एआई कार्य कुशलता रडार | 2026-07-11

आज का संकेत बहुत केंद्रित है: उपकरणों के एक बैच ने एआई एजेंट को “चैट करने में सक्षम होने” से “स्थानीय ज्ञान आधार, कोड आधार और सीआई में काम करना जारी रखने में सक्षम होने” के लिए एमसीपी सर्वर, संदर्भ संपीड़न और सत्यापन लिंक पर ध्यान केंद्रित करना शुरू कर दिया है। एक और स्पष्ट दिशा टर्मिनल, अध्ययन नोट्स और दूसरे मस्तिष्क को एक अलग चैट इंटरफ़ेस के बजाय एजेंट-कॉल करने योग्य कार्यक्षेत्र में बनाना है। मॉडल मापदंडों का पीछा करना जारी रखने के बजाय, आज जो देखने लायक है वह बुनियादी ढांचा है जो सीधे मौजूदा वर्कफ़्लो से जुड़ा हो सकता है।

huytieu/COG-दूसरा-मस्तिष्क

यह क्या है: 17 एआई कौशल और 6 कार्यकर्ता एजेंटों के साथ एक “स्व-विकसित” दूसरा मस्तिष्क, व्यक्तिगत ज्ञान, संबंध प्रबंधन और एजेंट कार्यों को एक ही प्रणाली में डालने के लक्ष्य के साथ, लोगों के सीआरएम के साथ भी एकीकृत है। इसका क्लाउड कोड, कर्सर, किरो, जेमिनी सीएलआई और कोडेक्स के साथ उपयोग करने का दावा किया गया है।

अब यह देखने लायक क्यों है: इस प्रकार की परियोजना एक बहुत ही व्यावहारिक दिशा का प्रतीक है - एक और नोट लेने वाला एप्लिकेशन बनाने के लिए नहीं, बल्कि नोट्स, संपर्कों, कार्यों और एजेंट सहयोग को एक स्थायी रूप से बनाए रखा व्यक्तिगत ऑपरेटिंग सिस्टम में संयोजित करने के लिए। जो लोग कई एआई टूल का उपयोग करने के आदी हैं, उनके लिए बिखरे हुए संदर्भ को पुनर्प्राप्त करने की क्षमता यह निर्धारित करती है कि टूल सिर्फ “स्मार्ट दिखता है”।

विकास/डेटा संगठन/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: यदि आप पहले से ही व्यक्तिगत ज्ञान आधार, परियोजना ट्रैकिंग या ग्राहक/साझेदार प्रबंधन कर रहे हैं, तो इस संरचना का उपयोग स्वचालित संग्रह, स्वचालित पूर्णता और कार्य आइटम की स्वचालित पीढ़ी के संदर्भ के रूप में किया जा सकता है। टीम सहयोग के लिए, सबसे मूल्यवान चीज़ “लोगों” और “ज्ञान” को खोजने योग्य और शेड्यूल करने योग्य वर्कफ़्लो में शामिल करना है।

जोखिम या ध्यान के बिंदु: इस प्रकार के दूसरे मस्तिष्क को अक्सर कॉन्फ़िगरेशन और दीर्घकालिक रखरखाव की आवश्यकता होती है, और यह आसानी से “कई कार्यों और कुछ वास्तविक कार्यान्वयन” के साथ एक प्रणाली बन सकता है; इसके अलावा, एकाधिक एजेंट + दीर्घकालिक स्थिति भी स्थिरता और गोपनीयता प्रबंधन के मुद्दे लाएगी।

मूल लिंक: https://github.com/huytieu/COG-second-brain

श्लोकखेमानी/खरगोश का छेद

यह क्या है: सीखने और अन्वेषण के लिए एक एमसीपी सर्वर। यह “पाठ का एक टुकड़ा चुनना, प्रश्न पूछना, और फिर उत्तरों को दस्तावेज़ों में तब्दील करना जारी रखने” की अनंत कैनवास ज्ञान संगठन पद्धति का समर्थन करता है। यह क्लाउड कोड, कोडेक्स और अन्य एजेंटों से जुड़ सकता है।

