এআই কাজের দক্ষতা রাডার | 2026-07-11

আজকের সংকেতটি খুব ঘনীভূত: এক ব্যাচের সরঞ্জামগুলি AI এজেন্টকে “চ্যাট করতে সক্ষম হওয়া” থেকে “স্থানীয় নলেজ বেস, কোড বেস এবং CI-এ কাজ চালিয়ে যেতে সক্ষম হওয়া” পর্যন্ত অগ্রসর করতে শুরু করেছে, এমসিপি সার্ভার, প্রসঙ্গ কম্প্রেশন এবং যাচাইকরণ লিঙ্কগুলিতে ফোকাস করে। আরেকটি সুস্পষ্ট দিক হল টার্মিনাল, অধ্যয়ন নোট এবং দ্বিতীয় মস্তিষ্ককে একটি পৃথক চ্যাট ইন্টারফেসের পরিবর্তে একটি এজেন্ট-কলযোগ্য ওয়ার্কবেঞ্চে পরিণত করা। মডেলের পরামিতিগুলি চালিয়ে যাওয়ার পরিবর্তে, আজকে যে পরিকাঠামোর দিকে নজর দেওয়া আরও মূল্যবান তা হল বিদ্যমান কর্মপ্রবাহের সাথে সরাসরি সংযুক্ত হতে পারে।

huytieu/COG-সেকেন্ড-ব্রেন

এটি কী: 17টি এআই দক্ষতা এবং 6 জন কর্মী এজেন্ট সহ একটি “স্ব-বিকশিত” দ্বিতীয় মস্তিষ্ক, একই সিস্টেমে ব্যক্তিগত জ্ঞান, সম্পর্ক পরিচালনা এবং এজেন্টের কাজগুলিকে রাখার লক্ষ্যের সাথে মানুষের CRM-এর সাথে একীভূত। এটি Claude Code, Cursor, Kiro, Gemini CLI, এবং Codex এর সাথে ব্যবহার করার দাবি করে।

কেন এটি এখন দেখার মতো: এই ধরনের প্রকল্পটি একটি খুব বাস্তব দিকনির্দেশকে মূর্ত করে - অন্য নোট গ্রহণের অ্যাপ্লিকেশন তৈরি করার জন্য নয়, কিন্তু একটি টেকসইভাবে রক্ষণাবেক্ষণ করা ব্যক্তিগত অপারেটিং সিস্টেমে নোট, পরিচিতি, কাজ এবং এজেন্ট সহযোগিতাকে একত্রিত করতে। যারা একাধিক AI টুল ব্যবহার করতে অভ্যস্ত তাদের জন্য, বিক্ষিপ্ত প্রসঙ্গ পুনরুদ্ধার করার ক্ষমতা নির্ধারণ করে যে টুলটি “স্মার্ট দেখায়” কিনা।

ডেভেলপমেন্ট/ডেটা অর্গানাইজেশন/অটোমেশন/টিম সহযোগিতার জন্য এর ব্যবহার কী: আপনি যদি ইতিমধ্যেই ব্যক্তিগত জ্ঞানের ভিত্তি, প্রকল্প ট্র্যাকিং বা গ্রাহক/অংশীদার পরিচালনা করছেন, তাহলে এই কাঠামোটি স্বয়ংক্রিয় সংরক্ষণাগার, স্বয়ংক্রিয় সমাপ্তি এবং অ্যাকশন আইটেমগুলির স্বয়ংক্রিয় প্রজন্মের জন্য একটি রেফারেন্স হিসাবে ব্যবহার করা যেতে পারে। দলের সহযোগিতার জন্য, সবচেয়ে মূল্যবান জিনিস হল “লোক” এবং “জ্ঞান” কে অনুসন্ধানযোগ্য এবং নির্ধারিত কর্মপ্রবাহের মধ্যে অন্তর্ভুক্ত করা।

ঝুঁকি বা মনোযোগের বিষয়: এই ধরনের দ্বিতীয় মস্তিষ্কের জন্য প্রায়শই কনফিগারেশন এবং দীর্ঘমেয়াদী রক্ষণাবেক্ষণের প্রয়োজন হয় এবং সহজেই “অনেক ফাংশন এবং কিছু বাস্তব বাস্তবায়ন” সহ একটি সিস্টেম হয়ে উঠতে পারে; এছাড়াও, একাধিক এজেন্ট + দীর্ঘমেয়াদী অবস্থাও ধারাবাহিকতা এবং গোপনীয়তা ব্যবস্থাপনার সমস্যা নিয়ে আসবে।

