OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！
OpenClaw + Claude Code 超强教程：一个人就能搭建完整的开发团队！
ਅੱਜ ਇੱਕ ਬਹੁਤ ਹੀ ਸ਼ਾਨਦਾਰ ਅਭਿਆਸ ਕੇਸ ਸਾਂਝਾ ਕਰ ਰਹੇ ਹਾਂ। （ਲੇਖ ਦੇ ਅੰਤ ਵਿੱਚ ਟਿਊਟੋਰੀਅਲ ਸ਼ਾਮਲ ਹੈ）
ਇੱਕ ਸੁਤੰਤਰ ਡਿਵੈਲਪਰ ਨੇ OpenClaw + Codex/CC ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ AI ਏਜੰਟ ਸਿਸਟਮ ਬਣਾਇਆ, ਇਸਦਾ ਕੀ ਪ੍ਰਭਾਵ ਹੋਇਆ?
ਇੱਕ ਦਿਨ ਵਿੱਚ 94 ਵਾਰੀ ਸਬਮਿਟ, 30 ਮਿੰਟਾਂ ਵਿੱਚ 7 PR ਪੂਰੇ ਕੀਤੇ, ਅਤੇ ਇਸ ਦਿਨ ਉਸਨੇ 3 ਗਾਹਕ ਮੀਟਿੰਗਾਂ ਵੀ ਕੀਤੀਆਂ, ਸੰਪਾਦਕ ਨੂੰ ਕਦੇ ਵੀ ਨਹੀਂ ਖੋਲਿਆ।
ਇਹ 2026 ਦੇ ਜਨਵਰੀ ਵਿੱਚ ਵਾਸਤਵਿਕ ਤੌਰ 'ਤੇ ਹੋਇਆ। ਲੇਖਕ ਨੇ ਪੂਰੇ ਸਿਸਟਮ ਦੀ ਬਣਤਰ, ਕੰਮ ਕਰਨ ਦਾ ਢੰਗ, ਕੋਡ ਸੰਰਚਨਾ ਸਾਰੀਆਂ ਜਾਣਕਾਰੀਆਂ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ, ਇਸਨੂੰ ਦੇਖ ਕੇ ਲੱਗਦਾ ਹੈ ਕਿ ਇਹ ਵਿਚਾਰ ਸਿੱਖਣ ਲਈ ਬਹੁਤ ਯੋਗ ਹੈ, ਇਸ ਲਈ ਇਸ ਲੇਖ ਨੂੰ ਤੁਹਾਡੇ ਨਾਲ ਸਾਂਝਾ ਕਰਨ ਲਈ ਸੰਯੋਜਿਤ ਕੀਤਾ।
ਜੇ ਤੁਸੀਂ ਵੀ Codex ਜਾਂ Claude Code ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਜਾਂ OpenClaw ਵਿੱਚ ਰੁਚੀ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਇਹ ਲੇਖ ਤੁਹਾਨੂੰ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰੇਰਣਾ ਦੇਵੇਗਾ।
ਇੱਕ ਵਿਅਕਤੀ, ਇੱਕ ਦਿਨ 94 ਵਾਰੀ ਕੋਡ ਸਬਮਿਟ
ਪਹਿਲਾਂ ਕੁਝ ਡਾਟਾ ਦੇਖੀਏ, ਇਸ ਸਿਸਟਮ ਦੀ ਸ਼ਕਤੀ ਨੂੰ ਮਹਿਸੂਸ ਕਰੋ:
- ਇੱਕ ਦਿਨ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ 94 ਵਾਰੀ ਸਬਮਿਟ (ਰੋਜ਼ਾਨਾ ਔਸਤ 50 ਵਾਰੀ ਸਬਮਿਟ)
- 30 ਮਿੰਟਾਂ ਵਿੱਚ 7 PR ਪੂਰੇ
- ਵਿਚਾਰ ਤੋਂ ਲੈ ਕੇ ਲਾਈਵ ਹੋਣ ਦੀ ਗਤੀ ਇੰਨੀ ਤੇਜ਼ ਕਿ "ਇੱਕ ਦਿਨ ਵਿੱਚ ਗਾਹਕ ਦੀ ਲੋੜ ਪੂਰੀ" ਕਰ ਸਕੀਏ
ਲਾਗਤ ਕੀ ਹੈ? ਹਰ ਮਹੀਨੇ $190 (Claude $100 + Codex $90), ਨਵੇਂ ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲੇ $20 ਵਿੱਚ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ।
ਤੁਸੀਂ ਪੁੱਛ ਸਕਦੇ ਹੋ: ਕੀ ਇਹ ਸਿਰਫ AI ਟੂਲਾਂ ਦਾ ਢੇਰ ਨਹੀਂ ਹੈ, ਫਿਰ ਬੇਹੱਦ ਗੰਦਗੀ ਵਾਲਾ ਕੋਡ ਬਣਾਉਂਦੇ ਹਨ?
ਨਹੀਂ। ਲੇਖਕ ਦਾ Git ਇਤਿਹਾਸ "ਜਿਵੇਂ ਕਿ ਇੱਕ ਡਿਵੈਲਪਰ ਟੀਮ ਨੂੰ ਨਿਯੁਕਤ ਕੀਤਾ ਗਿਆ" ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਪਰ ਵਾਸਤਵ ਵਿੱਚ ਸਿਰਫ ਉਹੀ ਇੱਕ ਵਿਅਕਤੀ ਹੈ। ਮੁੱਖ ਬਦਲਾਅ ਇਹ ਹੈ: ਉਹ "Claude Code ਦਾ ਪ੍ਰਬੰਧਨ" ਕਰਨ ਤੋਂ "ਇੱਕ AI ਮੈਨੇਜਰ ਦਾ ਪ੍ਰਬੰਧਨ" ਕਰਨ ਵਿੱਚ ਬਦਲ ਗਿਆ, ਜੋ ਫਿਰ Claude Code ਦੇ ਇੱਕ ਸਮੂਹ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦਾ ਹੈ।
- ਜਨਵਰੀ ਤੋਂ ਪਹਿਲਾਂ: ਸਿੱਧਾ Codex ਜਾਂ Claude Code ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੋਡ ਲਿਖਣਾ
- ਜਨਵਰੀ ਤੋਂ ਬਾਅਦ: OpenClaw ਨੂੰ ਇੱਕ ਢਾਂਚਾ ਵਜੋਂ ਵਰਤਣਾ, ਜਿਸਨੂੰ Codex/Claude Code/Gemini ਨੂੰ ਸ਼ਡਿਊਲ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
Codex ਅਤੇ Claude Code ਨੂੰ ਅਲੱਗ ਅਲੱਗ ਵਰਤਣਾ ਕਿਉਂ ਨਹੀਂ ਚੰਗਾ ਹੈ?
