केस स्टडी · स्किल कैसेट बिल्ड टेम्पलेट
केस स्टडी:
सेक्रेटरी एजेंट।
रोज़ के प्रशासनिक काम — शेड्यूलिंग, ख़र्च की रिपोर्ट, ईमेल की छंटाई, रिकॉर्डिंग से मीटिंग के मिनट्स — को एजेंट्स की एक टीम में बांटने की केस स्टडी। वह काम जिसे आप इतनी आदतन निपटाते हैं कि उसे कभी "काम" में गिनते ही नहीं। बाहर रहते हुए Discord पर एक वॉइस मैसेज भेजें और निर्देश पहुंच जाता है; रिपोर्ट ऑडियो और टेक्स्ट दोनों रूपों में वापस आती है। यह उन छोटे बिज़नेस और अकेले काम करने वालों के लिए है जिनके पास सेक्रेटरी रखने जितना पैमाना नहीं है।
एक सेक्रेटरी एजेंट आपके निजी डेटा के केंद्र को छूता है — आपका कैलेंडर, आपका ईमेल, आपकी रसीदें। इस केस स्टडी में, हम डिज़ाइन पर आगे बढ़ने से पहले शुरुआती इंटरव्यू चरण में ही, काम-दर-काम यह तय कर लेते हैं कि कितना अधिकार सौंपा जाए।
सिर्फ़ दो टूल्स
| टूल | भूमिका | इसे इस तरह समझें |
|---|
| Chat Claude (claude.ai) | बातचीत के ज़रिए तय करता है कि "क्या बनाना है"। डिज़ाइन/स्पेक वाला हिस्सा संभालता है | आपके आर्किटेक्ट के साथ प्लानिंग सेशन |
| VS Code में Claude Code | फ़ाइनल डिज़ाइन को लेकर असल में फ़ाइलें बनाता है और कोड लिखता है | साइट पर मौजूद कॉन्ट्रैक्टर |
बेसिक वर्कफ़्लो
- Chat Claude से बात करें → "क्या बनाना है" का स्पेक पाएं
- Chat Claude उस स्पेक को एक इंस्ट्रक्शन शीट (TASK.md) में बदल देता है
- TASK.md को VS Code में Claude Code को दें → वह असल में उसे बनाता है
- नतीजा Chat Claude को वापस रिपोर्ट करें → अगली इंस्ट्रक्शन शीट पाएं
- पूरा होने तक स्टेप 1–4 दोहराएं
सेक्रेटरी के काम का जायज़ा (इंटरव्यू के लिए एक शुरुआती बिंदु)
"मुझे एक सेक्रेटरी चाहिए" कहना आसान है, लेकिन यह शब्दों में रखना कि आप असल में क्या सौंपना चाहते हैं, हैरतअंगेज़ रूप से मुश्किल है। यह भूमिका व्यवहार में क्या-क्या समेटती है, उसके आधार पर यहां इंटरव्यू के लिए एक शुरुआती बिंदु दिया गया है।
शेड्यूलिंग
- इवेंट जोड़ना, बदलना, और रद्द करना (बोलकर कहें और वह कैलेंडर पर आ जाए)
- टकराव पकड़ना और सफ़र के समय का हिसाब रखते हुए यथार्थवादी अंतराल छोड़ना
- तय समय पर दिन का शेड्यूल पढ़कर सुनाना — सुबह सबसे पहले, या एक रात पहले
- दोहराए जाने वाले इवेंट, और सार्वजनिक छुट्टियों व बंद रहने के दिनों का हिसाब
ख़र्च की रिपोर्ट
- रसीदों और इनवॉइस की तस्वीरों से तारीख़, रक़म, भुगतान पाने वाला, और आइटम पढ़ना
- अकाउंट और टैक्स कैटेगरी में छांटना (यह मानकर कि आख़िरी जांच कोई इंसान करेगा)
- मासिक जोड़, और जिस फ़ॉर्मैट में जमा करना है उसमें एक्सपोर्ट करना
- जब बिना प्रोसेस की रसीदें जमा होने लगें तो एक रिमाइंडर
ईमेल
- आने वाले मेल का वर्गीकरण (जवाब चाहिए / सिर्फ़ जानकारी के लिए / कोई कार्रवाई नहीं) और प्राथमिकता तय करना
- जवाबों का ड्राफ़्ट बनाना (भेजने का फ़ैसला, नियम के तौर पर, इंसान करता है)
- रूटीन पूछताछ पर टेम्प्लेट लगाना
- भूले हुए जवाब पकड़ना (तय समय के बाद भी बिना जवाब वाले थ्रेड पर निशान लगाना)
रिकॉर्डिंग से मीटिंग के मिनट्स
- इसे एक रिकॉर्डिंग दें और यह ट्रांसक्रिप्ट, मुख्य बिंदु, और रिपोर्ट को एक ही लगातार काम के तौर पर चलाता है — ज़रूरत हो तो मनचाही भाषा में अनुवाद के साथ
- इसे बिना एक भी API जोड़े बनाया जा सकता है। ट्रांसक्रिप्शन एक लोकल Whisper मॉडल का दोबारा इस्तेमाल करता है, और समरी बनाना व अनुवाद दोनों एजेंट का अपना LLM करता है
