OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！

आज एक बहुत ही शानदार प्रायोगिक मामला साझा कर रहा हूँ।（文末附教程）

एक स्वतंत्र डेवलपर ने OpenClaw + Codex/CC का उपयोग करके एक AI एजेंट प्रणाली बनाई है, इसका क्या प्रभाव पड़ा है?

एक दिन में 94 बार सबमिशन, 30 मिनट में 7 PR पूरे किए, और इस दिन उसने 3 ग्राहक बैठकों का आयोजन किया, संपादक को कभी खोला ही नहीं।

यह 2026 के जनवरी में वास्तविक रूप से हुआ था। लेखक ने पूरे सिस्टम की संरचना, कार्यप्रवाह, कोड कॉन्फ़िगरेशन को सार्वजनिक किया है, इसे देखकर मुझे लगा कि यह विचार सीखने के लिए बहुत मूल्यवान है, इसलिए इसे इस लेख में整理 किया है।

यदि आप भी Codex या Claude Code का उपयोग कर रहे हैं, या OpenClaw में रुचि रखते हैं, तो यह लेख आपको बहुत प्रेरणा देगा।

एक व्यक्ति, एक दिन में 94 बार कोड सबमिशन

पहले कुछ आंकड़े देखें, इस प्रणाली की शक्ति को महसूस करें:

• एक दिन में अधिकतम 94 बार सबमिशन (औसतन प्रति दिन 50 बार सबमिशन)
• 30 मिनट में 7 PR पूरे किए
• विचार से लेकर लॉन्च तक की गति इतनी तेज है कि "ग्राहक की आवश्यकता उसी दिन पूरी की जा सकती है"

लेखक ने इस प्रणाली का उपयोग करके एक वास्तविक B2B SaaS उत्पाद बनाया है, संस्थापक के सीधे बिक्री के साथ, अधिकांश कार्यात्मक आवश्यकताएँ उसी दिन पूरी की जा सकती हैं। गति इतनी तेज है कि ग्राहक की आवश्यकता बताने पर, उसी दिन परिणाम देखा जा सकता है, सीधे भुगतान करने वाले उपयोगकर्ताओं में परिवर्तित किया जा सकता है।

लागत क्या है? हर महीने $190 (Claude $100 + Codex $90), नए लोगों के लिए $20 से शुरू किया जा सकता है।

आप पूछ सकते हैं: क्या यह AI उपकरणों का एक ढेर नहीं है, और फिर पागलपन से बेकार कोड उत्पन्न कर रहा है?

नहीं। लेखक का Git इतिहास ऐसा लगता है जैसे "एक डेवलपर टीम को अभी भर्ती किया गया है", लेकिन वास्तव में केवल वह अकेला है। मुख्य परिवर्तन यह है: उसने "Claude Code का प्रबंधन" करने से "एक AI बटलर का प्रबंधन करना शुरू किया, जो फिर एक समूह Claude Code का प्रबंधन करता है"।

• जनवरी से पहले: सीधे Codex या Claude Code का उपयोग करके कोड लिखना
• जनवरी के बाद: OpenClaw को एक समन्वय परत के रूप में उपयोग करना, इसे Codex/Claude Code/Gemini को शेड्यूल करने के लिए उपयोग करना

इस परिवर्तन का प्रभाव यह है: प्रणाली लगभग सभी छोटे से मध्यम जटिलता के कार्यों को स्वचालित रूप से पूरा कर सकती है, बिना मानव हस्तक्षेप के।

Codex और Claude Code अकेले उपयोग करने में क्यों पर्याप्त नहीं हैं?

इस समय, आप सोच सकते हैं: Codex और Claude Code पहले से ही बहुत मजबूत हैं, फिर एक समन्वय परत क्यों जोड़ें?

