एआई कार्य कुशलता रडार | 2026-07-06

आज का संकेत स्पष्ट है: कोडिंग एजेंट-संबंधित उपकरण “कोड लिखने में सक्षम होने” से “मौजूदा प्रक्रियाओं को व्यवस्थित करने, अलग करने और कनेक्ट करने में सक्षम होने” की ओर स्थानांतरित हो रहे हैं। अधिक विशिष्ट होने के लिए, आज उभरी कई परियोजनाएं एक ही तरह की कमियों को दूर करने की कोशिश कर रही हैं: मल्टी-एजेंट समानता, कौशल/नियम का पुन: उपयोग, जीरा पहुंच, स्थानीय संचालन और एकीकृत पैनल प्रबंधन। केवल मॉडल पर ध्यान केंद्रित करने के बजाय, पहले वर्कफ़्लो के आसपास निर्मित बुनियादी ढांचे को देखना बेहतर है।

Sma1lboy/कोबे

यह कोडिंग एजेंटों के लिए एक टर्मिनल आईडीई है। मुख्य विक्रय बिंदु समानांतर में कई एजेंटों का विस्तार करना है, और आपसी हस्तक्षेप को कम करने के लिए प्रत्येक एजेंट को एक स्वतंत्र गिट वर्कट्री में रखना है। यह इस बात पर भी जोर देता है कि यह इंजन-स्वतंत्र है, और क्लाउड कोड, कोडेक्स, आदि सभी को जोड़ा जा सकता है।

यह अब देखने लायक है क्योंकि “एकल चैट विंडो में प्रश्न और उत्तर” अब पर्याप्त नहीं है। वास्तविक दक्षता अक्सर बहु-कार्य समवर्तीता, संदर्भ अलगाव और परिणाम अभिसरण में होती है। कोबे इसे एक विज़ुअल कमांड लाइन वर्कबेंच बनाने की कोशिश कर रहा है, जो चैट शेल को फिर से बनाने की तुलना में वास्तविक विकास के करीब है।

विकास कार्य का मूल्य अपेक्षाकृत प्रत्यक्ष है: यह समानांतर परीक्षण के लिए एक आवश्यकता को कई कार्यान्वयन दिशाओं में विभाजित करने के लिए उपयुक्त है, यह रीफैक्टरिंग करते समय प्रसंस्करण के लिए अलग-अलग मॉड्यूल को विभिन्न एजेंटों को सौंपने के लिए उपयुक्त है, और यह मुख्य शाखा को दूषित होने से बचाने के लिए प्रयोगात्मक परिवर्तनों को स्वतंत्र वर्कट्री में फेंकने के लिए भी उपयुक्त है। टीम सहयोग के लिए, यह एक “अस्थायी वॉर रूम” की तरह हो सकता है, जिससे कई लोगों या कई एजेंटों के आउटपुट को एक ही स्क्रीन पर संक्षेपित किया जा सकता है।

जोखिम भी स्पष्ट हैं: बहु-एजेंट समानता संदर्भ प्रबंधन समस्याओं को बढ़ाएगी। परिणाम तेज़ नहीं है, लेकिन परस्पर विरोधी पैच उत्पन्न होने की अधिक संभावना है; इसके अलावा, यह अभी भी गिट वर्कट्री और एजेंट आउटपुट पर आपके मूल निर्णय पर निर्भर करता है। इस परियोजना में अभी तक उच्च सितारे नहीं हैं, और इसकी परिपक्वता अभी भी शुरुआती चरण में हो सकती है।

मूल लिंक: https://github.com/Sma1lboy/kobe

हन्येओल/मॉडल-कंपोज़

यह एक पोर्टेबल AI रनटाइम है जो docker-compose से प्रेरित है। लक्ष्य एक ही YAML के साथ एजेंटों, RAG पाइपलाइनों और MCP सर्वरों को इकट्ठा करना है, और फिर उसी वातावरण को अन्यत्र पुन: पेश करना है।