আসল লিঙ্ক: https://github.com/huytieu/COG-second-brain

শ্লোকখেমানি/খরগোশ

এটা কি: শেখার এবং অন্বেষণের জন্য একটি MCP সার্ভার। এটি অসীম ক্যানভাস জ্ঞান সংস্থা পদ্ধতিকে সমর্থন করে “পাঠ্যের একটি অংশ নির্বাচন করা, প্রশ্ন জিজ্ঞাসা করা এবং তারপরে উত্তরগুলি নথিতে কাঁটাচামচ করা চালিয়ে যাওয়া”। এটি ক্লদ কোড, কোডেক্স এবং অন্যান্য এজেন্টের সাথে সংযোগ করতে পারে।

কেন এটি এখন দেখার মতো: অনেক AI শেখার সরঞ্জামগুলির সমস্যা হল উত্তরগুলি যথেষ্ট ভাল নয়, তবে উত্তরগুলি ব্যবহার করার সাথে সাথেই আলাদা হয়ে যায়। র‍্যাবিথোল “প্রশ্ন ও উত্তর” কে “ক্রমবর্ধমান তথ্য গাছ”-এ পরিণত করার চেষ্টা করে, যা গবেষণা, নথি পড়া এবং নোট লেখার বাস্তব প্রক্রিয়ার কাছাকাছি।

ডেভেলপমেন্ট/ডেটা সংগ্রহ/অটোমেশন/টিম সহযোগিতার জন্য এর ব্যবহার কী: এটি প্রযুক্তিগত ডেটা সংগ্রহের জন্য বিশেষভাবে উপযুক্ত - এটি শাখা দ্বারা RFC, API নথি, ঘটনা পর্যালোচনা এবং গবেষণা নোট সংরক্ষণ করতে পারে। দলগত সহযোগিতার পরিপ্রেক্ষিতে, এটি এককালীন চ্যাট রেকর্ডের পরিবর্তে “সহ-পঠন + সহ-টীকা” এর জ্ঞানের ভিত্তি হিসাবে আরও উপযুক্ত হতে পারে।

লক্ষণীয় ঝুঁকি বা পয়েন্ট: অসীম বিভাজন সহজেই জ্ঞানের গ্রাফটিকে খুব বড় এবং খণ্ডিত করে তুলতে পারে এবং শেষ পর্যন্ত পুনরুদ্ধারের খরচ বৃদ্ধি পাবে; পরিষ্কার নামকরণ এবং সংরক্ষণাগারের নিয়ম ছাড়াই, ডেটা আরও বেশি করে “স্মার্ট আবর্জনার” মতো হয়ে যাবে।

আসল লিঙ্ক: https://github.com/shlokkhemani/rabbithole

গ্লিটারকিল/এসডিএল-এমসিপি

এটি কি: কোডিং এজেন্টদের জন্য একটি “প্রতীক ডেল্টা লেজার” প্রসঙ্গ বাজেটিং স্তর৷ মূল ধারণাটি হল বড় কোড বেসগুলিকে ছোট, উচ্চতর সংকেত-থেকে-শব্দ অনুপাতের প্রেক্ষাপটে সংকুচিত করতে প্রতীক মানচিত্র এবং সুনির্দিষ্ট সরঞ্জামগুলি ব্যবহার করা। প্রকল্পের বিবরণ জোর দেয় যে এটি টোকেন সংরক্ষণ করতে, গতি বাড়াতে এবং এজেন্ট আউটপুট উন্নত করতে পারে।

কেন এটি এখন দেখার মতো: এখন অনেক কোডিং এজেন্টের বাধা এই নয় যে মডেলটি লেখা যাবে না, তবে প্রসঙ্গটি খুব জটিল, অবস্থান খুব ধীর এবং পরিবর্তনের সুযোগ অস্পষ্ট। SDL-MCP “এজেন্টদের জন্য কনটেক্সট ইঞ্জিনিয়ারিং”-এর জন্য ঠিক এই ধরনের টুলের প্রতিনিধিত্ব করে, যা অন্য মডেল পরিবর্তন করার চেয়ে আরও সোজা হতে পারে।