लेखक का उत्तर सीधा है: Codex और Claude Code आपके व्यवसाय के बारे में लगभग कुछ नहीं जानते। वे केवल कोड देखते हैं, पूरे व्यवसाय के दृश्य को नहीं देखते।

यहाँ एक मौलिक सीमा है: संदर्भ विंडो निश्चित है, आप केवल एक को चुन सकते हैं।

आपको यह तय करना होगा कि क्या डालना है:

• कोड से भरा → व्यवसाय संदर्भ के लिए कोई जगह नहीं
• ग्राहक इतिहास से भरा → कोडबेस के लिए कोई जगह नहीं

इसलिए जब आप अकेले Codex या Claude Code का उपयोग करते हैं, तो आप इन समस्याओं का सामना करेंगे:

• यह नहीं जानता कि यह कार्य किस ग्राहक के लिए किया जा रहा है
• यह नहीं जानता कि पिछले समान अनुरोध क्यों विफल हुआ
• यह नहीं जानता कि आपका उत्पाद स्थिति और डिज़ाइन सिद्धांत क्या है
• यह केवल वर्तमान कोड और आपके प्रॉम्प्ट के आधार पर काम कर सकता है

OpenClaw ने इस समीकरण को बदल दिया।

यह समन्वय परत के रूप में कार्य करता है, आपके और सभी AI उपकरणों के बीच स्थित है। इसकी भूमिका है:

• सभी व्यवसाय संदर्भ (ग्राहक डेटा, बैठक के रिकॉर्ड, ऐतिहासिक निर्णय, सफल/विफल मामले) को रखना
• व्यवसाय संदर्भ को सटीक प्रॉम्प्ट में अनुवाद करना, इसे विशिष्ट एजेंट को देना
• इन एजेंटों को उनके विशेषज्ञता के कार्य करने पर ध्यान केंद्रित करने देना: कोड लिखना

एक तुलना करें:

• Codex/Claude Code = पेशेवर रसोइया, केवल खाना बनाना
• OpenClaw = मुख्य रसोइया, ग्राहक की पसंद, सामग्री का स्टॉक, मेनू स्थिति जानता है, हर रसोइये को सटीक निर्देश देता है

यही कारण है कि दो स्तर की प्रणाली की आवश्यकता है: संदर्भ की विशेषज्ञता के विभाजन के माध्यम से, न कि एक मजबूत मॉडल को बदलने के लिए।

दो स्तर की प्रणाली की विशिष्ट संरचना: समन्वय परत + कार्यान्वयन परत

आइए इस प्रणाली की विशिष्ट संरचना पर नज़र डालें।

दो स्तर, प्रत्येक की अपनी भूमिका:

OpenClaw（संयोजन स्तर）क्या कर सकता है？

• Obsidian नोट्स में सभी बैठक के रिकॉर्ड पढ़ें (स्वचालित समन्वय)
• उत्पादन डेटाबेस (केवल पढ़ने के लिए अनुमति) तक पहुँच प्राप्त करें और ग्राहक कॉन्फ़िगरेशन प्राप्त करें
• व्यवस्थापक API अधिकार हैं, सीधे ग्राहक को रिचार्ज और अवरोध हटाने के लिए
• कार्य प्रकार के अनुसार उपयुक्त एजेंट का चयन करें
• सभी एजेंटों की प्रगति की निगरानी करें, विफल होने पर कारणों का विश्लेषण करें और प्रॉम्प्ट को फिर से प्रयास करें
• पूरा होने पर टेलीग्राम के माध्यम से लेखक को सूचित करें

एजेंट（कार्य स्तर）क्या कर सकता है？

• कोड रिपॉजिटरी पढ़ें और लिखें
• परीक्षण और निर्माण चलाएँ
• कोड सबमिट करें और PR बनाएं
• कोड समीक्षा की प्रतिक्रिया का उत्तर दें