यह ध्यान देने योग्य है क्योंकि कई एआई वर्कफ़्लो अंततः “चल सकते हैं, लेकिन चल नहीं सकते” पर अटक जाते हैं। यदि किसी टीम ने एजेंटों, ज्ञान पुनर्प्राप्ति और उपकरण सेवाओं को जोड़ना शुरू कर दिया है, तो मॉडल-कंपोज़ का परिभाषित कॉन्फ़िगरेशन बहुत आकर्षक है। कम से कम यह मैन्युअल असेंबली की तुलना में इंजीनियरिंग की तरह तैनाती, पुनरुत्पादन और हैंडओवर कर सकता है।

विकास और स्वचालन के लिए सबसे व्यावहारिक बिंदु मूल रूप से स्क्रिप्ट, शीघ्र शब्द, एमसीपी कॉन्फ़िगरेशन और पर्यावरण चर में बिखरी हुई चीजों को एक घोषणात्मक फ़ाइल में एकत्र करना है। डेटा संग्रह टीम को भी लाभ हो सकता है: जब ज्ञान पुनर्प्राप्ति, दस्तावेज़ प्रसंस्करण और टूल आमंत्रण को पुन: प्रयोज्य पाइपलाइन में लिखा जाता है, तो बाद का रखरखाव “हर जगह एक संकेत की प्रतिलिपि बनाने” से कहीं अधिक स्थिर होता है।

ध्यान देने वाली बात यह है कि इस प्रकार की परियोजना “वैचारिक एकीकरण” के संदर्भ में सुंदर होने की सबसे अधिक संभावना है, लेकिन जब इसे वास्तव में लागू किया जाता है तो अनुकूलता और डिबगिंग अनुभव के कारण इसमें बाधा आती है। खासकर जब एजेंटों, आरएजी और एमसीपी को एक साथ व्यवस्थित किया जाता है, तो किसी भी स्तर पर समस्याओं के कारण उच्च समस्या निवारण लागत हो सकती है। एक निश्चित DevOps फाउंडेशन वाली टीमों के लिए इसे पहले छोटे पैमाने पर आज़माना अधिक उपयुक्त है।

मूल लिंक: https://github.com/hanyeol/model-compose

बुनकर/एजेंट

यह वेयरहाउस एआई कोडिंग टूल के लिए एजेंटों, कौशल, कमांड और नियमों के एक सेट जैसा दिखता है। लक्ष्य बहुत स्पष्ट है: दैनिक विकास में बाधाओं, दिनचर्या और संचालन आदतों को पुन: प्रयोज्य कार्य इकाइयों में पैकेज करना।

यह अब देखने लायक है क्योंकि अधिक से अधिक टीमें अब यह नहीं पूछ रही हैं कि “क्या हमें एजेंटों का उपयोग करना चाहिए”, बल्कि “एजेंटों को हमारे तरीके से कैसे काम करना चाहिए”। .agents इस तरह की किसी चीज़ का मूल्य कौशल दिखाना नहीं है, बल्कि टीम के स्वयं के विकास प्रोटोकॉल, चेकलिस्ट और सामान्य संचालन को मजबूत करना है, जिससे हर बार अस्थायी मौखिक स्पष्टीकरण की आवश्यकता कम हो जाती है।

विकास टीम के लिए, यह “आउट-ऑफ़-द-बॉक्स” आंतरिक टेम्पलेट के रूप में उपयोग के लिए बहुत उपयुक्त है: कोड समीक्षा नियम, प्री-सबमिशन जांच, परीक्षण आदेश, शाखा सम्मेलन और दस्तावेज़ निर्माण की आदतें सभी को इसमें प्लग किया जा सकता है। यह डेटा संगठन के लिए भी उपयोगी है, विशेष रूप से उस सामग्री के लिए जिसके लिए निश्चित चरणों की आवश्यकता होती है, जैसे मुद्दों से लेकर निर्देश बदलने तक, और आवश्यकताओं से लेकर कार्य सूचियों तक।