ডেভেলপমেন্ট/ডেটা অর্গানাইজেশন/অটোমেশন/টিম কোলাবরেশনের জন্য এর ব্যবহার কী: এটি বিশেষ করে বড় গুদাম, বহু-ব্যক্তির সহযোগিতা এবং ঘন ঘন পরিবর্তিত প্রকল্পের জন্য উপযোগী। কোড সূচীকরণ, ব্যাখ্যা পরিবর্তন এবং প্রভাব বিশ্লেষণের মতো প্রক্রিয়াগুলির সামনে রাখা উপযুক্ত হতে পারে, যাতে এজেন্ট প্রথমে “সবচেয়ে গুরুত্বপূর্ণ” অংশগুলিকে পরিবর্তন করা শুরু করার আগে দেখতে পারে৷

লক্ষণীয় ঝুঁকি বা পয়েন্ট: প্রতীক ম্যাপিং এবং প্রসঙ্গ ক্লিপিং উভয়ই ইঞ্জিনিয়ারিং কাঠামোর মানের উপর নির্ভর করে; যদি কোড সংগঠন নিজেই বিশৃঙ্খল হয়, কম্প্রেশন লেয়ার শুধুমাত্র বিশৃঙ্খলাকে ছোট করতে পারে, কিন্তু স্বয়ংক্রিয়ভাবে সমস্যাটি উন্নত করবে না।

আসল লিঙ্ক: https://github.com/GlitterKill/sdl-mcp

ক্রানোট/রোম-কোড

এটি কি: অন্তর্নির্মিত SQLite কোড গ্রাফ সহ একটি স্থানীয় কোড বেস বুদ্ধিমান CLI + MCP সার্ভার, 28টি ভাষা, 238টি কমান্ড এবং 224টি MCP টুল সমর্থন করে, এছাড়াও পরিবর্তন-নিরাপত্তা গেট এবং অডিট প্রমাণের সাথে আসে এবং এর জন্য একটি API কী প্রয়োজন হয় না।

কেন এটি এখন দেখার মতো: এই ধরনের টুল সরাসরি কোডিং এজেন্টের মূল ব্যথার পয়েন্টে আঘাত করে: কীভাবে কোড বেস বোঝা যায় এবং স্থানীয়ভাবে, অফলাইনে এবং অডিটযোগ্যভাবে ক্রিয়াকলাপ সম্পাদন করা যায়। এটি শুধুমাত্র সাধারণ স্ক্রিপ্টের মতো একটি কাজ করে না, তবে স্ট্রিংগুলিকে একসাথে “পুনরুদ্ধার, বিশ্লেষণ, পরিবর্তন এবং ট্রেস ছেড়ে দেওয়া”।

ডেভেলপমেন্ট/ডেটা সংগ্রহ/অটোমেশন/টিম সহযোগিতার জন্য এর ব্যবহার কী: ডেভেলপমেন্ট টিমের জন্য, এটি একটি স্থানীয় কোড রিসার্চ লেয়ারের মতো, যা আর্কিটেকচার ম্যাপিং, পরিবর্তন প্রভাব বিশ্লেষণ এবং প্রমাণ চেইনের স্বয়ংক্রিয় প্রজন্মের জন্য ব্যবহার করা যেতে পারে। অটোমেশন পরিস্থিতির জন্য, এজেন্ট ব্লাইন্ড পরিবর্তন কমাতে “প্রথমে বোঝে এবং তারপর পদক্ষেপ নেয়” এমন মধ্যম স্তর হওয়া উপযুক্ত।

লক্ষণীয় ঝুঁকি বা পয়েন্ট: বিপুল সংখ্যক সরঞ্জাম মানে উচ্চতর শিক্ষা এবং রক্ষণাবেক্ষণ খরচ; উপরন্তু, যেকোনো “শূন্য API কী” সমাধান অবশ্যই স্থানীয় সম্পদ দখল, সূচক আপডেট কৌশল এবং অনুমতির সীমানা নিশ্চিত করতে হবে।

