जब सामान्य लोग अभी भी "सबसे शक्तिशाली प्रॉम्प्ट अभिशाप" पर ध्यान केंद्रित कर रहे हैं, तब सिलिकॉन वैली के शीर्ष प्रयोगशालाएं पहले से ही AI बुनियादी ढांचे को उत्पादन लाइन बना चुकी हैं।

लेखक, स्रोत: न्यूज़िज़यन

क्या आप अभी भी ChatGPT के चैट बॉक्स में प्रॉम्प्ट बार-बार एडजस्ट कर रहे हैं?

हाल ही में, एक X उपयोगकर्ता ने एक ट्वीट शुरू की, जिसमें एक चिल्लाहट थी: हेडलाइन कंपनियाँ गुप्त रूप से उपयोग कर रही हैं, Claude Code प्रोजेक्ट टेम्पलेट लीक!

यह अब प्रॉम्प्ट लिखने की बात नहीं है। यह AI इंजीनियरिंग इंफ्रास्ट्रक्चर है।

पूरी रणनीति एक फ़ाइल 'CLAUDE.md' पर केंद्रित है, और इसके केंद्रीय सिद्धांत केवल तीन हैं:

जब भी क्लॉड गलती करता है → आप एक नियम जोड़ते हैं; जब भी आप खुद को दोहराते हैं → आप एक कार्यप्रवाह जोड़ते हैं; जब भी बग आता है → आप एक सुरक्षा बाधा जोड़ते हैं।

इस तरह, प्रोजेक्ट के अनुभव को एक लंबे समय तक चलने वाले संदर्भ और स्वचालित प्रतिबंधों में बदल दिया जाता है जिन्हें प्रोजेक्ट प्रत्येक शुरू होने पर पढ़ता है।

पूरी ढांचा, एक AI कंपनी के पद संरचना की तरह है: CLAUDE.md भर्ती हैंडबुक है, skills/ कार्य SOP है, hooks/ कम्प्लायंस विभाग है, docs/ कंपनी का चार्टर है, tools/ लॉजिस्टिक्स टीम है, src/ वास्तविक कार्य करने वाला बिजनेस डिपार्टमेंट है।

आप अब AI के साथ बात कर रहे हैं, बल्कि अपने कोड रिपॉजिटरी को समझने वाला AI बना रहे हैं।

सबसे पागल बात यह है कि आपको केवल एक बार कॉन्फ़िगर करना है, और Claude स्वचालित रूप से कोड की समीक्षा करेगा, निर्देशों के अनुसार पुनर्गठित करेगा, आर्किटेक्चर नियमों को लागू करेगा, प्रकाशन नोट्स लिखेगा, कौशल से वर्कफ़्लो चलाएगा, पिछली त्रुटियों को याद रखेगा आदि।

और यह जितना अधिक उपयोग किया जाएगा, उतना ही बुद्धिमान होता जाएगा।

अधिकांश लोग ChatGPT खोलते हैं, प्रॉम्प्ट लिखते हैं, कॉपी-पेस्ट करते हैं, और दोहराते हैं; जबकि इस तरीके में, आपको केवल टर्मिनल खोलकर एक skill कोड चलाना होता है जो पहले से ही तैयार है।

यह अपने कोड लाइब्रेरी में एक AI सहयोगी टीम को पालने के बराबर है।

इस ट्वीट के पीछे यह एक छोटा संकेत है कि यह युग चुपचाप समाप्त हो रहा है, और अधिकांश लोग अभी तक इसकी पहचान नहीं कर पाए हैं।

एक ऐसी "लीक स्क्रीनशॉट" जो लीक नहीं है, एक सच्चाई को उजागर करती है

@ai_rohitt द्वारा शेयर किया गया यह स्क्रीनशॉट, Anthropic के आधिकारिक दस्तावेज़ में खुले तौर पर सिफारिश किए गए Claude Code मानक पैटर्न है।