मुख्य बिंदु: कार्य स्तर का एजेंट कभी भी उत्पादन डेटाबेस से संपर्क नहीं करेगा, और न ही ग्राहक की संवेदनशील जानकारी देखेगा। उन्हें केवल "इस कार्य को पूरा करने के लिए जानने की आवश्यकता है सबसे न्यूनतम संदर्भ" मिलता है।

यह डिज़ाइन बहुत स्मार्ट है: सुरक्षा सीमा स्पष्ट है, साथ ही दक्षता को सुनिश्चित करता है।

पूर्ण कार्यप्रवाह: ग्राहक की आवश्यकता से PR विलय के 8 चरण

अब मुख्य भाग में प्रवेश करें। लेखक के पिछले सप्ताह के एक वास्तविक मामले का उपयोग करके, आपको पूरा प्रक्रिया दिखाते हैं।

पृष्ठभूमि: एक व्यावसायिक ग्राहक ने फोन किया, कहा कि वे अपनी पहले से कॉन्फ़िगर की गई सेटिंग्स को पुन: उपयोग करना चाहते हैं, टीम के भीतर साझा करना चाहते हैं।

चरण 1: ग्राहक की आवश्यकता → OpenClaw समझता है और विभाजित करता है

फोन कॉल के बाद, लेखक और ज़ोई (उनका OpenClaw) ने इस आवश्यकता के बारे में बात की।

यहाँ का जादुई हिस्सा: शून्य व्याख्या लागत। क्योंकि सभी बैठक के रिकॉर्ड स्वचालित रूप से Obsidian में समन्वयित होते हैं, ज़ोई ने पहले ही कॉल की सामग्री पढ़ ली थी, जानती थी कि ग्राहक कौन है, उनका व्यावसायिक परिदृश्य क्या है, और मौजूदा कॉन्फ़िगरेशन क्या है।

लेखक और ज़ोई ने मिलकर आवश्यकता को विभाजित किया: एक टेम्पलेट सिस्टम बनाना, जिससे उपयोगकर्ता मौजूदा कॉन्फ़िगरेशन को सहेज और संपादित कर सके।

फिर ज़ोई ने तीन चीजें कीं:

• ग्राहक को रिचार्ज करें - व्यवस्थापक API का उपयोग करके तुरंत ग्राहक की उपयोग सीमा को हटा दें
• ग्राहक कॉन्फ़िगरेशन खींचें - उत्पादन डेटाबेस (केवल पढ़ने के लिए) से ग्राहक की मौजूदा सेटिंग्स प्राप्त करें
• प्रॉम्प्ट उत्पन्न करें और एजेंट शुरू करें - सभी संदर्भ को पैक करें, इसे Codex को खिलाएं

चरण 2: एजेंट शुरू करें

ज़ोई ने इस कार्य के लिए बनाया:

• एक स्वतंत्र git worktree (अलग शाखा वातावरण)
• एक tmux सत्र (एजेंट को बैकग्राउंड में चलाने के लिए)

# कार्यक्षेत्र बनाएं + एजेंट शुरू करें git worktree add ../feat-custom-templates -b feat/custom-templates origin/main cd ../feat-custom-templates && pnpm install

tmux new-session -d -s "codex-templates" -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high"tmux का उपयोग क्यों करें? क्योंकि आप बीच में हस्तक्षेप कर सकते हैं।

यदि AI गलत दिशा में चला गया, तो फिर से शुरू करने की आवश्यकता नहीं है, सीधे tmux में आदेश दें:

# एजेंट की दिशा गलत है tmux send-keys -t codex-templates "रुकें। पहले API स्तर करें, UI की परवाह न करें।" Enter

एजेंट को अधिक संदर्भ की आवश्यकता है

tmux send-keys -t codex-templates "प्रकार परिभाषा src/types/template.ts में है, इसका उपयोग करें।" Enterइस बीच, कार्य को एक JSON फ़ाइल में रिकॉर्ड किया जाएगा: [[HTMLPLACEHOLDER0]] [[HTMLPLACEHOLDER1]] [[HTMLPLACEHOLDER2]] [[HTMLPLACEHOLDER3]] [[HTMLPLACEHOLDER4]] [[HTMLPLACEHOLDER5]] [[HTMLPLACEHOLDER6]] [[HTMLPLACEHOLDER7]] [[HTMLPLACEHOLDER8]] [[HTMLPLACEHOLDER9]] [[HTMLPLACEHOLDER10]] [[HTMLPLACEHOLDER11]] [[HTMLPLACEHOLDER12]] [[HTMLPLACEHOLDER13]] [[HTMLPLACEHOLDER14]] [[HTMLPLACEHOLDER15]] [[HTMLPLACEHOLDER16]] [[HTMLPLACEHOLDER17]] [[HTMLPLACEHOLDER18]] [[HTMLPLACEHOLDER19]] [[HTMLPLACEHOLDER20]] [[HTMLPLACEHOLDER21]] [[HTMLPLACEHOLDER22]] [[HTMLPLACEHOLDER23]] [[HTMLPLACEHOLDER24]] [[HTMLPLACEHOLDER25]] [[HTMLPLACEHOLDER26]]## तीन तंत्र जो सिस्टम को और अधिक बुद्धिमान बनाते हैं

तंत्र 1: सुधारित राल्फ लूप — केवल दोहराना नहीं, बल्कि सीखना

आपने राल्फ लूप के बारे में सुना होगा: संदर्भ को याद से खींचना → आउटपुट उत्पन्न करना → परिणाम का मूल्यांकन करना → सीखना सहेजना।

लेकिन अधिकांश कार्यान्वयन में एक समस्या है: प्रत्येक लूप में प्रयुक्त प्रॉम्प्ट समान होता है। सीखी गई चीजें भविष्य की खोज में सुधार करती हैं, लेकिन प्रॉम्प्ट स्वयं स्थिर होता है।

यह प्रणाली अलग है।

जब एजेंट विफल होता है, तो जोई उसी प्रॉम्प्ट के साथ फिर से शुरू नहीं करती। वह पूर्ण व्यावसायिक संदर्भ के साथ विफलता के कारण का विश्लेषण करती है, और फिर प्रॉम्प्ट को फिर से लिखती है:

❌ खराब उदाहरण (स्थिर प्रॉम्प्ट): { "कस्टम टेम्पलेट फ़ंक्शन लागू करें" }

✅ अच्छा उदाहरण (गतिशील समायोजन): { "रुकें। ग्राहक को X चाहिए, Y नहीं। यह उनकी बैठक में कहा गया था: हम मौजूदा कॉन्फ़िगरेशन को सहेजना चाहते हैं, न कि नए को शुरू से बनाना। फोकस कॉन्फ़िगरेशन पुन: उपयोग पर है, नई प्रक्रिया बनाने पर नहीं।" }जोई यह समायोजन कर सकती है क्योंकि उसके पास कार्यान्वयन स्तर का संदर्भ है जो एजेंट के पास नहीं है:

• ग्राहक ने बैठक में क्या कहा
• यह कंपनी क्या करती है
• पिछले समान अनुरोध क्यों विफल हुआ

और आगे बढ़ते हुए, जोई आपके कार्य सौंपने की प्रतीक्षा नहीं करती, वह सक्रिय रूप से काम खोजती है:

• सुबह: Sentry को स्कैन करना → 4 नए त्रुटियों का पता लगाना → 4 एजेंटों को जांचने और ठीक करने के लिए शुरू करना
• बैठक के बाद: बैठक की रिकॉर्डिंग को स्कैन करना → 3 ग्राहक द्वारा उल्लेखित फ़ीचर आवश्यकताओं का पता लगाना → 3 Codex को शुरू करना
• शाम: git लॉग को स्कैन करना → Claude Code को चेंजलॉग और ग्राहक दस्तावेज़ अपडेट करने के लिए शुरू करना