আসল লিঙ্ক: https://github.com/Cranot/roam-code

tony1223/বেটার-এজেন্ট-টার্মিনাল

এটি কি: একটি মাল্টি-ওয়ার্কস্পেস টার্মিনাল অ্যাগ্রিগেটর ক্লাউড কোডের সাথে একীভূত। লক্ষ্য হল একাধিক ওয়ার্কস্পেসের এজেন্ট ক্রিয়াকলাপগুলিকে আরও সুবিধাজনক টার্মিনাল ইন্টারফেসে রাখা।

কেন এটি এখন দেখার মতো: কোডিং এজেন্ট ধীরে ধীরে একটি “একক-উইন্ডো চ্যাট” থেকে “মাল্টি-ওয়্যারহাউস, মাল্টি-প্রসেস, মাল্টি-প্রসঙ্গ” কাজের পদ্ধতিতে পরিবর্তিত হচ্ছে এবং টার্মিনাল স্তরের সাংগঠনিক ক্ষমতা ক্রমশ গুরুত্বপূর্ণ হয়ে উঠবে। এই প্রকল্পটি একটি খুব বাস্তব প্রয়োজনের প্রতিনিধিত্ব করে: এজেন্টদের আরও জাদুকরী করার জন্য নয়, বরং একাধিক এজেন্টদের পরিচালনা করা মানুষের জন্য সহজ করে তোলার জন্য।

ডেভেলপমেন্ট/ডেটা অর্গানাইজেশন/অটোমেশন/টিম সহযোগিতার জন্য এর ব্যবহার কী: আপনি যদি একই সময়ে একাধিক রেপো, একাধিক শাখা এবং একাধিক কাজের মধ্যে স্যুইচ করেন, তাহলে এটি উইন্ডো স্যুইচিং এবং প্রসঙ্গ ক্ষতি কমাতে পারে। দলের সহযোগিতার জন্য, এটি একটি শেয়ার্ড টার্মিনাল ওয়ার্কবেঞ্চের প্রোটোটাইপ রেফারেন্স হিসাবে উপযুক্ত।

ঝুঁকি বা সতর্কতা: টার্মিনাল এগ্রিগেটর সহজেই একটি “সুদর্শন কিন্তু নেটিভ টার্মিনালের চেয়ে বেশি দক্ষ” টুল হয়ে উঠতে পারে; এটি সত্যিই দক্ষতা উন্নত করতে পারে কিনা তা নির্ভর করে এর শর্টকাট কী পরিচালনা, লগিং, টাস্ক আইসোলেশন এবং পুনরুদ্ধারের ক্ষমতার উপর।

আসল লিঙ্ক: https://github.com/tony1223/better-agent-terminal

##বশু২/এজেন্টপস

এটা কি: কোডিং এজেন্টদের স্বাধীন যাচাইয়ের জন্য একটি টুল। মূল নীতিটি সহজ: একটি পরিবর্তন সম্পূর্ণরূপে বিবেচিত হয় না যতক্ষণ না এটি অন্য মডেল বা বাস্তব পরীক্ষার দ্বারা পরীক্ষা করা হয় এবং ফলাফলগুলি সংগ্রহস্থলে রেকর্ড করা হয়।

কেন এটি এখন দেখার মতো: যেহেতু আরও বেশি সংখ্যক এজেন্ট কোড লেখায় অংশগ্রহণ করে, আসলে যা অনুপস্থিত তা “পরিবর্তন তৈরি করা” নয় বরং “প্রমাণ করতে সক্ষম হওয়া যে পরিবর্তনগুলি জিনিসগুলিকে ভেঙে দেয়নি।” এজেন্টপস একটি মৌখিক প্রতিশ্রুতি থেকে যাচাইকরণকে একটি গুদামে সনাক্তযোগ্য প্রমাণে পরিণত করে, যা খুবই বাস্তব।

ডেভেলপমেন্ট/ডেটা অর্গানাইজেশন/অটোমেশন/টিম কোলাবরেশনের জন্য এর ব্যবহার কী: ডেভেলপমেন্ট প্রক্রিয়ার জন্য, জমা দেওয়ার বা মার্জ করার আগে এটি একটি স্বয়ংক্রিয় চেক লেয়ার হিসেবে ব্যবহার করা যেতে পারে; দলের সহযোগিতার জন্য, এটি “কে বলেছে এটি পরিবর্তিত হয়েছে” কে “কে যাচাই করেছে এবং কিভাবে” এ পরিণত করতে সহায়তা করে। এই ধরনের প্রক্রিয়াগুলি হ্যালুসিনেটরি পূর্ণতা কমাতে বিশেষভাবে সহায়ক।

