एआई कार्य कुशलता रडार | 2026-07-12

आज के संकेत बहुत केंद्रित हैं: एक है कोडिंग एजेंटों को “सीमावर्ती, पुन: प्रयोज्य और श्रव्य” कार्य इकाइयों में बदलना, और दूसरा है मौजूदा प्रक्रियाओं में टर्मिनलों, नोट्स, सोशल मीडिया और एमसीपी टूल को सीधे एकीकृत करना। “मजबूत मॉडल” को जारी रखने के बजाय, आज जो देखने लायक है वह यह है कि ये परियोजनाएं एजेंटों को वास्तविक वर्कफ़्लो में कैसे डालती हैं।
यदि मुझे आज प्राथमिकता देनी होती, तो मैं पहले “पुन: प्रयोज्य कौशल/स्टीयरिंग” और “स्थानीय रूप से नियंत्रणीय एजेंट चलाने के तरीकों” को देखता, और फिर विशिष्ट परिदृश्य-आधारित टूल को देखता।

एडब्ल्यूएस-नमूने/नमूना-अच्छी तरह से वास्तुशिल्प-कौशल-और-संचालन

यह एआई कोडिंग एजेंटों के लिए कौशल और संचालन उदाहरणों का एक सेट है। लक्ष्य यह है कि एजेंट AWS वेल-आर्किटेक्टेड फ्रेमवर्क के अनुसार काम करें। सामग्री में उल्लेख किया गया है कि यह प्लेबुक के एक सेट को 14 उपकरणों में अनुकूलित करता है, जो “एजेंट व्यवहार में पद्धति लिखने” के मार्ग से संबंधित है।

अब यह देखने लायक है क्योंकि कई टीमें पहले से ही एजेंटों को चला सकती हैं, लेकिन वास्तव में जो मुश्किल है वह है एजेंटों को केवल कोड को ठीक करने के बजाय विशिष्टताओं के अनुसार काम करना। यह परियोजना जो प्रदान करती है वह एक हस्तांतरणीय विचार है: हर बार सुधार करने के लिए त्वरित शब्दों पर निर्भर रहने के बजाय, वास्तुशिल्प निरीक्षण, बाधाओं और निर्णय लेने के मानदंडों को पुन: प्रयोज्य कौशल में बनाना।

विकास के लिए, यह कोड समीक्षा, आर्किटेक्चर स्व-निरीक्षण और प्री-डिलीवरी चेकलिस्ट के लिए उपयुक्त है; डेटा संग्रह और टीम सहयोग के लिए, यह स्टीयरिंग में आंतरिक विशिष्टताओं को भी समाहित कर सकता है, जिससे कई एजेंटों को मानकों के एक ही सेट के तहत उत्पादन करने की अनुमति मिलती है। जोखिम यह है कि एक बार जब कौशल बहुत कसकर लिखे जाते हैं, तो एजेंट को यांत्रिक निष्पादक में बदलना आसान होता है; और यह स्पष्ट रूप से AWS पारिस्थितिकी तंत्र के प्रति पक्षपाती है और इसे बादलों या प्रौद्योगिकी स्टैक में फिर से अनुकूलित करने की आवश्यकता है।

मूल लिंक: https://github.com/aws-samples/sample-well-architected-skills-and-steering

जीपीटीएमई/जीपीटीएमई

यह स्थानीय उपकरणों के साथ टर्मिनल में चलने वाला एक एजेंट है: कोड लिखना, टर्मिनल का उपयोग करना, वेब ब्राउज़ करना, और यह एक स्थायी स्वायत्त एजेंट बनाने का भी समर्थन करता है। सामग्री में इसकी सितारा संख्या पहले से ही अपेक्षाकृत अधिक है, यह दर्शाता है कि इस प्रकार के “टर्मिनल-प्रथम एजेंट” की अभी भी स्थिर मांग है।

यह अब देखने लायक है क्योंकि कई दक्षता मुद्दे मॉडल में ही नहीं हैं, बल्कि “क्या इसे सीधे विकास के माहौल में दर्ज किया जा सकता है।” टर्मिनल एजेंट का लाभ यह है कि यह कोड, स्क्रिप्ट और लॉग के सबसे करीब है, और एक बार के संचालन को पुन: प्रयोज्य कमांड प्रवाह में बदलने के लिए विशेष रूप से उपयुक्त है।

विकास के लिए, यह कोड संशोधन, गोदाम निरीक्षण, स्क्रिप्ट स्वचालन और हल्के वेब पेज सूचना संग्रह के लिए उपयुक्त है; डेटा संग्रह के लिए, यह खोज परिणामों को संरचित पाठ में भी व्यवस्थित कर सकता है; टीम सहयोग के लिए, यह उन रखरखाव कार्यों को करने के लिए उपयुक्त है जो दोहराए जाते हैं लेकिन संदर्भ की आवश्यकता होती है। जोखिम यह है कि स्वायत्तता जितनी मजबूत होगी, अनुमति सीमाओं, गलत संचालन और आउटपुट ट्रैसेबिलिटी पर उतना ही अधिक ध्यान दिया जाना चाहिए, खासकर स्थानीय टर्मिनल अनुमतियों के साथ।