CLAUDE.md एक प्रोजेक्ट मेमोरी फ़ाइल है जिसे Claude Code प्रत्येक सत्र की शुरुआत में स्वचालित रूप से पढ़ता है।

.claude/skills/ और .claude/hooks/ ऑफिशियल सपोर्टेड एक्सटेंशन मैकेनिज़म हैं।

ये सभी ऐसी खुली प्रथाएँ हैं जिनके बारे में समुदाय कई महीनों से चर्चा कर रहा है, और ये किसी द्वारा चुराए गए कोई “आंतरिक टेम्पलेट” नहीं हैं।

लेकिन इसके कुछ अनुभवी डेवलपर्स द्वारा सक्रिय रूप से शेयर किए जाने का मतलब है कि यह कुछ ऐसे डेवलपर्स के द्वारा मान्यता प्राप्त है जो रोज़ाना Claude का उपयोग करते हैं।

उनमें से काफी हद तक लोग, शायद इन दो दिनों में ही अहसास किया कि इसका इस्तेमाल इस तरह से भी किया जा सकता है।

और सिलिकॉन वैली की शीर्ष टीम ने इसे एक उत्पादन लाइन में बदल दिया है।

पहला उदाहरण, OpenAI Frontier टीम है।

OpenAI के आधिकारिक रूप से उजागर किए गए Frontier टीम के प्रयोग में, एक खाली repo से शुरू हुए आंतरिक beta को लगभग 5 महीनों में Codex द्वारा लगभग 10 लाख पंक्तियों कोड और लगभग 1500 PRs उत्पन्न किए गए; टीम 3 सदस्यों से बढ़कर 7 सदस्यों हो गई, और मानवीय रूप से कोड नहीं लिखा गया।

अगली साक्षात्कार में, टीम नेता रायन लोपोपोलो ने यह भी बताया कि यह कार्यप्रवाह '0 मानव कोड, 0 मानव समीक्षा' की सीमा तक पहुंच चुका है।

वह मानता है कि मानवीय सीमित और महंगी समानांतर ध्यान के बजाय, मॉडल की अत्यधिक समानांतर क्षमता और अत्यंत कम लागत का उपयोग करना बेहतर है।

दूसरा उदाहरण, स्ट्राइप के आंतरिक स्वचालित कोड एजेंट सिस्टम मिनियन्स है।

Stripe के अंदर Minions हफ्ते में 1300 से अधिक PRs को जनरेट और लागू करते हैं, जिनका कोड पूरी तरह से AI द्वारा बनाया जाता है, लेकिन इनकी मानवीय समीक्षा की जाती है।

यहाँ एक और डेटा जोड़ी है: 1.6% vs 98.4%, जो मोहम्मद बिन जायेद एआई विश्वविद्यालय के VILA-Lab द्वारा प्रकाशित एक पेपर से आती है।

https://arxiv.org/pdf/2604.14228

शोधकर्ताओं ने Claude Code v2.1.88 के 512,000 पंक्तियों के TypeScript स्रोत को व्यवस्थित रूप से विश्लेषित किया और निष्कर्ष निकाला कि केवल 1.6% AI निर्णय तर्क है, जबकि शेष 98.4% निश्चित इंजीनियरिंग बुनियादी ढांचा है।

विशेष रूप से, इनमें अधिकार गेटवे, संदर्भ प्रबंधन, उपकरण रूटिंग और त्रुटि पुनर्स्थापन शामिल हैं।

यह संख्या यह नहीं दर्शाती कि मॉडल केवल 1.6% क्षमता का योगदान देता है, बल्कि यह दर्शाती है कि Claude Code उत्पाद के रूप में, अधिकांश जटिलता मॉडल के खुद में नहीं, बल्कि अधिकार, संदर्भ, उपकरण रूटिंग, पुनर्स्थापना तंत्र आदि निर्धारणात्मक इंजीनियरिंग बुनियादी ढांचे में है।