अब यह देखने लायक क्यों है: कई एआई शिक्षण उपकरणों के साथ समस्या यह नहीं है कि उत्तर पर्याप्त अच्छे नहीं हैं, बल्कि यह है कि उत्तर उपयोग होते ही बिखर जाते हैं। रैबिटहोल “प्रश्न और उत्तर” को “निरंतर बढ़ते सूचना वृक्ष” में बदलने का प्रयास करता है, जो अनुसंधान, दस्तावेज़ पढ़ने और नोट्स लिखने की वास्तविक प्रक्रिया के करीब है।

विकास/डेटा संग्रह/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: यह तकनीकी डेटा संग्रह के लिए विशेष रूप से उपयुक्त है - यह आरएफसी, एपीआई दस्तावेज़, घटना समीक्षा और शाखाओं द्वारा अनुसंधान नोट्स संग्रहीत कर सकता है। टीम सहयोग के संदर्भ में, यह एक बार के चैट रिकॉर्ड के बजाय “सह-पठन + सह-एनोटेशन” के ज्ञान आधार के रूप में अधिक उपयुक्त हो सकता है।

जोखिम या ध्यान देने योग्य बिंदु: अनंत विभाजन आसानी से ज्ञान ग्राफ को बहुत बड़ा और खंडित बना सकता है, और अंत में पुनर्प्राप्ति लागत बढ़ जाएगी; स्पष्ट नामकरण और संग्रह नियमों के बिना, डेटा अधिक से अधिक “स्मार्ट कचरा” जैसा हो जाएगा।

मूल लिंक: https://github.com/shlokkhemani/rabbithole

ग्लिटरकिल/एसडीएल-एमसीपी

यह क्या है: कोडिंग एजेंटों के लिए एक “सिंबल डेल्टा लेजर” संदर्भ बजट परत। मुख्य विचार बड़े कोड आधारों को छोटे, उच्च सिग्नल-टू-शोर अनुपात संदर्भों में संपीड़ित करने के लिए प्रतीक मानचित्रों और सटीक उपकरणों का उपयोग करना है। प्रोजेक्ट विवरण इस बात पर जोर देता है कि यह टोकन बचा सकता है, गति बढ़ा सकता है और एजेंट आउटपुट में सुधार कर सकता है।

अब यह देखने लायक क्यों है: अब कई कोडिंग एजेंटों की अड़चन यह नहीं है कि मॉडल लिखा नहीं जा सकता है, बल्कि यह है कि संदर्भ बहुत जटिल है, स्थिति बहुत धीमी है, और परिवर्तनों का दायरा अस्पष्ट है। एसडीएल-एमसीपी “एजेंटों के लिए संदर्भ इंजीनियरिंग” के लिए बिल्कुल इसी प्रकार के टूल का प्रतिनिधित्व करता है, जो किसी अन्य मॉडल को बदलने की तुलना में अधिक सरल हो सकता है।

विकास/डेटा संगठन/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: यह विशेष रूप से बड़े गोदामों, बहु-व्यक्ति सहयोग और बार-बार बदलती परियोजनाओं के लिए उपयोगी है। इसे कोड अनुक्रमण, परिवर्तन स्पष्टीकरण और प्रभाव विश्लेषण जैसी प्रक्रियाओं के सामने रखा जाना उपयुक्त हो सकता है, ताकि एजेंट उन्हें संशोधित करना शुरू करने से पहले “सबसे महत्वपूर्ण” भागों को देख सके।

जोखिम या ध्यान देने योग्य बिंदु: प्रतीक मानचित्रण और संदर्भ क्लिपिंग दोनों इंजीनियरिंग संरचना की गुणवत्ता पर निर्भर करते हैं; यदि कोड संगठन स्वयं अव्यवस्थित है, तो संपीड़न परत केवल अराजकता को कम कर सकती है, लेकिन स्वचालित रूप से समस्या में सुधार नहीं करेगी।

मूल लिंक: https://github.com/GlitterKill/sdl-mcp

क्रनोट/रोम-कोड

यह क्या है: अंतर्निहित SQLite कोड ग्राफ़ के साथ एक स्थानीय कोड बेस इंटेलिजेंट CLI + MCP सर्वर, 28 भाषाओं, 238 कमांड और 224 MCP टूल का समर्थन करता है, परिवर्तन-सुरक्षा द्वार और ऑडिट साक्ष्य के साथ भी आता है, और एपीआई कुंजी की आवश्यकता नहीं होती है।

