एआई कार्य कुशलता रडार | 2026-06-30

आज सबसे स्पष्ट संकेत यह नहीं है कि एक निश्चित मॉडल ने अपने स्कोर को ताज़ा कर दिया है, बल्कि यह कि एजेंट के आसपास के बुनियादी ढांचे ने “इंस्टॉल करने योग्य, सुलभ और पुन: प्रयोज्य” की ओर बढ़ना शुरू कर दिया है: कोड पुनर्प्राप्ति, दीर्घकालिक मेमोरी, डेस्कटॉप निष्पादन और कौशल पैकेजिंग सभी निष्पादन श्रृंखला में अंतराल को भर रहे हैं।
ऐसी परियोजनाओं का सामान्य बिंदु भी बहुत स्पष्ट है: वे अब न केवल “क्या आप पूछ सकते हैं” को हल करते हैं, बल्कि “क्या आप ढूंढ सकते हैं, याद रख सकते हैं, चला सकते हैं और सौंप सकते हैं” को भी पूरक कर सकते हैं।

कोडबेंडकिट/कोडसीक

यह एआई कोडिंग एजेंटों के लिए एक रस्ट कोड इंटेलिजेंट सीएलआई है। इसका मुख्य विक्रय बिंदु यह है कि यह कॉल ग्राफ़ और मिश्रित सिमेंटिक पुनर्प्राप्ति को जोड़ता है। यह 7 भाषाओं में इंडेक्स बना सकता है और इसे सीधे क्लाउड कोड और कोडेक्स सीएलआई के मूल एमसीपी टूल के रूप में उपयोग किया जा सकता है।

यह अब देखने लायक है क्योंकि कोडिंग एजेंट के वास्तविक गोदाम में प्रवेश करने के बाद, बाधा अक्सर यह नहीं होती है कि “वह कोड बदल सकता है या नहीं”, लेकिन “क्या वह सही स्थान पा सकता है, निर्भरता को समझ सकता है और अनावश्यक गलतियों से बच सकता है।” इस प्रकार का टूल एजेंट में वेयरहाउस-स्तरीय नेविगेशन परत जोड़ने जैसा है। यह कोड समीक्षा से पहले पोजीशनिंग, रीफैक्टरिंग से पहले प्रभाव विश्लेषण और डेटा संग्रह के दौरान प्रोजेक्ट इंडेक्सिंग के लिए उपयुक्त है।

विकास और टीम सहयोग का महत्व मुख्य रूप से “संदर्भ के आधार पर फाइलों का अनुमान लगाना” को “पहले खोजना और फिर करना” में बदलना है। एकीकृत प्रवेश द्वार बनाने के लिए क्लाउड कोड और कोडेक्स जैसे कोडिंग एजेंटों के साथ जुड़ना भी अधिक उपयुक्त है। यह ध्यान दिया जाना चाहिए कि सिमेंटिक पुनर्प्राप्ति और कॉल ग्राफ़ केवल सहायक हैं, जिसका अर्थ यह नहीं है कि संशोधन पथ सही होना चाहिए; सूचकांक समाप्ति, इंटरफ़ेस का नाम बदलना, और जनरेटिव गलत निर्णय अभी भी घटित होगा।

मूल लिंक: https://github.com/CodeBendKit/codeseek

अल्फ़ाओनेडेव/एआई-मेमोरी-एमसीपी

यह किसी भी AI के लिए एक सतत मेमोरी परत है। यह एमसीपी सर्वर, HTTP एपीआई और सीएलआई प्रदान करता है। निचली परत SQLite FTS5 का उपयोग करती है। यह शून्य क्लाउड निर्भरता पर केंद्रित है और क्लाउड, चैटजीपीटी, ग्रोक, जेमिनी, कोडेक्स और कर्सर जैसे ग्राहकों के साथ संगत है।

यह अब देखने लायक है क्योंकि “मेमोरी” एक एकल सहायक की सहायक क्षमता से एक क्रॉस-क्लाइंट, क्रॉस-सेशन इंफ्रास्ट्रक्चर समस्या बन गई है। जब तक वर्कफ़्लो में एक ही समय में एकाधिक मॉडल या एकाधिक प्रविष्टियाँ दिखाई देती हैं, तब तक मेमोरी विभाजित होना शुरू हो जाएगी; इसे एक अलग सेवा बनाने से कम से कम संदर्भ के स्थान को एकीकृत किया जा सकता है।