लेखक वापस टहलने आते हैं, टेलीग्राम पर दिखता है: "7 PR तैयार हैं। 3 नए फ़ीचर, 4 बग फ़िक्स।"

सफलता के पैटर्न को रिकॉर्ड किया जाएगा:

• "यह प्रॉम्प्ट संरचना बिलिंग फ़ीचर के लिए बहुत प्रभावी है"
• "Codex को प्रकार परिभाषाएँ पहले से प्राप्त करनी चाहिए"
• "हमेशा परीक्षण फ़ाइल पथ शामिल करना चाहिए"

इनाम संकेत हैं: CI पास, तीन कोड समीक्षा पास, मैन्युअल मर्ज। कोई भी विफलता चक्र को सक्रिय कर देगी।

जितना अधिक समय बीतता है, जोई द्वारा लिखे गए प्रॉम्प्ट उतने ही बेहतर होते हैं, क्योंकि वह याद करती है कि क्या सफल होता है।

तंत्र 2: एजेंट चयन रणनीति — विभिन्न कार्यों के लिए विभिन्न विशेषज्ञों को ढूंढना

सभी एजेंट समान रूप से मजबूत नहीं होते। लेखक द्वारा संक्षिप्त चयन रणनीतियाँ:

• Codex(gpt-5.3-codex) — मुख्य बल- बैक-एंड लॉजिक, जटिल बग, कई फ़ाइलों का पुनर्गठन, क्रॉस कोडबेस तर्क की आवश्यकता वाले कार्य
• धीमा लेकिन पूर्ण
• 90% कार्यों का प्रतिनिधित्व करता है

• Claude Code(claude-opus-4.5) — गति प्रकार का खिलाड़ी- फ्रंट-एंड कार्य
• अनुमति की समस्याएँ कम, git संचालन के लिए उपयुक्त
• (लेखक पहले अधिक उपयोग करता था, लेकिन Codex 5.3 आने के बाद बदल गया)

• Gemini — डिज़ाइनर- डिज़ाइन सौंदर्य है
• सुंदर UI के लिए, पहले Gemini को HTML/CSS मानक उत्पन्न करने दें, फिर Claude Code को घटक प्रणाली में लागू करने दें
• Gemini डिज़ाइन करता है, Claude निर्माण करता है

जोई स्वचालित रूप से कार्य प्रकार के आधार पर एजेंट का चयन करती है, और उनके बीच आउटपुट को संप्रेषित करती है। बिलिंग सिस्टम बग को Codex को, बटन शैली सुधार को Claude Code को, नए डैशबोर्ड डिज़ाइन को पहले Gemini को।

तंत्र 3: बाधा कहाँ है? RAM

यहाँ एक अप्रत्याशित सीमा है: न तो टोकन लागत, न ही API गति, बल्कि मेमोरी।

प्रत्येक एजेंट को आवश्यकता होती है:

• अपना worktree
• अपने nodemodules
• निर्माण, प्रकार जांच, परीक्षण चलाना

5 एजेंट एक साथ चल रहे हैं = 5 समानांतर TypeScript संकलक + 5 परीक्षण चलाने वाले + 5 सेट निर्भरताएँ मेमोरी में लोड की जाती हैं।

लेखक का मैक मिनी (16GB RAM) अधिकतम 4-5 एजेंट एक साथ चला सकता है, इससे अधिक होने पर स्वैप शुरू हो जाता है, और प्रार्थना करनी पड़ती है कि वे एक साथ निर्माण न करें।इसलिए उसने एक Mac Studio M4 Max (128GB RAM, $3500) खरीदी, जो मार्च के अंत में आई। उसने कहा कि वह तब बताएगा कि यह कितना मूल्यवान है।

आप भी बना सकते हैं: शून्य से चलाने में केवल 10 मिनट लगते हैं

क्या आप इस सिस्टम को आजमाना चाहते हैं?