@ai_rohitt उस चित्र में दिखाया गया CLAUDE.md/skills/hooks संरचना, एक साधारण डेवलपर द्वारा भी स्थापित की जा सकने वाली एक “शुरुआती स्तर की बुनियादी ढांचा” है, जो OpenAI और Stripe के उत्पादन स्तर के आर्किटेक्चर के समान ही प्रकार की है, केवल इसका पैमाना काफी छोटा है।

CLAUDE.md के प्रकट किए गए रहस्य

पिछले तीन वर्षों में, सभी लोग पूछ रहे थे कि 'GPT कब और अधिक बुद्धिमान होगा', 'Claude कब नया संस्करण आएगा'।

लेकिन वास्तविक उत्पादन वातावरण में AI प्रोग्रामिंग चला रहे टीमें, उनकी चिंता शायद इस बात से बिल्कुल अलग होगी—AI को यह कैसे सिखाएं कि वह पिछली बार किन गलतियों में पड़ा था, AI को कैसे सिखाएं कि वह काम शुरू करने से पहले प्रोजेक्ट की आर्किटेक्चरल सीमाओं को देखे, और AI जब गलती करे तो उसे स्वयं टूल्स द्वारा रोका जाए।

CLAUDE.md यही सबका वाहक है।

एंथ्रोपिक की अपनी परिभाषा केवल एक वाक्य है:

एक मार्कडाउन फ़ाइल, जो प्रोजेक्ट के मूल निर्देशिका में रखी जाती है, जिसे क्लॉड कोड प्रत्येक सत्र की शुरुआत में स्वचालित रूप से पढ़ता है।

https://code.claude.com/docs/en/memory

It sounds simple, but it's the several layers built around it that make it truly impressive.

CLAUDE.md प्रोजेक्ट का ब्रेन है।

आर्किटेक्चर निर्णय, नामकरण अनुबंध, परीक्षण आवश्यकताएँ, वे सभी बार-बार गिरे गए जाल—यहाँ सब कुछ इकट्ठा है। यह AI के प्रत्येक स्टार्टअप पर पहली नज़र आने वाला 'कर्मचारी हैंडबुक' है।

.claude/skills/ रीयूज़ेबल वर्कफ्लो हैं।

क्लॉड कोड के निर्माता बोरिस चेर्नी ने समुदाय में बार-बार एक बात को दोहराया है: "अगर आप किसी चीज को एक दिन में एक से अधिक बार करते हैं, तो इसे स्किल या कमांड में बदल दें।"

एक स्किल एक निष्पादनयोग्य विधि होती है। कोड समीक्षा, कमिट संदेश बनाना, और रिलीज नोट्स लिखना ये सब रोज़ाना हाथ से प्रॉम्प्ट टाइप करने का काम नहीं होना चाहिए, बल्कि ये स्किल को एक बार सेट करने पर परिणाम प्राप्त होना चाहिए।

.claude/hooks/ एक ऑटोमेटेड गार्डरेल है।

यह सबसे महत्वपूर्ण हिस्सा है। यह AI के अपने निर्णय पर निर्भर नहीं करता, बल्कि निश्चित कोड द्वारा AI के गलती करने से पहले ही रोक दिया जाता है। इसीलिए AI को 'बिना निगरानी' चलाने का साहस होता है, क्योंकि गलती की सीमा hooks द्वारा बंद कर दी गई है।

docs/decisions/ आर्किटेक्चर डिसीजन रिकॉर्ड हैं।

एआई को केवल कोड का "क्या" ही नहीं, बल्कि कोड का "क्यों" भी पता होना चाहिए।

यह सबसे अधिक उपेक्षित होने वाला बिंदु है, लेकिन AI सहयोग का सबसे बड़ा लीवरेज बिंदु भी है।

tools/ और src/ एक्जीक्यूशन लेयर हैं।

इस आर्किटेक्चर का वास्तविक महत्व इस बात में नहीं है कि कोई डेवलपर एक सुंदर डायरेक्टरी बना रहा है, बल्कि यह है कि एक बढ़ती संख्या में स्वतंत्र टीमें एक ही दिशा की ओर अग्रसर हो रही हैं: मॉडल को संदर्भ, उपकरण, अधिकार, मूल्यांकन और प्रतिक्रिया चक्र से बने एक हारनेस में शामिल करना।