यह विकास, डेटा संगठन और स्वचालन के लिए उपयोगी है: यह परियोजना प्राथमिकताओं, सामान्य बाधाओं, बार-बार निर्णय, डेटा लेबल को रिकॉर्ड कर सकता है और यहां तक ​​कि टीम में एजेंटों के लिए एक जांच योग्य संदर्भ ड्राफ्ट भी छोड़ सकता है। जोखिम भी अपेक्षाकृत प्रत्यक्ष हैं: FTS5 कीवर्ड पुनर्प्राप्ति के लिए उपयुक्त है, जिसका अर्थ वास्तव में शब्दार्थ को समझना नहीं है; इसके अलावा, यदि स्मृति लेखन का प्रबंधन नहीं किया जाता है, तो शोर, समाप्त निष्कर्ष और संवेदनशील जानकारी को एक साथ डुबाना आसान होता है।

मूल लिंक: https://github.com/alphaonedev/ai-memory-mcp

डोराबोट

यह एक macOS एप्लिकेशन है जिसका लक्ष्य मेमोरी, शेड्यूल किए गए कार्यों, ब्राउज़र उपयोग और व्हाट्सएप, टेलीग्राम और स्लैक जैसे बाहरी संचार उपकरणों तक पहुंच के साथ IDE 24/7 में एक AI एजेंट चलाना है।

यह अब देखने लायक है क्योंकि एजेंटों का उपयोग करने का तरीका “बातचीत शुरू करने” से “पृष्ठभूमि कार्य को लटकाने” में बदल रहा है। जो चीज़ वास्तव में समय बचाती है वह अक्सर पाठ के उन टुकड़ों को उत्पन्न नहीं करना है, लेकिन क्या आप कार्य को अपने आप आगे बढ़ने देने के लिए ब्राउज़र, चैट टूल और कोड वातावरण के बीच क्रियाओं को जोड़ सकते हैं।

स्वचालन और टीम सहयोग के लिए इसका महत्व अपेक्षाकृत प्रत्यक्ष है: यह अतुल्यकालिक अनुवर्ती, संदेश स्थानांतरण, अनुसूचित जांच और क्रॉस-टूल सूचनाओं के लिए उपयुक्त है, विशेष रूप से उस तरह के काम के लिए जिसे वास्तविक समय की निगरानी की आवश्यकता नहीं होती है लेकिन छोड़ा नहीं जा सकता है। जोखिम भी अधिक स्पष्ट हैं. डेस्कटॉप स्वचालन स्वाभाविक रूप से नाजुक है, और अनुमतियाँ, विंडो स्थिति और पृष्ठ परिवर्तन निष्पादन को प्रभावित करेंगे। ऑडिटिंग और प्लेबैक के बिना, 7×24 घंटे का ऑपरेशन समस्या को बढ़ा सकता है।

मूल लिंक: https://github.com/suitedaces/dorabot

गेटएरो-आईओ/जीटीएम-इंग्लैंड-कौशल

क्लाउड कोड के लिए ये 10 एआई एजेंट कौशल हैं। सामग्री वॉटरफ़ॉल ईमेल संवर्धन, टीएएम निर्माण, सिग्नल खोज, नौकरी परिवर्तन का पता लगाने और आउटरीच स्वचालन पर केंद्रित है। वे डीपलाइन सीएलआई और 28+ जीटीएम डेटा स्रोतों पर भरोसा करते हैं।

यह अब देखने लायक है, इसलिए नहीं कि यह हर किसी के लिए है, बल्कि इसलिए क्योंकि “कौशल” पैकेजिंग कार्य के एक अनुकरणीय तरीके की तरह दिखने लगे हैं: एक प्रकार के दोहराए जाने वाले कार्य को स्पष्ट चरणों, स्पष्ट इनपुट और स्पष्ट आउटपुट में समाहित करना, और फिर इसे एक एजेंट से जोड़ना। भले ही दृश्य जीटीएम के प्रति पक्षपाती हो, यह पैकेजिंग विचार डेटा सॉर्टिंग, लीड संग्रह, सामग्री संचालन और आंतरिक संचालन स्वचालन के लिए बहुत प्रेरणादायक है।

इसका उपयोग पद्धतिगत स्तर पर अधिक है: बिखरी हुई क्रियाओं को कौशल इकाइयों में संघनित करने से हर बार शब्द संकेतों को फिर से डिज़ाइन करने की लागत कम हो सकती है और टीमों के लिए साझा करना आसान हो जाता है। यह ध्यान दिया जाना चाहिए कि ऐसे कौशल आमतौर पर विशिष्ट डेटा स्रोतों और व्यावसायिक प्रक्रियाओं पर अत्यधिक निर्भर होते हैं, और सामान्य अनुसंधान एवं विकास परिदृश्यों में माइग्रेट करते समय इन्हें सीधे कॉपी और उपयोग नहीं किया जा सकता है।