अब यह देखने लायक क्यों है: इस प्रकार का टूल सीधे कोडिंग एजेंटों के मुख्य दर्द बिंदु पर प्रहार करता है: कोड आधार को कैसे समझें और स्थानीय, ऑफ़लाइन और ऑडिट योग्य संचालन कैसे करें। यह सामान्य लिपियों की तरह न केवल एक काम करता है, बल्कि “पुनर्प्राप्ति, विश्लेषण, संशोधन और निशान छोड़ना” को एक साथ जोड़ता है।

विकास/डेटा संग्रह/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: विकास टीम के लिए, यह एक स्थानीय कोड अनुसंधान परत की तरह है, जिसका उपयोग आर्किटेक्चर मैपिंग, परिवर्तन प्रभाव विश्लेषण और साक्ष्य श्रृंखलाओं की स्वचालित पीढ़ी के लिए किया जा सकता है। स्वचालन परिदृश्यों के लिए, मध्य परत होना उपयुक्त है जो एजेंट ब्लाइंड संशोधन को कम करने के लिए “पहले समझती है और फिर कार्रवाई करती है”।

जोखिम या ध्यान देने योग्य बातें: बड़ी संख्या में उपकरणों का मतलब उच्च शिक्षण और रखरखाव लागत है; इसके अलावा, किसी भी “शून्य एपीआई कुंजी” समाधान को स्थानीय संसाधन कब्जे, सूचकांक अद्यतन रणनीति और अनुमति सीमाओं की पुष्टि करनी होगी।

मूल लिंक: https://github.com/Cranot/roam-code

टोनी1223/बेहतर-एजेंट-टर्मिनल

यह क्या है: क्लाउड कोड के साथ एकीकृत एक मल्टी-वर्कस्पेस टर्मिनल एग्रीगेटर। लक्ष्य एकाधिक कार्यस्थानों के एजेंट संचालन को अधिक सुविधाजनक टर्मिनल इंटरफ़ेस में डालना है।

अब यह देखने लायक क्यों है: कोडिंग एजेंट धीरे-धीरे “सिंगल-विंडो चैट” से “मल्टी-वेयरहाउस, मल्टी-प्रोसेस, मल्टी-कॉन्टेक्स्ट” कार्य पद्धति में बदल रहा है, और टर्मिनल परत की संगठनात्मक क्षमताएं तेजी से महत्वपूर्ण हो जाएंगी। यह परियोजना एक बहुत ही वास्तविक आवश्यकता का प्रतिनिधित्व करती है: एजेंटों को अधिक जादुई बनाने के लिए नहीं, बल्कि लोगों के लिए कई एजेंटों को प्रबंधित करना आसान बनाने के लिए।

विकास/डेटा संगठन/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: यदि आप एक ही समय में एकाधिक रिपो, एकाधिक शाखाओं और एकाधिक कार्यों के बीच स्विच करते हैं, तो यह विंडो स्विचिंग और संदर्भ हानि को कम कर सकता है। टीम सहयोग के लिए, यह साझा टर्मिनल कार्यक्षेत्र के प्रोटोटाइप संदर्भ के रूप में उपयुक्त है।

जोखिम या सावधानियाँ: टर्मिनल एग्रीगेटर आसानी से “सुंदर दिखने वाला लेकिन मूल टर्मिनल से अधिक कुशल नहीं” टूल बन सकता है; क्या यह वास्तव में दक्षता में सुधार कर सकता है यह शॉर्टकट कुंजियों, लॉगिंग, कार्य अलगाव और पुनर्प्राप्ति क्षमताओं के प्रबंधन पर निर्भर करता है।

मूल लिंक: https://github.com/tony1223/better-agent-terminal

##boshu2/एजेंटॉप्स

यह क्या है: कोडिंग एजेंटों के स्वतंत्र सत्यापन के लिए एक उपकरण। मूल सिद्धांत सरल है: किसी परिवर्तन को तब तक पूर्ण नहीं माना जाता है जब तक कि इसे किसी अन्य मॉडल या वास्तविक परीक्षण द्वारा जांचा नहीं गया हो, और परिणाम रिपॉजिटरी में दर्ज नहीं किए गए हों।