जोखिम यह है कि एक बार बहुत सारे कौशल और नियम लिखे जाने के बाद, वे एक और रखरखाव बोझ बन जाते हैं। कई गोदामों के साथ समस्या यह नहीं है कि वहां कोई नियम नहीं हैं, बल्कि यह है कि नियम बहुत बिखरे हुए और अमूर्त हैं, और अंत में एजेंट के लिए उनका अनुपालन करना अधिक कठिन होता है। यह आधार रेखा के रूप में उपयुक्त है, लेकिन अनंत विस्तार के लिए उपयुक्त नहीं है।

मूल लिंक: https://github.com/Weaverse/.agents

नेटरिसर्च/जीरा-कौशल

यह जिरा के लिए एक एआई एजेंट प्लग-इन है जो मुद्दों, वर्कलॉग, स्प्रिंट आदि को संचालित करने के लिए सीएलआई उपकरण प्रदान करता है और सर्वर/डीसी और क्लाउड का समर्थन करता है। सीधे शब्दों में कहें तो, यह जीरा को “मैनुअल फॉर्म भरने की प्रणाली” से “कार्य इंटरफ़ेस जिसे एजेंट सीधे कॉल कर सकते हैं” में बदलने की कोशिश कर रहा है।

यह अब देखने लायक है क्योंकि जब टीम सहयोग की बात आती है, तो एजेंटों का सबसे अधिक सामना कोड से नहीं, बल्कि कार्य ऑर्डर, शेड्यूलिंग और कार्य समय रिकॉर्ड से होता है। जब तक जीरा अभी भी दैनिक प्रक्रिया में है, क्या एजेंट को जीरा से जोड़ा जा सकता है या नहीं, यह लगभग यह निर्धारित करेगा कि उसके पास टीम के मुख्य लिंक में प्रवेश करने का मौका है या नहीं।

विकास/स्वचालन का मूल्य बहुत वास्तविक है: समस्या निर्माण, स्थिति स्थानांतरण, कार्य घंटे अद्यतन, और स्प्रिंट-संबंधित संचालन को स्क्रिप्ट या एजेंटों को सौंपने से बड़ी संख्या में बार-बार होने वाले क्लिक को कम किया जा सकता है; यह डेटा संगठन के लिए भी सहायक है, जैसे आवश्यकताओं को पूरा करने वाले रिकॉर्ड को कार्य ऑर्डर ड्राफ्ट में त्वरित रूप से परिवर्तित करना। टीम सहयोग के लिए, यह एक अनुकूलन परत की तरह है कि “एजेंट को जीरा भाषा बोलने दें”।

ध्यान देने वाली बात यह है कि आप अपने जीरा इंटरफ़ेस में जितनी गहराई से जाएंगे, अनुमतियाँ और ऑडिटिंग उतनी ही महत्वपूर्ण हो जाएगी। स्वचालित रूप से स्थिति बदलने और वर्कलॉग लिखने जैसी कार्रवाइयां न केवल दक्षता पर निर्भर होनी चाहिए, बल्कि इस पर भी निर्भर होनी चाहिए कि कौन मंजूरी देता है, कैसे वापस रोल करना है और लॉग कैसे रखना है। यह सख्त अनुमति सीमाओं के साथ उपयोग के लिए उपयुक्त है, लेकिन अप्रतिबंधित पूर्ण स्वचालन के लिए उपयुक्त नहीं है।

मूल लिंक: https://github.com/netresearch/jira-skill

स्टैक्स-सोर/एआई-फ्री

यह एक देशी एआई क्लाइंट है जो डीपसीक, क्वेन, चैटजीपीटी का समर्थन करता है, और ओपनएआई संगत एपीआई, सीएलआई, कोड एजेंट, मेमोरी और कौशल प्रदान करता है। इसे “हल्के स्थानीय एआई टूल बेस” की तरह तैनात किया गया है।

