ClawApp अवलोकन 🦅 ———————————————————————— हाल ही में, मैंने @HeySorinAI को तोड़कर देखा और यह समझा कि यह अंदर से कैसे काम करता है। आज, मैं अपना ध्यान उस environment पर शिफ्ट कर रहा हूँ जहाँ प्राकृतिक भाषा में दिए गए निर्देश वास्तविक tasks बन जाते हैं। अगर आप बिना complex code लिखे VIBE CODING और AUTOMATION में रुचि रखते हैं . . . तो @Openclaw ध्यान देने लायक है। → मैं बेसिक्स से शुरू करूँगा, डैशबोर्ड और इंटरफेस के साथ पहली interaction से शुरू करते हुए। → फिर मैं Skills लेयर की तरफ जाऊँगा, जहाँ आप परिभाषित करते हैं कि agent वास्तव में किस काम के योग्य है। → अंत में, हम इसे action में देखेंगे, जहाँ एक single instruction एक structured, multi step workflow में बदल जाती है। आइए इसे विस्तार से समझते हैं!👇 जब आप ClawApp खोलते हैं, तो आप एक साफ़, modern डैशबोर्ड पर पहुँचते हैं जो दो मुख्य हिस्सों में बँटा होता है: → बायाँ navigation पैनल, → Central workspace. ———————————————————————— बायाँ sidebar आपका command center है। > New Chat एक नया session शुरू करता है। हर task अपना अलग session में चलता है, जिससे आप workflows को व्यवस्थित रख पाते हैं। > Connect Apps आपको बाहरी services जैसे email या calendar को लिंक करने देता है। यही वह जगह है जहाँ agent operational बनता है, बातचीत से execution तक पहुँचते हुए। > Skills agent की उपलब्ध capabilities दिखाता है। आप इन्हें enable या disable कर सकते हैं, जिससे आपको इस पर नियंत्रण रहता है कि agent किस चीज़ को access या perform कर सकता है। > Balance आपके उपलब्ध credits (USD में) दिखाता है। > History पिछले sessions को log करता है, जिससे आप पहले की automations को फिर से देख या प्रबंधित कर सकते हैं। ये सभी elements मिलकर ClawApp को एक simple chat interface के बजाय एक structured productivity tool के रूप में position करते हैं। ———————————————————————— मुख्य पैनल उपयोगकर्ताओं का “Automate with ClawApp” से स्वागत करता है, यह ज़ोर देते हुए कि यह OpenClaw तक आसान पहुँच के लिए बनाया गया इंटरफेस है। आपको example automation cards भी दिखेंगे, जैसे: > एक task note बनाना (Apple Notes integration), > एक agent ecosystem (Moltbook) के अंदर पोस्ट करना और interact करना, > BTC technical analysis रिपोर्ट बनाना (Crypto Insights)। ये examples दिखाते हैं कि agent केवल text generate करने के बजाय actions execute भी कर सकता है और analysis भी कर सकता है। ———————————————————————— नीचे, एक simple input फ़ील्ड आपको यह करने की अनुमति देता है: “Type a message or command…” किसी script या configuration की ज़रूरत नहीं है। flow सीधा है: ⏩ प्राकृतिक भाषा में instruction → agent → connected apps के अंदर action यह स्क्रीन Skills workspace दिखाती है। वह जगह जहाँ आप manage करते हैं कि आपका OpenClaw agent वास्तव में क्या कर सकता है। अगर main screen control center है, तो यह capability लेयर है। ———————————————————————— ऊपर, आप local skills directory path देख सकते हैं (उदाहरण के लिए, /openclaw/workspace/skills)। यह संकेत देता है कि skills modular components हैं जो स्थानीय रूप से स्टोर होते हैं। आप: → नई skills जोड़ सकते हैं, → मौजूदा skills हटा सकते हैं, → agent की functionality बढ़ा सकते हैं। यहाँ Clawhub का भी संदर्भ है, जहाँ से अतिरिक्त skills खोजी और डाउनलोड की जा सकती हैं। यह इस विचार को मज़बूत करता है कि परितंत्र विस्तार योग्य और community driven है। ———————————————————————— मुख्य सेक्शन में installed skills cards के रूप में दिखती हैं। यहाँ दिखने वाले उदाहरण शामिल हैं: ▫️ apple-notes, ▫️ himalaya, ▫️ shitty-email, ▫️ moltbook, ▫️ molt-registry, ▫️ Sorin Brain। हर skill एक विशिष्ट operational domain को दर्शाती है—notes, email, social interaction, identity, analytics। ———————————————————————— यह संरचना