ਇਸ ਸਮੇਂ, ਤੁਸੀਂ ਸੋਚ ਸਕਦੇ ਹੋ: Codex ਅਤੇ Claude Code ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹਨ, ਫਿਰ ਇੱਕ ਢਾਂਚਾ ਕਿਉਂ ਜੋੜਨਾ?
ਲੇਖਕ ਦਾ ਜਵਾਬ ਬਹੁਤ ਸਿੱਧਾ ਹੈ: Codex ਅਤੇ Claude Code ਤੁਹਾਡੇ ਕਾਰੋਬਾਰ ਬਾਰੇ ਲਗਭਗ ਕੁਝ ਵੀ ਨਹੀਂ ਜਾਣਦੇ। ਉਹ ਸਿਰਫ ਕੋਡ ਨੂੰ ਦੇਖਦੇ ਹਨ, ਪੂਰੇ ਕਾਰੋਬਾਰ ਦੇ ਦ੍ਰਿਸ਼ ਨੂੰ ਨਹੀਂ।
ਇੱਥੇ ਇੱਕ ਮੂਲ ਸੀਮਾ ਹੈ: ਸੰਦਰਭ ਖਿੜਕੀ ਫਿਕਸਡ ਹੈ, ਤੁਸੀਂ ਸਿਰਫ ਦੋ ਚੋਣਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚੁਣ ਸਕਦੇ ਹੋ।
ਤੁਹਾਨੂੰ ਇਹ ਚੁਣਨਾ ਪਵੇਗਾ ਕਿ ਕੀ ਪੂਰਾ ਕਰਨਾ ਹੈ:
- ਕੋਡ ਨਾਲ ਭਰਨਾ → ਕਾਰੋਬਾਰ ਦੇ ਸੰਦਰਭ ਲਈ ਕੋਈ ਸਥਾਨ ਨਹੀਂ
- ਗਾਹਕ ਦੇ ਇਤਿਹਾਸ ਨਾਲ ਭਰਨਾ → ਕੋਡਬੇਸ ਲਈ ਕੋਈ ਸਥਾਨ ਨਹੀਂ
- ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਇਹ ਫੰਕਸ਼ਨ ਕਿਸ ਗਾਹਕ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ
- ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਪਿਛਲੇ ਸਮੇਂ ਸਮਾਨ ਲੋੜ ਕਿਉਂ ਫੇਲ ਹੋਈ
- ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਤੁਹਾਡਾ ਉਤਪਾਦ ਪੋਜ਼ੀਸ਼ਨਿੰਗ ਅਤੇ ਡਿਜ਼ਾਈਨ ਨੀਤੀਆਂ ਕੀ ਹਨ
- ਇਹ ਸਿਰਫ ਮੌਜੂਦਾ ਕੋਡ ਅਤੇ ਤੁਹਾਡੇ ਪ੍ਰੰਪਟ ਦੇ ਆਧਾਰ 'ਤੇ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ
ਇਹ ਇੱਕ ਢਾਂਚਾ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਤੁਹਾਡੇ ਅਤੇ ਸਾਰੇ AI ਟੂਲਾਂ ਦੇ ਵਿਚਕਾਰ। ਇਸਦਾ ਭੂਮਿਕਾ ਹੈ:
- ਸਾਰੇ ਕਾਰੋਬਾਰ ਦੇ ਸੰਦਰਭ ਨੂੰ ਰੱਖਣਾ (ਗਾਹਕ ਦੇ ਡਾਟਾ, ਮੀਟਿੰਗ ਦੇ ਰਿਕਾਰਡ, ਇਤਿਹਾਸਕ ਫੈਸਲੇ, ਸਫਲਤਾ/ਫੇਲਤਾ ਦੇ ਕੇਸ)
- ਕਾਰੋਬਾਰ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਹੀ ਪ੍ਰੰਪਟ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ, ਵਿਸ਼ੇਸ਼ ਏਜੰਟ ਨੂੰ ਖੁਰਾਕ ਦੇਣਾ
- ਇਹਨਾਂ ਏਜੰਟਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀਆਂ ਮਾਹਰਤਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੇਣਾ: ਕੋਡ ਲਿਖਣਾ
- Codex/Claude Code = ਵਿਸ਼ੇਸ਼ ਰਸੋਈਏ, ਸਿਰਫ ਖਾਣਾ ਬਣਾਉਣ 'ਤੇ ਧਿਆਨ
- OpenClaw = ਮੁੱਖ ਰਸੋਈਏ, ਜੋ ਗਾਹਕਾਂ ਦੇ ਸੁਆਦ, ਸਮੱਗਰੀ ਦੇ ਸਟਾਕ, ਮੈਨੂ ਪੋਜ਼ੀਸ਼ਨਿੰਗ ਨੂੰ ਜਾਣਦਾ ਹੈ, ਹਰ ਰਸੋਈਏ ਨੂੰ ਸਹੀ ਹੁਕਮ ਦਿੰਦਾ ਹੈ
ਦੋ-ਤਹਾਂ ਵਾਲੇ ਸਿਸਟਮ ਦੀ ਵਿਸ਼ੇਸ਼ ਬਣਤਰ: ਢਾਂਚਾ ਪੱਧਰ + ਕਾਰਜ ਪੱਧਰ
ਆਓ ਇਸ ਸਿਸਟਮ ਦੀ ਵਿਸ਼ੇਸ਼ ਬਣਤਰ ਨੂੰ ਦੇਖੀਏ।
ਦੋ ਤਹਿ, ਹਰ ਕੋਈ ਆਪਣਾ ਕੰਮ ਕਰਦਾ ਹੈ:
OpenClaw（ਕੰਟਰੋਲ ਪਰਤ）ਕੀ ਕਰ ਸਕਦਾ ਹੈ?
- Obsidian ਨੋਟਸ ਵਿੱਚੋਂ ਸਾਰੇ ਮੀਟਿੰਗ ਰਿਕਾਰਡ ਪੜ੍ਹਨਾ (ਆਟੋਮੈਟਿਕ ਸਿੰਕ)
- ਉਤਪਾਦਨ ਡੇਟਾਬੇਸ ਤੱਕ ਪਹੁੰਚ (ਕੇਵਲ ਪੜ੍ਹਨ ਦੀ ਆਗਿਆ) ਗਾਹਕ ਦੀ ਸੈਟਿੰਗ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ
- ਪ੍ਰਬੰਧਕ API ਅਧਿਕਾਰ ਹਨ, ਗਾਹਕ ਨੂੰ ਰੀਚਾਰਜ ਕਰਨ ਅਤੇ ਰੋਕਾਅ ਹਟਾਉਣ ਲਈ ਸਿੱਧਾ
- ਕੰਮ ਦੀ ਕਿਸਮ ਦੇ ਅਨੁਸਾਰ ਉਚਿਤ ਏਜੰਟ ਚੁਣਨਾ
- ਸਾਰੇ ਏਜੰਟਾਂ ਦੀ ਪ੍ਰਗਤੀ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ, ਜੇ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ ਤਾਂ ਕਾਰਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਅਤੇ ਪ੍ਰੰਪਟ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ
- ਪੂਰਾ ਹੋਣ 'ਤੇ Telegram ਰਾਹੀਂ ਲੇਖਕ ਨੂੰ ਸੂਚਿਤ ਕਰਨਾ
ਏਜੰਟ（ਕਾਰਵਾਈ ਪਰਤ）ਕੀ ਕਰ ਸਕਦਾ ਹੈ?