अब यह देखने लायक क्यों है: जैसे-जैसे अधिक से अधिक एजेंट कोड लिखने में भाग लेते हैं, वास्तव में जो कमी है वह “परिवर्तन उत्पन्न करना” नहीं है, बल्कि “यह साबित करने में सक्षम होना है कि परिवर्तनों ने चीजों को नहीं तोड़ा है।” एजेंटॉप्स सत्यापन को मौखिक वादे से गोदाम में पता लगाने योग्य साक्ष्य में बदल देता है, जो बहुत व्यावहारिक है।

विकास/डेटा संगठन/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: विकास प्रक्रिया के लिए, इसे प्रस्तुत करने या विलय करने से पहले स्वचालित जांच परत के रूप में उपयोग किया जा सकता है; टीम सहयोग के लिए, यह “किसने कहा कि इसे बदल दिया गया” को “किसने और कैसे सत्यापित किया” में बदलने में मदद करता है। ऐसे तंत्र मतिभ्रम पूर्णता को कम करने में विशेष रूप से सहायक होते हैं।

जोखिम या ध्यान देने योग्य बिंदु: यदि सत्यापन नियम बहुत भारी हैं, तो यह एजेंट पुनरावृत्ति की गति को धीमा कर देगा; यदि सत्यापन नियम बहुत हल्के हैं, तो यह एक औपचारिकता बन कर रह जायेगा। वास्तविक परीक्षण प्रणाली को प्रतिस्थापित करने की तुलना में इसे स्पष्ट गुणवत्ता सीमा के पीछे रखना बेहतर है।

मूल लिंक: https://github.com/boshu2/agentops

सर्किलसीआई-पब्लिक/एमसीपी-सर्वर-सर्कलसी

यह क्या है: सर्कलसीआई विकास प्रक्रिया पर उन्मुख एक एमसीपी सर्वर। लक्ष्य सीआई क्षमताओं को एमसीपी पारिस्थितिकी तंत्र में एकीकृत करना है ताकि एजेंट सीधे निर्माण, परीक्षण और पाइपलाइन स्थिति के आसपास काम कर सकें।

अब यह देखने लायक क्यों है: जब एजेंट इंजीनियरिंग चरण में प्रवेश करता है, तो सबसे महत्वपूर्ण बात यह नहीं है कि “क्या आप इसे लिख सकते हैं”, बल्कि “क्या आप जानते हैं कि आपने इसे सही ढंग से लिखा है”। सीआई को एमसीपी उपकरण के रूप में उजागर करने का मतलब है कि एजेंट अधिक स्वाभाविक रूप से निर्माण परिणाम, परीक्षण परिणाम और पाइपलाइन स्थिति के बारे में निर्णय ले सकते हैं।

विकास/डेटा संग्रह/स्वचालन/टीम सहयोग के लिए इसका क्या उपयोग है: यह स्वचालित प्रतिगमन, बिल्ड निदान और पाइपलाइन समस्या निवारण जैसे परिदृश्यों में उपयोग के लिए उपयुक्त है। यह टीम को सीआई स्थिति को एक ऐसे संदर्भ में बदलने में भी मदद कर सकता है जिसे केवल ट्रैफिक लाइट सूचनाओं में रहने के बजाय एजेंट द्वारा उपभोग किया जा सकता है।

जोखिम या ध्यान देने योग्य बातें: इस प्रकार के समर्पित एमसीपी सर्वर का मूल्य दृढ़ता से इस बात पर निर्भर करता है कि आपने सर्किलसीआई का बड़े पैमाने पर उपयोग किया है या नहीं; यदि सीआई प्रणाली इस पर आधारित नहीं है, तो इसका कार्यान्वयन मूल्य काफी कम हो जाएगा।

मूल लिंक: https://github.com/CircleCI-Public/mcp-server-circleci

आज अनुसरण करने के लिए सबसे योग्य दिशा है “एजेंट को वास्तविक वर्कफ़्लो से जोड़ना, साथ ही संदर्भ प्रबंधन और परिणाम सत्यापन भी जोड़ना।” यदि हम केवल एक प्रवृत्ति को देखें, तो वह यह है: भविष्य में जो अधिक उपयोगी होगा वह एक मजबूत सिंगल-पॉइंट चैट मॉडल नहीं है, बल्कि एक टूल श्रृंखला है जो कोड बेस, नॉलेज बेस, टर्मिनल और सीआई के बीच स्थिर रूप से यात्रा कर सकती है।