इसे आज शामिल किया गया है क्योंकि “स्थानीय नियंत्रणीयता + मौजूदा पारिस्थितिकी के साथ अनुकूलता” अभी भी वह संयोजन है जिसकी बहुत से लोग सबसे अधिक परवाह करते हैं। विशेष रूप से दैनिक विकास में, हर कोई हमेशा एक नए प्लेटफ़ॉर्म पर स्विच नहीं करना चाहता है, लेकिन उम्मीद करता है कि मौजूदा स्क्रिप्ट, संपादक, सीएलआई, यादें और कौशल का अभी भी उपयोग किया जा सकता है।

यह व्यक्तिगत डेवलपर्स के लिए अधिक अनुकूल है: इसका उपयोग विभिन्न मॉडलों और टूल श्रृंखलाओं को पैकेज करने के लिए एकीकृत प्रवेश द्वार के रूप में किया जा सकता है; यह डेटा संगठन के लिए भी काम आ सकता है, क्योंकि स्मृति और कौशल की दो अवधारणाएं दोहराए जाने वाले कार्यों के दीर्घकालिक संचय के लिए बहुत उपयुक्त हैं। टीम के लिए, यदि उन्हें एक स्थानीय परत में एकीकृत किया जा सकता है जो ओपनएआई एपीआई के साथ संगत है, तो कई स्वचालित स्क्रिप्ट की माइग्रेशन लागत बहुत कम होगी।

लेकिन ध्यान रखें कि इस प्रकार के “सबकुछ फिट बैठता है” टूल में स्थिरता और सीमाओं के साथ समस्याएं होने की सबसे अधिक संभावना है। मॉडल स्विचिंग, मेमोरी प्रबंधन, कौशल निष्पादन और एपीआई संगतता। यदि इनमें से किसी भी बिंदु को नहीं समझा गया तो यह उपयोग में बाधा बन जाएगा। यह एक परीक्षण बिस्तर के रूप में अधिक उपयुक्त है और जैसे ही यह सामने आता है उत्पादन लिंक को बदलने के लिए उपयुक्त नहीं है।

मूल लिंक: https://github.com/Staks-sor/ai-free

##विल्मीरे/अधदेव

यह एक स्व-होस्टेड एजेंट डैशबोर्ड हब है जिसका उद्देश्य ग्लास के एक ही फलक से एआई कोडिंग एजेंटों की निगरानी और नियंत्रण करना है। यह एक नए मॉडल या नए आईडीई की तुलना में “ऑपरेशंस डेस्क का एजेंट संस्करण” जैसा है।

यह देखने लायक है क्योंकि एक बार जब एजेंटों की संख्या बढ़ जाती है, तो समस्या “इसे कैसे काम करें” से “कैसे जानें कि यह क्या कर रहा है” में बदल जाती है। यह डैशबोर्ड-प्रकार का उपकरण अनिवार्य रूप से अवलोकन और नियंत्रण सतह को पूरक करता है, जो अक्सर पहला गायब टुकड़ा होता है जब टीमें परीक्षण से सामान्यीकरण की ओर बढ़ती हैं।

विकास टीम के लिए उपयोगिता बहुत प्रत्यक्ष है: कई टर्मिनलों और सत्रों के बीच स्विच करने की तुलना में एक ही स्थान पर कई एजेंटों की स्थिति, कार्यों और आउटपुट को देखना आसान है; यह स्वचालन के लिए भी सहायक है, विशेष रूप से प्रयोगात्मक एजेंट कार्यों को एक पैनल में एकीकृत करने के लिए उपयुक्त है। सहयोग के लिए, यह सूचना द्वीपों की समस्या को कम कर सकता है जहां केवल कार्य शुरू करने वाला व्यक्ति ही प्रगति जानता है।