- ਕੋਡ ਬੇਸ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਲਿਖਣਾ
- ਟੈਸਟ ਅਤੇ ਬਿਲਡ ਚਲਾਉਣਾ
- ਕੋਡ ਸਬਮਿਟ ਕਰਨਾ ਅਤੇ PR ਬਣਾਉਣਾ
- ਕੋਡ ਸਮੀਖਿਆ ਦੀ ਫੀਡਬੈਕ ਦਾ ਜਵਾਬ ਦੇਣਾ
ਇਹ ਡਿਜ਼ਾਈਨ ਬਹੁਤ ਸਮਝਦਾਰੀ ਹੈ: ਸੁਰੱਖਿਆ ਦੀ ਸੀਮਾ ਸਾਫ ਹੈ, ਨਾਲ ਹੀ ਕੁਸ਼ਲਤਾ ਦੀ ਗਰੰਟੀ ਦਿੰਦੀ ਹੈ।
ਪੂਰਾ ਕੰਮ ਪ੍ਰਵਾਹ: ਗਾਹਕ ਦੀ ਲੋੜ ਤੋਂ PR ਮਿਲਾਉਣ ਦੇ 8 ਕਦਮ
ਹੁਣ ਮੁੱਖ ਹਿੱਸੇ ਵਿੱਚ ਜਾ ਰਹੇ ਹਾਂ। ਲੇਖਕ ਦੇ ਪਿਛਲੇ ਹਫ਼ਤੇ ਦੇ ਇੱਕ ਵਾਸਤਵਿਕ ਕੇਸ ਨਾਲ, ਤੁਹਾਨੂੰ ਪੂਰੇ ਪ੍ਰਕਿਰਿਆ ਦਾ ਦੌਰਾ ਕਰਵਾਉਂਦੇ ਹਾਂ।
ਪਿਛੋਕੜ: ਇੱਕ ਕਾਰੋਬਾਰੀ ਗਾਹਕ ਨੇ ਫੋਨ ਕੀਤਾ, ਕਹਿੰਦਾ ਹੈ ਕਿ ਉਹ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੀਆਂ ਪਹਿਲਾਂ ਤੋਂ ਸੈਟ ਕੀਤੀਆਂ ਸੈਟਿੰਗਾਂ ਨੂੰ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾਵੇ, ਟੀਮ ਵਿੱਚ ਸਾਂਝਾ ਕੀਤਾ ਜਾਵੇ।
ਪਹਿਲਾ ਕਦਮ: ਗਾਹਕ ਦੀ ਲੋੜ → OpenClaw ਸਮਝਦਾ ਹੈ ਅਤੇ ਵਿਖੰਡਿਤ ਕਰਦਾ ਹੈ
ਗੱਲਬਾਤ ਖਤਮ ਹੋਣ 'ਤੇ, ਲੇਖਕ ਅਤੇ ਜੋਈ (ਉਸ ਦਾ OpenClaw) ਨੇ ਇਸ ਲੋੜ ਬਾਰੇ ਗੱਲ ਕੀਤੀ।
ਇੱਥੇ ਦੀ ਜਾਦੂਈ ਗੱਲ: ਜ਼ੀਰੋ ਵਿਆਖਿਆ ਦੀ ਲਾਗਤ। ਕਿਉਂਕਿ ਸਾਰੇ ਮੀਟਿੰਗ ਰਿਕਾਰਡ ਆਟੋਮੈਟਿਕਲੀ Obsidian ਵਿੱਚ ਸਿੰਕ ਹੋ ਜਾਂਦੇ ਹਨ, ਜੋਈ ਨੇ ਪਹਿਲਾਂ ਹੀ ਗੱਲਬਾਤ ਦੇ ਸਮੱਗਰੀ ਨੂੰ ਪੜ੍ਹ ਲਿਆ ਸੀ, ਜਾਣਦਾ ਸੀ ਕਿ ਗਾਹਕ ਕੌਣ ਹੈ, ਉਹਨਾਂ ਦਾ ਕਾਰੋਬਾਰੀ ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਮੌਜੂਦਾ ਸੈਟਿੰਗਾਂ।
ਲੇਖਕ ਅਤੇ ਜੋਈ ਨੇ ਮਿਲ ਕੇ ਲੋੜ ਨੂੰ ਵਿਖੰਡਿਤ ਕੀਤਾ: ਇੱਕ ਟੈਂਪਲੇਟ ਸਿਸਟਮ ਬਣਾਉਣਾ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਮੌਜੂਦਾ ਸੈਟਿੰਗਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਅਤੇ ਸੰਪਾਦਿਤ ਕਰ ਸਕੇ।
ਫਿਰ ਜੋਈ ਨੇ ਤਿੰਨ ਕੰਮ ਕੀਤੇ:
- ਗਾਹਕ ਨੂੰ ਰੀਚਾਰਜ ਕਰਨਾ — ਪ੍ਰਬੰਧਕ API ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਤੁਰੰਤ ਗਾਹਕ ਦੀ ਵਰਤੋਂ ਦੀ ਸੀਮਾ ਹਟਾਉਣਾ
- ਗਾਹਕ ਦੀ ਸੈਟਿੰਗ ਖਿੱਚਣਾ — ਉਤਪਾਦਨ ਡੇਟਾਬੇਸ (ਕੇਵਲ ਪੜ੍ਹਨ ਲਈ) ਤੋਂ ਗਾਹਕ ਦੀ ਮੌਜੂਦਾ ਸੈਟਿੰਗ ਪ੍ਰਾਪਤ ਕਰਨਾ
- ਪ੍ਰੰਪਟ ਬਣਾਉਣਾ ਅਤੇ ਏਜੰਟ ਸ਼ੁਰੂ ਕਰਨਾ — ਸਾਰੇ ਸੰਦਰਭ ਨੂੰ ਪੈਕੇਜ ਕਰਨਾ, Codex ਨੂੰ ਦੇਣਾ
ਦੂਜਾ ਕਦਮ: ਏਜੰਟ ਸ਼ੁਰੂ ਕਰਨਾ
ਜੋਈ ਨੇ ਇਸ ਕੰਮ ਲਈ ਬਣਾਇਆ:
- ਇੱਕ ਅਲੱਗ git worktree (ਵੱਖਰਾ ਸ਼ਾਖਾ ਵਾਤਾਵਰਣ)
- ਇੱਕ tmux ਸੈਸ਼ਨ (ਏਜੰਟ ਨੂੰ ਪਿੱਛੇ ਚਲਾਉਣ ਲਈ)
# 创建 worktree + 启动代理 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 ਕਿਉਂ ਵਰਤਿਆ? ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਦੌਰਾਨ ਦਖਲ ਦੇਣਾ ਸੰਭਵ ਹੈ।
ਜੇ AI ਗਲਤ ਰਸਤੇ 'ਤੇ ਚੱਲਦਾ ਹੈ, ਤਾਂ ਦੁਬਾਰਾ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ, ਸਿੱਧਾ tmux ਵਿੱਚ ਹੁਕਮ ਭੇਜੋ:
# 代理方向错了 tmux send-keys -t codex-templates "ਰੁਕੋ। ਪਹਿਲਾਂ API ਪਰਤ ਕਰੋ, UI ਦੀ ਚਿੰਤਾ ਨਾ ਕਰੋ।" Enter
代理需要更多上下文
tmux send-keys -t codex-templates "ਕਿਸਮ ਦੀ ਪਰਿਭਾਸ਼ਾ src/types/template.ts ਵਿੱਚ ਹੈ, ਉਸਨੂੰ ਵਰਤੋ।" Enterਇਸ ਦੌਰਾਨ, ਕੰਮ ਨੂੰ ਇੱਕ JSON ਫਾਈਲ ਵਿੱਚ ਦਰਜ ਕੀਤਾ ਜਾਵੇਗਾ:{ "id": "feat-custom-templates", "tmuxSession": "codex-templates", "agent": "codex", "description": "ਕਾਰੋਬਾਰੀ ਗਾਹਕਾਂ ਲਈ ਆਪਣੀ ਮਰਜ਼ੀ ਦੇ ਈਮੇਲ ਟੈਂਪਲੇਟ ਫੰਕਸ਼ਨ", "repo": "medialyst", "worktree": "feat-custom-templates", "branch": "feat/custom-templates", "startedAt": 1740268800000, "status": "ਚੱਲ ਰਿਹਾ ਹੈ", "notifyOnComplete": true} ### ਤੀਜਾ ਕਦਮ: ਆਟੋਮੈਟਿਕ ਮਾਨੀਟਰਿੰਗ ਇੱਕ cron ਕੰਮ ਹਰ 10 ਮਿੰਟ ਵਿੱਚ ਸਾਰੇ ਏਜੰਟਾਂ ਦੀ ਸਥਿਤੀ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਬਿੰਦੂ: ਇਹ "ਪੂਛਣ" ਲਈ ਨਹੀਂ ਹੈ ਕਿ ਏਜੰਟ ਦੀ ਪ੍ਰਗਤੀ ਕਿਵੇਂ ਹੈ (ਇਸ ਤਰ੍ਹਾਂ ਟੋਕਨ ਬਹੁਤ ਖਰਚ ਹੁੰਦੇ ਹਨ), ਪਰ ਵਸਤਵਿਕ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ: - tmux ਸੈਸ਼ਨ ਜੀਵਿਤ ਹੈ? - ਕੀ PR ਬਣਾਇਆ ਗਿਆ ਹੈ? - CI ਦੀ ਸਥਿਤੀ ਕਿਵੇਂ ਹੈ? - ਜੇ ਇਹ ਫੇਲ ਹੋ ਗਿਆ, ਤਾਂ ਕੀ ਦੁਬਾਰਾ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? (ਜ਼ਿਆਦਾ ਤੋਂ ਜ਼ਿਆਦਾ 3 ਵਾਰੀ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ) ਇਹ ਮਾਨੀਟਰਿੰਗ ਸਕ੍ਰਿਪਟ 100% ਨਿਸ਼ਚਿਤਤਾ ਵਾਲਾ ਹੈ, ਬਹੁਤ ਸਾਰੇ ਟੋਕਨ ਬਚਾਉਂਦਾ ਹੈ, ਸਿਰਫ਼ ਜਦੋਂ ਮਨੁੱਖੀ ਦਖਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਹੀ ਲੇਖਕ ਨੂੰ ਸੂਚਿਤ ਕਰਦਾ ਹੈ। ਇਹ ਵਾਸਤਵ ਵਿੱਚ Ralph Loop ਦਾ ਸੁਧਾਰਿਤ ਵਰਜਨ ਹੈ, ਜਿਸ ਬਾਰੇ ਅਗੇ ਵਿਸਥਾਰ ਨਾਲ ਗੱਲ ਕੀਤੀ ਜਾਵੇਗੀ। ### ਚੌਥਾ ਕਦਮ: ਏਜੰਟ PR ਬਣਾਉਂਦਾ ਹੈ ਏਜੰਟ ਕੋਡ ਲਿਖਣ, ਜਮ੍ਹਾਂ ਕਰਨ, ਧੱਕਣ ਅਤੇ ਫਿਰ gh pr create --fill ਨਾਲ PR ਬਣਾਉਂਦਾ ਹੈ। ਧਿਆਨ: ਇਸ ਸਮੇਂ ਲੇਖਕ ਨੂੰ ਸੂਚਨਾ ਨਹੀਂ ਮਿਲੇਗੀ। ਕਿਉਂਕਿ ਇੱਕ PR ਖੁਦ "ਪੂਰਾ" ਨਹੀਂ ਹੈ। "ਪੂਰਾ" ਦੀ ਪਰਿਭਾਸ਼ਾ ਹੈ: - ✅ PR ਬਣਾਇਆ ਗਿਆ - ✅ ਸ਼ਾਖਾ ਮੁੱਖ ਨਾਲ ਸਿੰਕ ਕੀਤੀ ਗਈ (ਕੋਈ ਟਕਰਾਅ ਨਹੀਂ) - ✅ CI ਪਾਸ (lint, ਕਿਸਮ ਦੀ ਜਾਂਚ, ਇਕਾਈ ਦੀ ਜਾਂਚ, E2E ਜਾਂਚ) - ✅ Codex ਸਮੀਖਕ ਪਾਸ - ✅ Claude ਕੋਡ ਸਮੀਖਕ ਪਾਸ - ✅ Gemini ਸਮੀਖਕ ਪਾਸ - ✅ ਜੇ ਕੋਈ UI ਬਦਲਾਅ ਹੈ, ਤਾਂ ਸਕ੍ਰੀਨਸ਼ਾਟ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਸਿਰਫ਼ ਸਾਰੇ ਪੂਰੇ ਹੋਣ 'ਤੇ ਹੀ ਇਹ ਸੱਚਮੁੱਚ ਪੂਰਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ### ਪੰਜਵਾਂ ਕਦਮ: ਆਟੋਮੈਟਿਕ ਕੋਡ ਸਮੀਖਿਆ ਹਰ PR ਨੂੰ ਤਿੰਨ ਏਜੰਟਾਂ ਦੁਆਰਾ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾਵੇਗੀ: - Codex Reviewer — ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਸਮੀਖਕ - ਸੀਮਾ ਦੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਪਛਾਣਣ ਵਿੱਚ ਮਾਹਰ - ਤਰਕਿਕ ਗਲਤੀਆਂ, ਗੁੰਝਲਦਾਰ ਹਾਲਤਾਂ, ਮੁੜ-ਮੁੜ ਆਉਣ ਵਾਲੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਪਕੜ ਸਕਦਾ ਹੈ - ਗਲਤ ਰਿਪੋਰਟਿੰਗ ਦੀ ਦਰ ਬਹੁਤ ਘੱਟ ਹੈ - Gemini ਕੋਡ ਸਹਾਇਤਾ ਸਮੀਖਕ — ਮੁਫਤ ਅਤੇ ਵਰਤਣ ਵਿੱਚ ਆਸਾਨ - ਹੋਰ ਸਮੀਖਿਆਕਾਰਾਂ ਦੁਆਰਾ ਛੱਡੇ ਗਏ ਸੁਰੱਖਿਆ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਵਿਸਥਾਰਤਾ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ - ਵਿਸ਼ੇਸ਼ ਸੁਧਾਰ ਸੁਝਾਅ ਦੇਵੇਗਾ - ਬੇਕਾਰ ਨਹੀਂ ਹੈ - Claude ਕੋਡ ਸਮੀਖਕ — ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਬੇਕਾਰ - ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਭਾਲਕ, ਹਮੇਸ਼ਾ "ਵਿਚਾਰ ਕਰੋ ਕਿ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ..." ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦਾ ਹੈ - ਜ਼ਿਆਦਾਤਰ ਸੁਝਾਅ ਬਹੁਤ ਜ਼ਿਆਦਾ ਡਿਜ਼ਾਈਨ ਹੁੰਦੇ ਹਨ - ਜੇ "critical" ਦੇ ਤੌਰ 'ਤੇ ਚਿੰਨਿਤ ਨਾ ਕੀਤਾ ਗਿਆ ਹੋਵੇ, ਤਾਂ ਸਿੱਧਾ ਛੱਡ ਦਿਓ ਤਿੰਨ ਸਮੀਖਕ ਸਿੱਧਾ PR ਵਿੱਚ ਟਿੱਪਣੀਆਂ ਕਰਦੇ ਹਨ। ### ਛੇਵਾਂ ਕਦਮ: ਆਟੋਮੈਟਿਕ ਟੈਸਟਿੰਗ CI ਪਾਈਪਲਾਈਨ ਚੱਲੇਗੀ: - Lint ਅਤੇ TypeScript ਜਾਂਚ - ਇਕਾਈ ਦੀ ਜਾਂਚ - E2E ਜਾਂਚ - Playwright ਜਾਂਚ (ਉਸ ਪੂਰਕ ਵਾਤਾਵਰਣ ਵਿੱਚ ਚੱਲ ਰਹੀ ਹੈ ਜੋ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਦੇ ਬਿਲਕੁਲ ਸਮਾਨ ਹੈ) ਪਿਛਲੇ ਹਫਤੇ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਨਿਯਮ: ਜੇ PR ਨੇ UI ਬਦਲਿਆ, ਤਾਂ ਵੇਰਵਾ ਵਿੱਚ ਸਕ੍ਰੀਨਸ਼ਾਟ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਹੀਂ ਤਾਂ CI ਸਿੱਧਾ ਫੇਲ ਹੋ ਜਾਵੇਗਾ। ਇਹ ਨਿਯਮ ਸਮੀਖਿਆ ਦੇ ਸਮੇਂ ਨੂੰ ਬਹੁਤ ਘਟਾਉਂਦਾ ਹੈ - ਲੇਖਕ ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ ਸਕ੍ਰੀਨਸ਼ਾਟ ਦੇਖ ਕੇ ਜਾਣ ਜਾਂਦਾ ਹੈ ਕਿ ਕੀ ਬਦਲਿਆ ਹੈ, ਪ੍ਰੀਵਿਊ ਵਾਤਾਵਰਣ ਵਿੱਚ ਜਾਣ ਦੀ ਲੋੜ ਨਹੀਂ। ### ਸੱਤਵਾਂ ਕਦਮ: ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਹੁਣ, ਲੇਖਕ ਨੂੰ ਟੈਲੀਗ੍ਰਾਮ ਸੂਚਨਾ ਮਿਲਦੀ ਹੈ: "PR #341 ਤਿਆਰ ਹੈ, ਸਮੀਖਿਆ ਲਈ।" ਇਸ ਸਮੇਂ: - CI ਸਾਰੇ ਹਰੇ - ਤਿੰਨ AI ਸਮੀਖਿਆਕਾਰਾਂ ਨੇ ਸਾਰੇ ਮਨਜ਼ੂਰ ਕੀਤੇ - ਸਕ੍ਰੀਨਸ਼ਾਟ ਨੇ UI ਬਦਲਾਅ ਦਿਖਾਇਆ - ਸਾਰੇ ਸੀਮਾ ਦੀਆਂ ਸਥਿਤੀਆਂ ਸਮੀਖਿਆ ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਦਰਜ ਕੀਤੀਆਂ ਗਈਆਂ ਲੇਖਕ ਦੀ ਸਮੀਖਿਆ ਨੂੰ ਸਿਰਫ਼ 5-10 ਮਿੰਟ ਲੱਗਦੇ ਹਨ। ਬਹੁਤ ਸਾਰੇ PR ਵਿੱਚ ਉਹ ਕੋਡ ਨਹੀਂ ਦੇਖਦੇ, ਸਿਰਫ਼ ਸਕ੍ਰੀਨਸ਼ਾਟ ਦੇਖ ਕੇ ਸਿੱਧਾ ਮਿਲਾ ਦਿੰਦੇ ਹਨ। ### ਅੱਠਵਾਂ ਕਦਮ: ਮਿਲਾਉਣਾ PR ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ। ਹਰ ਰੋਜ਼ ਇੱਕ cron ਕੰਮ ਇਕੱਲੇ worktree ਅਤੇ ਕੰਮ ਦੇ ਰਿਕਾਰਡ ਨੂੰ ਸਾਫ਼ ਕਰਦਾ ਹੈ।ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਪੂਰੀ ਹੋਣ 'ਤੇ, ਗਾਹਕ ਦੀਆਂ ਜਰੂਰਤਾਂ ਤੋਂ ਕੋਡ ਦੇ ਲਾਈਨ 'ਤੇ ਆਉਣ ਤੱਕ, ਸ਼ਾਇਦ ਸਿਰਫ 1-2 ਘੰਟੇ ਲੱਗੇ, ਜਦੋਂ ਕਿ ਲੇਖਕ ਦੀ ਵਾਸਤਵਿਕ ਲਗਨ ਸ਼ਾਇਦ ਸਿਰਫ 10 ਮਿੰਟ ਸੀ।
ਤਿੰਨ ਮਕੈਨਿਜਮ ਜੋ ਸਿਸਟਮ ਨੂੰ ਹੋਰ ਸਮਝਦਾਰ ਬਣਾਉਂਦੇ ਹਨ
ਮਕੈਨਿਜਮ 1: ਸੁਧਾਰਿਤ ਰਾਲਫ ਲੂਪ — ਸਿਰਫ ਦੁਹਰਾਉਣਾ ਨਹੀਂ, ਸਿੱਖਣਾ
ਤੁਸੀਂ ਰਾਲਫ ਲੂਪ ਬਾਰੇ ਸੁਣਿਆ ਹੋਵੇਗਾ: ਯਾਦਦਾਸ਼ਤ ਤੋਂ ਸੰਦਰਭ ਖਿੱਚਣਾ → ਨਿਕਾਸ ਜਨਰੇਟ ਕਰਨਾ → ਨਤੀਜੇ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ → ਸਿੱਖਣਾ ਸੁਰੱਖਿਅਤ ਕਰਨਾ।
ਪਰ ਜ਼ਿਆਦਾਤਰ ਕਾਰਜਨਵਿਤੀਆਂ ਵਿੱਚ ਇੱਕ ਸਮੱਸਿਆ ਹੈ: ਹਰ ਵਾਰੀ ਲੂਪ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਪ੍ਰੰਪਟ ਇੱਕੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ। ਸਿੱਖਿਆ ਗਿਆ ਚੀਜ਼ਾਂ ਭਵਿੱਖ ਦੇ ਖੋਜ ਨੂੰ ਸੁਧਾਰਦੀ ਹੈ, ਪਰ ਪ੍ਰੰਪਟ ਖੁਦ ਸਥਿਰ ਹੁੰਦਾ ਹੈ।
ਇਹ ਸਿਸਟਮ ਵੱਖਰਾ ਹੈ।
ਜਦੋਂ ਏਜੰਟ ਫੇਲ ਹੁੰਦਾ ਹੈ, ਜੋਏ ਸਮਾਨ ਪ੍ਰੰਪਟ ਨਾਲ ਦੁਬਾਰਾ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਦੀ। ਉਹ ਪੂਰੇ ਕਾਰੋਬਾਰੀ ਸੰਦਰਭ ਦੇ ਨਾਲ, ਫੇਲ ਹੋਣ ਦੇ ਕਾਰਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ, ਫਿਰ ਪ੍ਰੰਪਟ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਦੀ ਹੈ:
❌ ਬੁਰਾ ਉਦਾਹਰਣ (ਸਥਿਰ ਪ੍ਰੰਪਟ): { "ਕਸਟਮ ਟੈਮਪਲੇਟ ਫੰਕਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕਰੋ" }
✅ ਚੰਗਾ ਉਦਾਹਰਣ (ਗਤੀਸ਼ੀਲ ਅਨੁਕੂਲਤਾ): { "ਰੁਕੋ। ਗਾਹਕ ਨੂੰ X ਚਾਹੀਦਾ ਹੈ, Y ਨਹੀਂ। ਇਹ ਉਹਨਾਂ ਦੇ ਮੀਟਿੰਗ ਵਿੱਚ ਅਸਲੀ ਸ਼ਬਦ ਹਨ: ਅਸੀਂ ਮੌਜੂਦਾ ਸੰਰਚਨਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਨਾ ਕਿ ਨਵਾਂ ਬਣਾਉਣਾ। ਕੇਂਦਰਿਤ ਕਰੋ ਕਿ ਸੰਰਚਨਾ ਦੁਬਾਰਾ ਵਰਤੋਂ 'ਤੇ, ਨਵਾਂ ਪ੍ਰਕਿਰਿਆ ਨਾ ਬਣਾਓ।" }ਜੋਏ ਇਹ ਤਬਦੀਲੀਆਂ ਕਰ ਸਕਦੀ ਹੈ ਕਿਉਂਕਿ ਉਸਦੇ ਕੋਲ ਕਾਰਜਨਵਿਤੀ ਪੱਧਰ ਦਾ ਸੰਦਰਭ ਹੈ ਜੋ ਏਜੰਟਾਂ ਕੋਲ ਨਹੀਂ ਹੁੰਦਾ:
- ਗਾਹਕ ਨੇ ਮੀਟਿੰਗ ਵਿੱਚ ਕੀ ਕਿਹਾ
- ਇਹ ਕੰਪਨੀ ਕੀ ਕਰਦੀ ਹੈ
- ਪਿਛਲੇ ਸਮੇਂ ਸਮਾਨ ਜਰੂਰਤ ਕਿਉਂ ਫੇਲ ਹੋਈ
- ਸਵੇਰੇ: ਸੈਂਟਰੀ ਨੂੰ ਸਕੈਨ ਕਰਨਾ → 4 ਨਵੇਂ ਗਲਤੀਆਂ ਪਤਾ ਲਗਾਉਣਾ → 4 ਏਜੰਟਾਂ ਨੂੰ ਜਾਂਚ ਅਤੇ ਠੀਕ ਕਰਨ ਲਈ ਸ਼ੁਰੂ ਕਰਨਾ
- ਮੀਟਿੰਗ ਦੇ ਬਾਅਦ: ਮੀਟਿੰਗ ਦੇ ਰਿਕਾਰਡ ਨੂੰ ਸਕੈਨ ਕਰਨਾ → 3 ਗਾਹਕਾਂ ਦੁਆਰਾ ਜ਼ਿਕਰ ਕੀਤੇ ਗਏ ਫੰਕਸ਼ਨ ਦੀਆਂ ਜਰੂਰਤਾਂ ਪਤਾ ਲਗਾਉਣਾ → 3 ਕੋਡੈਕਸ ਸ਼ੁਰੂ ਕਰਨਾ