agent को monolithic के बजाय modular बनाती है। एक सर्वशक्तिशाली सिस्टम के बजाय, आप अपने agent की abilities को toolbox के components की तरह बनाते हैं। हर skill को (“More” के ज़रिए) inspect किया जा सकता है और अलग से manage किया जा सकता है। यह तीन महत्वपूर्ण design principles को मज़बूती देता है: → Modularity, capabilities को परिभाषित units में विभाजित किया गया है, → Extensibility, समय के साथ नई skills जोड़ी जा सकती हैं, → Control, उपयोगकर्ता तय करता है कि agent क्या access और execute कर सकता है। Skills टैब साफ़ करता है कि ClawApp एक configurable agent environment है। यह पूछने के बजाय कि 🚫“यह AI क्या कर सकता है?” बेहतर सवाल यह बन जाता है: ✅ “मैं चाहता हूँ यह agent किन कामों के योग्य हो?” स्क्रीन agent को action में दिखाती है। ऊपर, उपयोगकर्ता एक प्राकृतिक भाषा में command दर्ज करता है: ▶️ “Check my upcoming meetings this week in the calendar and send an email… reminding him to finish the prediction market data markdown file.” ◀️ यह single instruction एक structured task का शुरुआती बिंदु बन जाती है। एक generic text reply देने के बजाय, agent request को step by step execute करना शुरू कर देता है। पहला visible action अगले सात दिनों के upcoming calendar events को retrieve करना है। meetings स्पष्ट रूप से इस तरह सूचीबद्ध हैं: → Title, → Date और time, → संबंधित calendar account। यह task execution की शुरुआत को दर्शाता है... agent अगले step (reminder email भेजने) पर जाने से पहले context इकट्ठा कर रहा है। ———————————————————————— यहाँ जो महत्वपूर्ण है वह है flow: → उपयोगकर्ता high level instruction देता है, → agent उसे sub actions में तोड़ता है, → हर step execute होता है और chat interface में दिखाया जाता है। interface task की प्रगति को transparent बनाता है, जिससे उपयोगकर्ता देख सके कि agent request को कैसे समझता और पूरा करता है। ———————————————————————— यह स्क्रीन काम की वास्तविक शुरुआत को दर्शाती है: ⏩ Natural language → task creation → context retrieval → action execution यह दिखाती है कि ClawApp operational workflows के लिए डिज़ाइन किया गया है, जहाँ instructions calendars और email जैसे connected systems के साथ वास्तविक interactions trigger करते हैं। upcoming meetings को retrieve करने के बाद, agent execution के अगले phase में चला जाता है। chat के नीचे का instruction अब पूरी तरह एक structured task के रूप में मूर्त रूप ले चुका है। Calendar data इकट्ठा हो चुका है, और system follow up action की तैयारी कर रहा है—reminder email को draft और send करना। ⏩ हम यहाँ context collection से action की तरफ transition देख रहे हैं। workflow step by step unfold हो रहा है: → relevant meetings पहचानना, → ज़रूरी details निकालना, → उसी context का उपयोग करके reminder generate करना, → email action execute करना। यह स्क्रीन task in progress को दर्शाती है—यह कोई reply नहीं, बल्कि connected systems के भीतर सक्रिय रूप से चल रहा एक operation है। reminder email अब केवल prompt में एक idea नहीं है। यह एक वास्तविक, executable workflow के रूप में प्रोसेस हो रही है। ———————————————————————— मेरे लिए यहाँ क्या सबसे अलग नज़र आता है? 👀 → यह कि ClawApp कितनी स्पष्टता से AI को “chatting” से “वास्तव में काम करने” की तरफ शिफ्ट करता है। आप केवल किसी model को prompt नहीं कर रहे हैं... आप: → एक agent को configure कर रहे हैं, → उसे tools तक access दे रहे हैं, → उसे real time में structured tasks execute करते हुए देख रहे हैं। modular skills, visible task flow, और session based संरचना इसे एक simple assistant की बजाय AI workflows के लिए एक operating system जैसा महसूस कराती है। ———————————————————————— 🔗 लिंक पहले comment में है 👇 ———————————————————————— Yo 🤟