मूल लिंक: https://github.com/gptme/gptme

स्टेफेंगपोप/शॉकवेव

यह एक स्थानीय, फ़ाइल-आधारित नोट लेने वाला एप्लिकेशन है। कार्य सामग्री को आपकी अपनी .md फ़ाइल के रूप में रखा जाता है, और इसमें एक अंतर्निहित कोडिंग एजेंट होता है, इसलिए क्लाउड कोड जैसे बाहरी घटकों को अलग से कनेक्ट करने की कोई आवश्यकता नहीं होती है। सामग्री इस बात पर प्रकाश डालती है कि इसे अपने स्वयं के GitHub रिपॉजिटरी के माध्यम से भी सिंक किया जा सकता है।

यह अब पढ़ने लायक है क्योंकि “एजेंट + स्थानीय फ़ाइल + गिट सिंक्रनाइज़ेशन” ज्ञान कार्य में एक पुरानी समस्या को प्रभावित करता है: जितने अधिक उपकरण होंगे, नोट उतने ही अधिक बिखरे हुए होंगे, और इसे स्वचालित करना उतना ही कठिन होगा। सामग्री को सादे पाठ फ़ाइलों में वापस डालने का मतलब है कि आप सीधे अपनी मौजूदा स्क्रिप्ट, खोज, संस्करण नियंत्रण और स्वचालन पाइपलाइनों में प्लग कर सकते हैं।

यह डेटा संगठन के लिए विशेष रूप से अनुकूल है: नोट्स, कार्य और शोध स्निपेट सभी मार्कडाउन में रह सकते हैं; विकास के लिए, यह दस्तावेज़, कोड स्निपेट और ऑपरेशन रिकॉर्ड को एक ही संस्करण नियंत्रण प्रणाली में डालने के लिए उपयुक्त है; टीम सहयोग के लिए, यह व्यक्तिगत ज्ञान आधारों के लिए एक हल्के सहयोगी आधार की तरह है। जोखिम यह है कि यह आपके काम करने के “फ़ाइलें ज्ञान स्रोत हैं” को स्वीकार करने पर निर्भर करता है। यदि टीम क्लाउड नोट लेने वाली प्रणाली से गहराई से जुड़ी हुई है, तो माइग्रेशन लागत अपेक्षाकृत अधिक होगी।

मूल लिंक: https://github.com/stephengpope/shockwave

सामाजिक पंजा

यह एक सोशल मीडिया शेड्यूलिंग सीएलआई है और ओपनक्लॉ कौशल के साथ आता है। लक्ष्य एआई एजेंटों को सीधे एक्स, लिंक्डइन, इंस्टाग्राम, फेसबुक पेज, टिकटॉक, डिस्कॉर्ड, टेलीग्राम, यूट्यूब, रेडिट, वर्डप्रेस और पिनटेरेस्ट पर सामग्री पोस्ट करने की अनुमति देना है।

यह अब देखने लायक है क्योंकि बहुत सारा “एआई ऑटोमेशन” उत्पादन के बजाय प्रकाशन और वितरण तक सीमित हो जाता है। यह परियोजना “सामग्री निर्माण” और “क्रॉस-प्लेटफ़ॉर्म डिलीवरी” के बीच के अंतर को पाटती है और विशेष रूप से उन लोगों के लिए उपयुक्त है जो एजेंटों को सामग्री संचालन प्रक्रिया में एकीकृत करना चाहते हैं।

विकास टीम के लिए, सीआई, निर्धारित कार्यों या अनुमोदन प्रवाह से जुड़ने के लिए प्रकाशन क्रियाओं को कमांड लाइन या कौशल में बनाया जा सकता है; डेटा संग्रह के लिए, यह विभिन्न चैनलों पर अनुसंधान सारांश, अद्यतन लॉग और घोषणा ड्राफ्ट को स्वचालित रूप से वितरित करने के लिए उपयुक्त है; टीम सहयोग के लिए, यह कई प्लेटफ़ॉर्म पर मैन्युअल कॉपी-पेस्ट और बार-बार होने वाले संचालन को कम कर सकता है। जोखिम यह है कि मल्टी-प्लेटफ़ॉर्म प्रकाशन में स्वाभाविक रूप से खाता अनुमतियाँ, समीक्षा और प्लेटफ़ॉर्म नियम शामिल होते हैं। स्वचालन जितना गहरा होगा, उतनी ही अधिक मैन्युअल अनुमोदन और रोलबैक तंत्र को छोड़ने की आवश्यकता होगी।

मूल लिंक: https://github.com/ndesv21/socialclaw

पॉज़िट-डेव/एमसीपीटूल्स

यह R के लिए MCP टूल का एक संग्रह है, कीवर्ड मॉडल कॉन्टेक्स्ट प्रोटोकॉल है। सामग्री द्वारा दी गई जानकारी अधिक नहीं है, लेकिन नामकरण और विवरण से, यह एमसीपी क्षमताओं को आर भाषा पारिस्थितिकी तंत्र में लाने जैसा है।