- ਸ਼ਾਮ ਨੂੰ: ਗਿਟ ਲੌਗ ਨੂੰ ਸਕੈਨ ਕਰਨਾ → ਕਲੌਡ ਕੋਡ ਨੂੰ ਚੇਂਜਲੌਗ ਅਤੇ ਗਾਹਕ ਦੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅੱਪਡੇਟ ਕਰਨ ਲਈ ਸ਼ੁਰੂ ਕਰਨਾ
ਸਫਲਤਾ ਦੇ ਮਾਡਲ ਨੂੰ ਦਰਜ ਕੀਤਾ ਜਾਵੇਗਾ:
- "ਇਹ ਪ੍ਰੰਪਟ ਢਾਂਚਾ ਬਿਲਿੰਗ ਫੰਕਸ਼ਨ ਲਈ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ"
- "ਕੋਡੈਕਸ ਨੂੰ ਕਿਸਮ ਦੀ ਪਰਿਭਾਸ਼ਾ ਪਹਿਲਾਂ ਲੈਣੀ ਚਾਹੀਦੀ ਹੈ"
- "ਹਮੇਸ਼ਾ ਟੈਸਟ ਫਾਈਲ ਪਾਥ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ"
ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੰਘਦਾ ਹੈ, ਜੋਏ ਦੁਆਰਾ ਲਿਖਿਆ ਪ੍ਰੰਪਟ ਉਤਨਾ ਹੀ ਚੰਗਾ ਹੁੰਦਾ ਹੈ, ਕਿਉਂਕਿ ਉਹ ਯਾਦ ਰੱਖਦੀ ਹੈ ਕਿ ਕੀ ਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।
ਮਕੈਨਿਜਮ 2: ਏਜੰਟ ਚੋਣ ਨੀਤੀ — ਵੱਖ-ਵੱਖ ਕੰਮਾਂ ਲਈ ਵੱਖਰੇ ਮਾਹਿਰ
ਸਾਰੇ ਏਜੰਟ ਇੱਕੋ ਜਿਹੇ ਮਜ਼ਬੂਤ ਨਹੀਂ ਹੁੰਦੇ। ਲੇਖਕ ਦੁਆਰਾ ਸੰਖੇਪ ਕੀਤੀ ਗਈ ਚੋਣ ਨੀਤੀ:
- ਕੋਡੈਕਸ(gpt-5.3-codex) — ਮੁੱਖ- ਪਿਛਲੇ ਲਾਜ਼ਿਕ, ਜਟਿਲ ਬੱਗ, ਬਹੁਤ ਸਾਰੇ ਫਾਈਲਾਂ ਦਾ ਪੁਨਰ-ਰਚਨਾ, ਜੋ ਕੋਡ ਦੇ ਪੁਸਤਕਾਂ ਵਿੱਚ ਤਰਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ
- ਹੌਲੀ ਪਰ ਪੂਰੀ
- 90% ਕੰਮਾਂ ਦਾ ਹਿੱਸਾ
- ਕਲੌਡ ਕੋਡ(claude-opus-4.5) — ਗਤੀ ਵਾਲਾ ਖਿਡਾਰੀ- ਫਰੰਟ-ਐਂਡ ਕੰਮ
- ਅਧਿਕਾਰਾਂ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਘੱਟ, ਗਿਟ ਕਾਰਵਾਈ ਲਈ ਉਚਿਤ
- (ਲੇਖਕ ਪਹਿਲਾਂ ਇਸਨੂੰ ਵੱਧ ਵਰਤਦਾ ਸੀ, ਪਰ ਕੋਡੈਕਸ 5.3 ਆਉਣ ਤੋਂ ਬਾਅਦ ਬਦਲ ਗਿਆ)
- ਜੈਮੀਨੀ — ਡਿਜ਼ਾਈਨਰ- ਡਿਜ਼ਾਈਨ ਸੁੰਦਰਤਾ ਹੈ
- ਸੁੰਦਰ UI ਲਈ, ਪਹਿਲਾਂ ਜੈਮੀਨੀ ਨੂੰ HTML/CSS ਮਿਆਰ ਬਣਾਉਣ ਦਿਓ, ਫਿਰ ਕਲੌਡ ਕੋਡ ਨੂੰ ਕੰਪੋਨੈਂਟ ਸਿਸਟਮ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਦਿਓ
- ਜੈਮੀਨੀ ਡਿਜ਼ਾਈਨ, ਕਲੌਡ ਬਣਾਉਂਦਾ ਹੈ
ਮਕੈਨਿਜਮ 3: ਬੋਤਲ ਨੱਕ ਕਿੱਥੇ ਹੈ? RAM
ਇੱਥੇ ਇੱਕ ਅਣਉਮੀਦਿਤ ਸੀਮਾ ਹੈ: ਨਾ ਤਾਂ ਟੋਕਨ ਦੀ ਲਾਗਤ, ਨਾ ਹੀ API ਦੀ ਗਤੀ, ਪਰ ਯਾਦਾਸ਼ਤ।
ਹਰ ਏਜੰਟ ਨੂੰ ਲੋੜ ਹੈ:
- ਆਪਣਾ ਵਰਕਟ੍ਰੀ
- ਆਪਣੇ ਨੋਡ_ਮੋਡੀਊਲਜ਼
- ਬਣਾਉਣ, ਕਿਸਮ ਦੀ ਜਾਂਚ, ਟੈਸਟ ਚਲਾਉਣਾ
ਲੇਖਕ ਦਾ ਮੈਕ ਮਿਨੀ(16GB RAM) ਵੱਧ ਤੋਂ ਵੱਧ 4-5 ਏਜੰਟਾਂ ਨੂੰ ਇੱਕਸਾਥ ਚਲਾ ਸਕਦਾ ਹੈ, ਇਸ ਤੋਂ ਵੱਧ ਹੋਣ 'ਤੇ ਸਵਾਪ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਹ ਪ੍ਰਾਰਥਨਾ ਕਰਨੀ ਪੈਂਦੀ ਹੈ ਕਿ ਉਹ ਇੱਕਸਾਥ ਬਣਾਉਣ ਨਾ ਕਰਦੇ।ਇਸ ਲਈ ਉਸਨੇ ਇੱਕ Mac Studio M4 Max (128GB RAM, $3500) ਖਰੀਦੀ, ਜੋ ਮਾਰਚ ਦੇ ਅਖੀਰ ਵਿੱਚ ਆਈ। ਉਸਨੇ ਕਿਹਾ ਕਿ ਉਹ ਉਸ ਸਮੇਂ ਦੱਸੇਗਾ ਕਿ ਇਹ ਕੀਮਤ ਦੇ ਲਾਇਕ ਹੈ।
ਤੁਸੀਂ ਵੀ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ: ਸਿਫਰ ਤੋਂ ਚਲਾਉਣ ਵਿੱਚ ਸਿਰਫ 10 ਮਿੰਟ ਲੱਗਦੇ ਹਨ
ਕੀ ਤੁਸੀਂ ਇਸ ਸਿਸਟਮ ਨੂੰ ਆਜ਼ਮਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ?