GitHub पर कई ऐसे प्रोजेक्ट्स पहले से ही दिखाई दे रहे हैं:

rohitg00 का awesome-claude-code-toolkit, diet103 का claude-code-infrastructure-showcase, और affaan-m का everything-claude-code, सभी agents, skills, hooks, rules, MCP configs आदि घटकों के आसपास Claude Code के इंजीनियरिंग वातावरण का निर्माण कर रहे हैं।

यह बताता है कि वास्तविक रूप से परिपक्व AI प्रोग्रामिंग वर्कफ्लो केवल एक अधिक शक्तिशाली मॉडल पर निर्भर नहीं होता, न ही केवल एक लंबे prompt पर, बल्कि मॉडल को एक पुनःउपयोगयोग्य, सीमित, पुनर्स्थापित और ऑडिट के योग्य इंजीनियरिंग सिस्टम में एम्बेड किया जाता है।

विशिष्ट निर्देशिका संरचना के लिए, प्रत्येक कार्यान्वयन पूरी तरह से समान नहीं होता है।

OpenAI Lab की सीमा परीक्षण

11 फरवरी, 2026 को, OpenAI के आधिकारिक ब्लॉग पर एक लेख प्रकाशित हुआ: «हार्नेस इंजीनियरिंग: एजेंट-प्रथम दुनिया में Codex का उपयोग»।

https://openai.com/index/harness-engineering/

एंथ्रोपिक ने क्लॉड कोड की आर्किटेक्चर दृष्टिकोण को इस अवधारणा के चारों ओर पुनः समायोजित किया; मार्टिन फाउलर की वेबसाइट ने इसे एक सूत्र में संक्षिप्त किया: 'एजेंट = मॉडल + हैरनेस।'

Harness शब्द घुड़सवारी से आया है। यह घोड़े की पूरी जुंडी, जैसे फांसी, घोड़े का मुँह बंधन, आल्टा और सिर का बंधन, को संदर्भित करता है।

एक घोड़ा बहुत तेज़ और शक्तिशाली दौड़ सकता है, लेकिन वह खुद नहीं जानता कि कहाँ जाना है: पूरा यान इसकी दिशा तय करता है।

AI प्रोग्रामिंग के साथ तुलना करें: मॉडल की क्षमता बहुत अच्छी है, लेकिन यह नहीं जानता कि आपके कोड लाइब्रेरी में कहाँ जाना है। Harness आपके लिए बनाया गया डायरेक्शन स्टीयरिंग + ब्रेक + नेविगेशन है।

OpenAI Frontier टीम का वह «100 लाख पंक्तियाँ, 0 मानवीय हस्तक्षेप» का प्रयोग, मूलतः Harness को अधिकतम तक पहुँचाना है।

उनकी प्रमुख इंजीनियरिंग प्रथाएँ निम्नलिखित हैं।

Hierarchical structure with strict constraints.

टाइप्स से कॉन्फिग तक, रिपो तक, सर्विस तक, रनटाइम तक और UI तक, निर्भरता एक दिशा में प्रवाहित होती है, जिसे CI स्तर पर linter द्वारा अनिवार्य रूप से लागू किया जाता है। एजेंट द्वारा स्तरीय संबंधों का उल्लंघन करने वाला कोड लिखा गया? सीधे बिल्ड विफल हो जाएगा।

लिंटर की त्रुटि संदेश स्वयं ठीक करने का निर्देश होता है, जो सबसे अप्रत्याशित विवरण है।

सामान्य प्रोजेक्ट की lint त्रुटि "violation detected" होती है, जो मनुष्यों के लिए होती है; OpenAI Frontier की lint त्रुटि "use logger.info({event: 'name', …data}) instead of console.log" होती है, जो एजेंट के लिए होती है और जिसे सीधे पढ़कर और ठीक किया जा सकता है।

दस्तावेज़ एकल स्रोत के रूप में कार्य करता है। सभी आर्किटेक्चर डायग्राम, एक्जीक्यूशन प्लान और डिज़ाइन स्पेसिफिकेशन docs/ डायरेक्टरी में रिपो में हैं। एजेंट को कोई बाहरी ज्ञान भंडार की आवश्यकता नहीं है, सब कुछ रिपो में है।

How effective is this set?