मूल लिंक: https://github.com/getaero-io/gtm-eng-skills

माइंडजीनियसएआई

यह एक एआई एजेंट है जो पीडीएफ को पढ़ सकता है और सामग्री को संपादन योग्य माइंड मैप में बना सकता है। इसमें एक दृश्यमान टूल-कॉलिंग लूप, अंतर्निहित RAG, कई मॉडलों और BYOK का समर्थन करता है, और इसे स्वयं-होस्ट भी किया जा सकता है।

यह अब देखने लायक है क्योंकि यह “लंबे दस्तावेज़ सारांश” को “संरचित संपादन योग्य परिणाम” से बदल देता है। डेटा संग्रह के लिए, यह चरण महत्वपूर्ण है: कई बार जो वास्तव में गायब होता है वह सारांश नहीं होता है, बल्कि एक संरचनात्मक आरेख होता है जिसे संशोधित, विखंडित और प्रश्नांकित किया जा सकता है।

विकास और टीम सहयोग के लिए इसका मूल्य अनुसंधान सामग्री, परियोजना दस्तावेजों और बैठक के मिनटों को ऐसे रूप में परिवर्तित करने में निहित है जिसकी समीक्षा करना और वितरित करना आसान हो; यह डेटा संग्रहीत करने, परियोजना ज्ञान को व्यवस्थित करने और बैठकों के बाद आयोजन के लिए विशेष रूप से उपयुक्त है। जोखिम यह है कि नक्शा स्वाभाविक रूप से विवरण को संपीड़ित करेगा और संरचना स्पष्ट दिखाई देगी, जिसका मतलब यह नहीं है कि साक्ष्य श्रृंखला पूरी हो गई है; एक बार जब आरएजी रिकॉल को समाप्त हो चुकी पीडीएफ के साथ मिला दिया जाता है, तो नक्शा भी पक्षपाती हो जाएगा।

मूल लिंक: https://github.com/xianjianlf2/MindGeniusAI

कटरा-एजेंट-मेमोरी

यह एआई एजेंटों के लिए एक स्व-होस्टेड संज्ञानात्मक मेमोरी परत है। इसकी स्थिति आज की अन्य मेमोरी परियोजनाओं के समान है, लेकिन यह स्व-होस्टेड और एमसीपी दिशाओं पर अधिक जोर देती है।

यह अब देखने लायक है क्योंकि मेमोरी परत अब केवल “चैट रिकॉर्ड सहेजना” नहीं है, बल्कि एजेंट का दीर्घकालिक संदर्भ आधार बन रही है। जब तक कार्य सत्रों, परियोजनाओं और उपकरणों तक फैले रहेंगे, मेमोरी वैकल्पिक से बुनियादी क्षमता में बदल जाएगी; स्व-होस्ट किए गए समाधानों का आकर्षण स्थानीय स्तर पर डेटा सीमाओं और नियंत्रणीयता को बनाए रखने की क्षमता में निहित है।

विकास और डेटा संग्रह का महत्व मुख्य रूप से परियोजना के लिए निरंतर जांच योग्य संदर्भ की एक परत जमा करना है, जो टीम ज्ञान ड्राफ्ट, कार्य इतिहास, प्राथमिकता रिकॉर्ड और पुन: उपयोग अनुभव के लिए उपयुक्त है। ध्यान देने वाली बात भी बहुत स्पष्ट है: मेमोरी सिस्टम का सबसे बड़ा जोखिम इसे स्टोर न कर पाना, बल्कि बहुत ज्यादा याद रखना, गलत तरीके से याद रखना और गंदी चीजों को याद रखना है; एक बार जब कोई सफाई और अनुमति नियंत्रण नहीं होगा, तो दीर्घकालिक उपलब्धता में तेजी से गिरावट आएगी।

मूल लिंक: https://github.com/kolegadev/Katra-Agentic-Memory

आज सबसे उपयुक्त अनुवर्ती दिशा एकल-बातचीत क्षमता पर बने रहने के बजाय “एजेंटों को लगातार चलने वाले वर्कफ़्लो घटकों में बदलना” है। वास्तव में कार्यान्वयन योग्य परियोजनाएं अधिक से अधिक संयोजनों के एक सेट की तरह होती जा रही हैं: पुनर्प्राप्ति सही संदर्भ खोजने के लिए जिम्मेदार है, मेमोरी पूरे सत्र में निरंतरता के लिए जिम्मेदार है, कौशल बार-बार की जाने वाली क्रियाओं को समाहित करने के लिए जिम्मेदार हैं, और डेस्कटॉप/ब्राउज़र एजेंट वास्तव में परिणामों को निष्पादित करने के लिए जिम्मेदार हैं।