सबसे आसान तरीका:

इस पूरे लेख को OpenClaw को कॉपी करें और उसे बताएं: "इस आर्किटेक्चर के अनुसार, मेरे कोडबेस के लिए एक एजेंट क्लस्टर सिस्टम लागू करें।"

फिर, यह करेगा:

• आर्किटेक्चर डिज़ाइन पढ़ें
• स्क्रिप्ट बनाएं
• निर्देशिका संरचना सेट करें
• क्रॉन मॉनिटरिंग कॉन्फ़िगर करें

10 मिनट में पूरा।

आपको तैयार रहना होगा:

• OpenClaw खाता
• Codex और/या Claude Code के API एक्सेस
• एक git रिपॉजिटरी
• (वैकल्पिक) व्यवसाय संदर्भ के लिए Obsidian

2026: एक व्यक्ति की लाखों डॉलर की कंपनी

लेखक ने अंत में एक वाक्य कहा, जो मुझे बहुत प्रेरणादायक लगा:

"हम 2026 से एक व्यक्ति की लाखों डॉलर की कंपनियों की एक बड़ी संख्या देखेंगे। लीवरेज विशाल है, जो उन लोगों के पास है जो समझते हैं कि कैसे पुनरावृत्त आत्म-सुधार AI सिस्टम बनाना है।"

यह इस तरह दिखता है:

• एक AI आयोजक आपके विस्तार के रूप में (जैसे लेखक के लिए Zoe)
• काम को विशेष एजेंटों को सौंपना, विभिन्न व्यावसायिक कार्यों को संभालना
• इंजीनियरिंग, ग्राहक समर्थन, संचालन, विपणन
• प्रत्येक एजेंट उस चीज़ पर ध्यान केंद्रित करता है जिसमें वह अच्छा है
• आप ध्यान केंद्रित रखते हैं और पूरी तरह से नियंत्रण में रहते हैं

अगली पीढ़ी के उद्यमी 10 लोगों को नहीं रखेंगे ताकि एक व्यक्ति और एक सिस्टम मिलकर जो कर सकते हैं। वे इस तरह बनाएंगे - छोटे पैमाने पर, तेजी से कार्रवाई करते हुए, हर दिन प्रकाशित करते हुए।

अब AI द्वारा उत्पन्न बेकार सामग्री बहुत अधिक है। विभिन्न प्रचार, विभिन्न "कार्य नियंत्रण केंद्र" के फैंसी डेमो, लेकिन वास्तव में उपयोगी कुछ नहीं।

लेखक ने कहा कि वह इसके विपरीत करना चाहता है: कम प्रचार, अधिक वास्तविक निर्माण प्रक्रिया को रिकॉर्ड करना। वास्तविक ग्राहक, वास्तविक आय, वास्तविक उत्पादन वातावरण में सबमिशन और वास्तविक विफलताएँ भी।

यह लेख यहीं समाप्त होता है।

मुख्य बिंदुओं की समीक्षा:

• डुअल लेयर आर्किटेक्चर: आयोजन परत व्यवसाय संदर्भ रखती है, निष्पादन परत कोड पर ध्यान केंद्रित करती है
• पूर्ण स्वचालन: आवश्यकताओं से PR तक 8 चरणों की प्रक्रिया, अधिकांश कार्य एक बार में सफल
• गतिशील सीखना: दोहराने के बजाय, विफलता के कारणों के आधार पर रणनीति को समायोजित करना
• लागत नियंत्रण में: शुरुआत $20/माह, भारी उपयोग $190/माह

यदि आप भी AI स्वचालन के व्यावहारिक अनुप्रयोगों की खोज कर रहे हैं, तो आशा है कि यह मामला आपको कुछ प्रेरणा दे सके।

संदर्भ लिंक:[[HTMLPLACEHOLDER_27]]