जोखिम यह है कि डैशबोर्ड आसानी से केवल “देखने” को हल कर सकता है लेकिन “समझने” और “हस्तक्षेप” को हल नहीं कर सकता है। यदि अंतर्निहित एजेंट के पास एकीकृत राज्य मॉडल नहीं है, तो पैनल कितना भी सुंदर क्यों न हो, यह केवल एक समग्र दृश्य होगा। यह स्पष्ट कार्य प्रोटोकॉल के साथ उपयोग के लिए उपयुक्त है और अकेले नियंत्रण केंद्र की भूमिका निभाने के लिए उपयुक्त नहीं है।

मूल लिंक: https://github.com/vilmire/adhdev

ईयरएंडिल-वर्क्स/पीआई

यह एक एआई एजेंट टूलबॉक्स है जिसमें एकीकृत एलएलएम एपीआई, एजेंट लूप, टीयूआई और कोडिंग एजेंट सीएलआई शामिल है। इसका विवरण अपेक्षाकृत व्यापक है, जैसे कि यह एजेंट विकास और संचालन क्षमताओं का एक पूरा सेट एक परियोजना में एकत्र करना चाहता है।

यह ध्यान देने योग्य है क्योंकि ऐसी “एकीकृत रनटाइम” परियोजनाएं बिखरी हुई आवश्यकताओं को एक परीक्षण योग्य प्रवेश बिंदु में संपीड़ित करती हैं। उन लोगों के लिए जो जल्दी से अपनी स्वयं की एजेंट प्रक्रिया बनाना चाहते हैं, यदि यह उपकरण वास्तव में स्थिर है, तो यह वास्तव में असेंबली का एक दौर बचा सकता है।

इसका इंजीनियरिंग मूल्य एकीकृत इंटरफ़ेस और टीयूआई अनुभव में निहित है: यदि आप अक्सर टर्मिनल में एजेंट चलाते हैं, तो इस तरह की परियोजना बिखरी हुई स्क्रिप्ट की तुलना में अधिक सुविधाजनक होगी, और डिबगिंग, रनिंग और मैन्युअल टेकओवर को एक ही स्थान पर रखना अधिक सुविधाजनक होगा। इसका उपयोग डेटा को व्यवस्थित करने या छोटी टीमों को स्वचालित करने, या शीघ्रता से आंतरिक बॉट बनाने के लिए भी किया जा सकता है।

हालाँकि, इसके तारों की संख्या और आकार काफी बड़ा प्रतीत होता है। इसके बजाय, आपको “इसमें कई कार्य हैं, लेकिन आप केवल 20% का उपयोग करेंगे” की समस्या से सावधान रहना होगा। सत्यापन के लिए सबसे योग्य बात यह नहीं है कि क्या यह कई कार्यों को सूचीबद्ध कर सकता है, बल्कि यह है कि क्या लूप, एपीआई और सीएलआई का यह सेट वास्तव में स्थिर, स्पष्ट और पर्याप्त विस्तार योग्य है।

मूल लिंक: https://github.com/earendil-works/pi

आज सबसे योग्य अनुवर्ती दिशा-निर्देश, मैं दो पंक्तियों पर ध्यान केंद्रित करूंगा: एक है एजेंट चलाने वाले वातावरण को एक प्रतिलिपि प्रस्तुत करने योग्य और ऑर्केस्ट्रेटेबल बुनियादी ढांचे में बनाना, और दूसरा है एजेंट को मौजूदा टीम सिस्टम में एकीकृत करना, विशेष रूप से जीरा, एक ऐसा स्थान जो वास्तव में सहयोग की लय को प्रभावित करता है। पहला हल करता है “कैसे लगातार चलना है” और दूसरा हल करता है “कैसे प्रक्रिया में प्रवेश करें”। होशियार त्वरित शब्दों का पीछा जारी रखने की तुलना में ये दो चीजें वास्तविक दक्षता के करीब हैं।