লুপ, API এবং CLI এর সেট সত্যিই স্থিতিশীল, পরিষ্কার এবং যথেষ্ট এক্সটেনসিবল কিনা।

আসল লিঙ্ক: https://github.com/earendil-works/pi

আজকে সবচেয়ে যোগ্য ফলো-আপ দিকনির্দেশ, আমি দুটি লাইনের উপর ফোকাস করব: একটি হল এজেন্টকে চলমান পরিবেশকে একটি পুনরুত্পাদনযোগ্য এবং অর্কেস্ট্রেটযোগ্য পরিকাঠামোতে পরিণত করা, এবং অন্যটি হল এজেন্টকে বিদ্যমান টিম সিস্টেমে একীভূত করা, বিশেষ করে জিরা, এমন একটি জায়গা যা সত্যিই সহযোগিতার ছন্দকে প্রভাবিত করে। প্রথমটি “কীভাবে স্থিরভাবে চালানো যায়” সমাধান করে এবং পরবর্তীটি “কীভাবে প্রক্রিয়ায় প্রবেশ করতে হয়” সমাধান করে। এই দুটি জিনিস বুদ্ধিমান প্রম্পট শব্দের তাড়া চালিয়ে যাওয়ার চেয়ে বাস্তব দক্ষতার কাছাকাছি।