यह अब देखने लायक है क्योंकि एमसीपी का ध्यान “क्या कोई सर्वर है” से “क्या यह वास्तविक कार्य वातावरण में प्रवेश कर सकता है” पर स्थानांतरित हो रहा है। यदि आपका डेटा विश्लेषण, रिपोर्टिंग या अनुसंधान प्रक्रिया मुख्य रूप से आर में है, तो एमसीपी टूलचेन सामान्य प्रदर्शन की तुलना में अधिक व्यावहारिक होगी।

विकास/विश्लेषण कार्य का महत्व यह है कि यह एजेंटों को आर की डेटा प्रोसेसिंग और रिपोर्टिंग प्रक्रियाओं तक सीधे पहुंचने की अनुमति देता है; डेटा संग्रह के लिए, यह विश्लेषण उत्पादों को कॉल करने योग्य टूल में मानकीकृत कर सकता है; टीम सहयोग के लिए, यह प्रोटोकॉलयुक्त इंटरफेस में बार-बार विश्लेषण चरणों को तेज करने में मदद करता है। जोखिम यह है कि यह स्पष्ट रूप से आर पारिस्थितिकी तंत्र के प्रति पक्षपाती है, और सामग्री में पर्याप्त कार्यान्वयन के मामले नहीं हैं। स्पष्ट आर वर्कफ़्लो वाली टीमों के लिए इसे पहले आज़माना उपयुक्त है। “एमसीपी की प्रवृत्ति का पालन करने” के लिए इसे आज़माने की अनुशंसा नहीं की जाती है।

मूल लिंक: https://github.com/posit-dev/mcptools

##सतीश316/ओपस_एजेंट्स

यह एक खुला स्रोत एजेंट एआई फ्रेमवर्क है जो एजेंट और टूल संचालन की विश्वसनीयता में सुधार के लिए कस्टम टूल, हायर-ऑर्डर टूल और मेटा टूल जैसे एब्स्ट्रैक्शन के उपयोग पर जोर देता है। सामग्री में यह भी उल्लेख किया गया है कि इसमें उत्पादकता और सहयोग सॉफ़्टवेयर के लिए अंतर्निहित एजेंट हैं, जैसे कि OpusTodoAgent।

यह देखने लायक है क्योंकि आज कई एजेंट फ्रेमवर्क के साथ समस्या यह नहीं है कि “क्या टूल्स को कॉल किया जा सकता है”, लेकिन “क्या टूल्स के जटिल संयोजन के बाद टूल्स स्थिर रूप से चल सकते हैं।” यदि इस परियोजना का सार वास्तव में उपकरण पदानुक्रम को सीधा कर सकता है, तो यह एकबारगी डेमो के बजाय रखरखाव योग्य स्वचालन के लिए अधिक उपयुक्त होगा।

विकास के लिए, इसे आंतरिक एजेंटों के निर्माण के लिए प्रायोगिक आधार के रूप में उपयोग किया जा सकता है; डेटा संगठन और कार्य प्रबंधन के लिए, टू-डू और सहयोगी सॉफ़्टवेयर जैसे परिदृश्य अधिक प्रासंगिक हैं; टीम सहयोग के लिए, यह “व्यक्तिगत एजेंटों” को “विभाग-स्तरीय प्रक्रिया एजेंटों” में अपग्रेड करने की खोज के लिए उपयुक्त है। जोखिम यह है कि इस प्रकार की रूपरेखा में कई अवधारणाएँ और कुछ कार्यान्वयन होते हैं। इसका उपयोग करने से पहले, यह पुष्टि करना सबसे अच्छा है कि क्या यह आपके सबसे सामान्य कार्यों में से 1-2 पर स्थिर रूप से चल सकता है, बजाय पहले वास्तुशिल्प शर्तों से आकर्षित होने के।

मूल लिंक: https://github.com/sathish316/opus_agents

आज अनुसरण करने के लिए सबसे योग्य दिशा, मैं “एजेंटों को नियंत्रणीय घटकों में बदलने” की पंक्ति पर ध्यान केंद्रित करूंगा: एक तरफ कौशल/स्टीयरिंग है, निष्पादन परत में अनुभव को मजबूत करने की एक विधि है, और दूसरी तरफ टर्मिनल, स्थानीय फाइलें और एमसीपी जैसे बुनियादी ढांचे हैं जो एजेंटों को वास्तविक वर्कफ़्लो से जोड़ते हैं। किसी अन्य “स्मार्ट” मॉडल को देखने के बजाय, आज निवेश करने लायक बात मौजूदा एजेंट को अधिक स्थिर, अधिक पुन: प्रयोज्य और विशिष्ट कार्यों को बेहतर ढंग से संभालने में सक्षम बनाना है।