ਸਭ ਤੋਂ ਆਸਾਨ ਤਰੀਕਾ:
ਇਸ ਪੂਰੀ ਲੇਖ ਨੂੰ OpenClaw ਨੂੰ ਕਾਪੀ ਕਰੋ, ਅਤੇ ਉਸਨੂੰ ਦੱਸੋ: "ਇਸ ਢਾਂਚੇ ਦੇ ਅਨੁਸਾਰ, ਮੇਰੇ ਕੋਡ ਬੇਸ ਲਈ ਇੱਕ ਏਜੰਟ ਕਲੱਸਟਰ ਸਿਸਟਮ ਬਣਾਉ।"
ਫਿਰ, ਇਹ:
- ਢਾਂਚੇ ਦੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪੜ੍ਹੇਗਾ
- ਸਕ੍ਰਿਪਟ ਬਣਾਏਗਾ
- ਡਾਇਰੈਕਟਰੀ ਢਾਂਚਾ ਸੈੱਟ ਕਰੇਗਾ
- cron ਮਾਨੀਟਰਿੰਗ ਨੂੰ ਸੰਰਚਿਤ ਕਰੇਗਾ
ਤੁਹਾਨੂੰ ਤਿਆਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ:
- OpenClaw ਖਾਤਾ
- Codex ਅਤੇ/ਜਾਂ Claude Code ਦਾ API ਪਹੁੰਚ
- ਇੱਕ git ਰਿਪੋਜ਼ਿਟਰੀ
- (ਵਿਕਲਪਿਕ) Obsidian ਕਾਰੋਬਾਰੀ ਸੰਦਰਭ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ
2026: ਇੱਕ ਵਿਅਕਤੀ ਦਾ ਮਿਲੀਅਨ ਡਾਲਰ ਕੰਪਨੀ
ਲੇਖਕ ਨੇ ਲੇਖ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਵਾਕ ਕਿਹਾ, ਜੋ ਮੈਨੂੰ ਬਹੁਤ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ:
"ਅਸੀਂ 2026 ਤੋਂ ਬਹੁਤ ਸਾਰੇ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਮਿਲੀਅਨ ਡਾਲਰ ਕੰਪਨੀਆਂ ਦੇਖਾਂਗੇ। ਲੀਵਰੇਜ ਬਹੁਤ ਵੱਡਾ ਹੈ, ਉਹਨਾਂ ਲਈ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਪੁਰਾਣੀ ਖੁਦ-ਸੁਧਾਰ AI ਸਿਸਟਮ ਬਣਾਉਣਾ ਹੈ।"
ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ:
- ਇੱਕ AI ਢਾਂਚਾ ਤੁਹਾਡੇ ਵਾਸਤੇ ਇੱਕ ਵਧਾਰਾ (ਜਿਵੇਂ ਕਿ Zoe ਲੇਖਕ ਲਈ)
- ਕੰਮ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਏਜੰਟਾਂ ਨੂੰ ਸੌਂਪਣਾ, ਵੱਖ-ਵੱਖ ਕਾਰੋਬਾਰੀ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਸੰਭਾਲਣਾ
- ਇੰਜੀਨੀਅਰਿੰਗ, ਗ੍ਰਾਹਕ ਸਹਾਇਤਾ, ਓਪਰੇਸ਼ਨ, ਮਾਰਕੀਟਿੰਗ
- ਹਰ ਏਜੰਟ ਉਸ ਵਿੱਚ ਜੋ ਉਹ ਚੰਗਾ ਕਰਦਾ ਹੈ, ਉੱਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ
- ਤੁਸੀਂ ਧਿਆਨ ਕੇਂਦਰਿਤ ਅਤੇ ਪੂਰੀ ਨਿਯੰਤਰਣ ਵਿੱਚ ਰਹਿੰਦੇ ਹੋ
ਹੁਣ AI ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਗੰਦਗੀ ਸਮੱਗਰੀ ਬਹੁਤ ਹੈ। ਵੱਖ-ਵੱਖ ਪ੍ਰਚਾਰ, ਵੱਖ-ਵੱਖ "ਟਾਸਕ ਕੰਟਰੋਲ ਸੈਂਟਰ" ਦੇ ਸ਼ਾਨਦਾਰ ਡੈਮੋ, ਪਰ ਕੋਈ ਵਾਸਤਵਿਕ ਉਪਯੋਗੀ ਚੀਜ਼ ਨਹੀਂ।
ਲੇਖਕ ਕਹਿੰਦਾ ਹੈ ਕਿ ਉਹ ਵਿਰੋਧੀ ਕੰਮ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ: ਘੱਟ ਪ੍ਰਚਾਰ, ਵਾਸਤਵਿਕ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਜ਼ਿਆਦਾ ਦਰਜ ਕਰਨਾ। ਵਾਸਤਵਿਕ ਗ੍ਰਾਹਕ, ਵਾਸਤਵਿਕ ਆਮਦਨ, ਵਾਸਤਵਿਕ ਜਾਰੀ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ, ਅਤੇ ਵਾਸਤਵਿਕ ਅਸਫਲਤਾਵਾਂ ਵੀ।
ਇਹ ਲੇਖ ਇੱਥੇ ਖਤਮ ਹੁੰਦਾ ਹੈ।
ਮੁੱਖ ਬਿੰਦੂਆਂ ਦੀ ਸਮੀਖਿਆ:
- ਡੁਬਲ ਲੇਅਰ ਢਾਂਚਾ: ਢਾਂਚਾ ਪਰਤ ਕਾਰੋਬਾਰੀ ਸੰਦਰਭ ਨੂੰ ਰੱਖਦੀ ਹੈ, ਕਾਰਵਾਈ ਪਰਤ ਕੋਡ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੀ ਹੈ
- ਪੂਰੀ ਤਰ੍ਹਾਂ ਆਟੋਮੈਟਿਕ: ਮੰਗ ਤੋਂ PR ਤੱਕ 8 ਕਦਮਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ, ਜ਼ਿਆਦਾਤਰ ਕੰਮ ਇੱਕ ਵਾਰੀ ਵਿੱਚ ਸਫਲ
- ਗਤੀਸ਼ੀਲ ਸਿੱਖਣਾ: ਦੁਹਰਾਉਣ ਵਾਲੀ ਕਾਰਵਾਈ ਨਹੀਂ, ਪਰ ਅਸਫਲਤਾ ਦੇ ਕਾਰਨਾਂ ਦੇ ਅਨੁਸਾਰ ਰਣਨੀਤੀ ਨੂੰ ਸੋਧਣਾ
- ਲਾਗਤ ਨਿਯੰਤਰਿਤ: ਸ਼ੁਰੂਆਤ $20/ਮਹੀਨਾ, ਭਾਰੀ ਵਰਤੋਂ $190/ਮਹੀਨਾ
ਹਵਾਲਾ ਪਤਾ:https://x.com/elvissun/status/2025920521871716562