ঝুঁকি বা পয়েন্ট নোট করুন: যাচাইকরণের নিয়ম খুব ভারী হলে, এটি এজেন্ট পুনরাবৃত্তির গতি কমিয়ে দেবে; যদি যাচাইয়ের নিয়মগুলি খুব হালকা হয় তবে এটি একটি আনুষ্ঠানিকতা হয়ে যাবে। একটি বাস্তব টেস্টিং সিস্টেম প্রতিস্থাপন করার চেয়ে এটিকে পরিষ্কার মানের থ্রেশহোল্ডের পিছনে রাখা ভাল।

আসল লিঙ্ক: https://github.com/boshu2/agentops

সার্কেলসিআই-পাবলিক/এমসিপি-সার্ভার-সার্কেল

এটি কি: একটি MCP সার্ভার সার্কেলসিআই উন্নয়ন প্রক্রিয়ার দিকে ভিত্তিক। লক্ষ্য হল এমসিপি ইকোসিস্টেমে CI ক্ষমতাগুলিকে একীভূত করা যাতে এজেন্টরা সরাসরি নির্মাণ, পরীক্ষা এবং পাইপলাইনের অবস্থার চারপাশে কাজ করতে পারে।

কেন এটি এখন দেখার মতো: এজেন্ট যখন ইঞ্জিনিয়ারিং পর্যায়ে প্রবেশ করে, তখন সবচেয়ে গুরুত্বপূর্ণ বিষয় “আপনি এটি লিখতে পারেন কিনা” নয়, বরং “আপনি সঠিকভাবে লিখেছেন কিনা তা আপনি জানেন কিনা”। CI কে MCP টুল হিসাবে প্রকাশ করার অর্থ হল এজেন্টরা আরও স্বাভাবিকভাবে বিল্ড ফলাফল, পরীক্ষার ফলাফল এবং পাইপলাইনের স্থিতি সম্পর্কে সিদ্ধান্ত নিতে পারে।

উন্নয়ন/ডেটা সংগ্রহ/অটোমেশন/টিম সহযোগিতার জন্য এর ব্যবহার কী: এটি স্বয়ংক্রিয় রিগ্রেশন, বিল্ড ডায়াগনসিস এবং পাইপলাইন সমস্যা সমাধানের মতো পরিস্থিতিতে ব্যবহারের জন্য উপযুক্ত। এটি টিমকে CI স্ট্যাটাসকে একটি প্রেক্ষাপটে পরিণত করতে সাহায্য করতে পারে যা এজেন্টের দ্বারা গ্রাস করা যেতে পারে, শুধুমাত্র ট্র্যাফিক লাইট বিজ্ঞপ্তিতে থাকার পরিবর্তে।

উল্লেখ্য ঝুঁকি বা পয়েন্ট: এই ধরনের ডেডিকেটেড MCP সার্ভারের মান আপনি CircleCI ব্যাপকভাবে ব্যবহার করেছেন কিনা তার উপর নির্ভর করে; যদি CI সিস্টেম এর উপর ভিত্তি করে না হয়, তাহলে এর বাস্তবায়ন মান উল্লেখযোগ্যভাবে হ্রাস পাবে।

মূল লিঙ্ক: https://github.com/CircleCI-Public/mcp-server-circleci

আজকে অনুসরণ করার জন্য সবচেয়ে উপযুক্ত দিক হল “এজেন্টকে প্রকৃত কর্মপ্রবাহের সাথে সংযুক্ত করা, পাশাপাশি প্রসঙ্গ ব্যবস্থাপনা এবং ফলাফল যাচাইকরণ যোগ করা।” আমরা যদি শুধুমাত্র একটি প্রবণতার দিকে তাকাই, তাহলে তা হল: ভবিষ্যতে যা আরও কার্যকর হবে তা হল একটি শক্তিশালী একক-পয়েন্ট চ্যাট মডেল নয়, কিন্তু একটি টুল চেইন যা স্থিরভাবে কোড বেস, নলেজ বেস, টার্মিনাল এবং CI এর মধ্যে ভ্রমণ করতে পারে৷