मॉडल नहीं बदला गया, लेकिन LangChain ने हैरनेस को सिस्टम प्रॉम्प्ट, टूल, मिडलवेयर और इन्फरेंस मोड के साथ समायोजित किया, जिससे Terminal Bench 2.0 स्कोर 52.8 से बढ़कर 66.5 हो गया।

आज आप क्या कर सकते हैं

एक AI के लिए एक प्रोजेक्ट ब्रेन बनाएं

सामान्य डेवलपर के लिए सवाल यह है: अगर पैराडाइम बदल चुका है, तो आज एक सामान्य इंजीनियर क्या कर सकता है?

सबसे पहले, अपने सबसे महत्वपूर्ण प्रोजेक्ट के रूट डायरेक्टरी में एक CLAUDE.md बनाएं।

बिल्कुल परफेक्ट नहीं, बहुत लंबा नहीं। अपनी टीम के आर्किटेक्चर नियम, नामकरण अनुबंध, परीक्षण आवश्यकताएँ, और बार-बार गिरे गड़बड़ियाँ लिख दें—10 मिनट में एक काम करने वाला संस्करण तैयार हो जाएगा।

अगली बार जब AI गलती करे, तो सीधे हाथ से ठीक न करें, बल्कि खुद से पूछें: CLAUDE.md में क्या गायब है?

दूसरी बात, हर दिन दोहराए जाने वाले कार्यों को कौशल में बदल दें।

यहाँ बोरिस चेर्नी के प्रसिद्ध कथन पर ध्यान दें: «अगर आप किसी चीज़ को एक दिन में एक से अधिक बार करते हैं, तो इसे कौशल या कमांड में बदल दें।»

कोड रिव्यू, कमिट मैसेज जेनरेट करना, रिलीज नोट्स लिखना, एक जैसी बग्स ठीक करना — ये सब कौशल होने चाहिए, दिनभर के लिए हर बार हैंड-टाइप किए गए प्रॉम्प्ट्स नहीं।

तीसरी बात, जहाँ फंसने का खतरा हो, वहाँ एक हुक जोड़ें।

हुक उन 98.4% में सबसे अधिक लीवरेज वाला हिस्सा है। यह AI के द्वारा बुद्धिमान बनने पर निर्भर नहीं करता, यह निश्चित कोड पर अधिकारिक जांच के लिए निर्भर करता है। यह मानव इंजीनियरों की निर्णय क्षमता को मशीन-पठनीय सीमाओं में अनुवाद करने की प्रक्रिया है।

इस बात का मुख्य बिंदु कोड लिखना नहीं, बल्कि नियम लिखना है।

करपाथी ने इस साल जनवरी में ट्विटर पर वह बहुत ज्यादा शेयर की गई बात कही: 'मैंने 80% हाथों से कोड लिखने से 80% एजेंट को कोड लिखने के लिए सौंप दिया है।'

अगले पांच वर्षों में, इंजीनियरों की क्षमता वक्र «मैं कितनी पंक्तियाँ कोड लिख सकता हूँ» से «मैं AI के लिए कितना कठोर कार्य परिवेश डिज़ाइन कर सकता हूँ» की ओर बदल रहा है।

कोड लिखने का काम अब एजेंट्स द्वारा संभाला जा रहा है।

लेकिन उस दुनिया को डिज़ाइन करना, जहाँ एजेंट अच्छा कोड लिख सके, अभी भी मनुष्य का काम है। और यह पहले से अधिक कठिन, महत्वपूर्ण और रोचक है।