- दूसरी भाषा में हुई मीटिंग में इसका फ़ायदा सबसे ज़्यादा है: एक भाषा में हुई चर्चा दूसरी भाषा में रिपोर्ट बनकर वापस आती है, बिना "दोबारा सुनो, फिर अनुवाद करो" वाले चक्कर के
मीटिंग के नोट्स साफ़ करना, आवेदन फ़ॉर्म का ड्राफ़्ट बनाना, और फ़्लाइट व होटल की छोटी सूची बनाना भी इसमें शामिल किया जा सकता है। यात्रा की व्यवस्था कोई ज़रूरी फ़ीचर नहीं है — अगर आपके काम में यात्रा कम होती है, तो इसे शुरू से ही छोड़ दें।
एक ही एजेंट के बजाय कई एजेंट में क्यों बांटें
"सेक्रेटरी एजेंट" सुनकर लोग आमतौर पर एक ही सब-कुछ-करने वाले एजेंट की कल्पना करते हैं। यह केस स्टडी इसके बजाय काम के हिसाब से बांटने की सलाह देती है।
क्योंकि हर काम के लिए ज़रूरी निर्णय अलग है
- शेड्यूलिंग के लिए वह सावधानी चाहिए जो कैलेंडर को ठसाठस न भरने दे; ईमेल की छंटाई के लिए वह व्यापकता चाहिए जिससे कुछ भी ज़रूरी छूट न जाए; ख़र्च वाले काम में संख्याओं की सख़्त सटीकता सबसे ऊपर है। यह सब एक ही व्यक्तित्व में डाल दें तो मानदंड एक निर्देश से दूसरे निर्देश तक खिसकता रहता है
क्योंकि अधिकार का दायरा अलग किया जा सकता है
- ईमेल एजेंट को आपके इनबॉक्स तक पढ़ने की पहुंच चाहिए; ख़र्च एजेंट को नहीं। इन्हें बांट दें तो हर एक को सिर्फ़ उतना ही मिलता है जितना कम से कम ज़रूरी है। अगर कुछ ग़लत भी हो जाए, तो उसका असर उसी एजेंट के अपने इलाक़े तक सीमित रहता है
क्योंकि कुछ बिगड़ने पर उसे अलग करना आसान है
- जब ख़र्च का जोड़ ग़लत लगे और भूमिकाएं बंटी हों, तो आपको तुरंत पता होता है कि कहां देखना है। सब कुछ एक ही एजेंट में हो, तो यह ढूंढने में समय लगता है कि किस निर्देश ने दख़ल दिया
एक मोटा नियम: तीन से शुरू करना — शेड्यूलिंग, ख़र्च, ईमेल — सबसे आसानी से चलने वाली संरचना है। शुरू से ही बहुत बारीक बांटना सिर्फ़ प्रबंधन का बोझ बढ़ाता है, इसलिए चलते-चलते बांटें या मिलाएं।
वॉइस से निर्देश भेजें, वॉइस में रिपोर्ट पाएं
इस केस स्टडी का दिल यह है कि आपकी सेक्रेटरी उन घंटों में भी काम करती रहती है जब आप अपने कंप्यूटर से दूर होते हैं। इसके लिए आप Discord को एक ऐसा दरवाज़ा बना देते हैं जो दोनों दिशाओं में ऑडियो ले जाता है।
Inbound (आप → एजेंट)
- Discord की वॉइस मैसेज सुविधा से रिकॉर्ड किया गया ऑडियो एजेंट द्वारा ट्रांसक्राइब किया जाता है और उसे एक निर्देश के रूप में लिया जाता है
- ट्रांसक्रिप्शन एक लोकल Whisper मॉडल पर चलता है, इसलिए ऑडियो कहीं नहीं भेजा जाता और कोई API इस्तेमाल शुल्क नहीं लगता। जब ऑडियो में शेड्यूल, क्लाइंट के नाम, और रक़म जैसी बातें हों, तो यही वह सेटअप है जिस पर आगे बढ़ना चाहिए
Outbound (एजेंट → आप)
- रिपोर्ट ऑडियो और टेक्स्ट दोनों रूपों में वापस आती है — चलते-फिरते ऑडियो को यूं ही सुनते रहें, और बाद में कुछ जांचना हो तो टेक्स्ट देखें
- कौन-सा स्पीच सिंथेसिस इंजन इस्तेमाल करना है यह भाषा पर, और इस पर निर्भर करता है कि कुछ भी मशीन से बाहर जा सकता है या नहीं। तरीक़ा यह नहीं कि किसी एक इंजन पर टिक जाएं, बल्कि कई सुनकर चुनें
- कसौटी यह है कि आवाज़ मशीनी न लगे। ख़ास तौर पर रक़म और तारीख़ें सीधे आपके काम से जुड़ी होती हैं, इसलिए हमेशा उन्हीं फ़ॉर्मैट की जांच करें जो आप असल में इस्तेमाल करेंगे
पूरा शेड्यूल (छह फेज़)
| फेज़ | कंटेंट | इस्तेमाल किया गया टूल | डिलिवरेबल |
|---|
| Phase 0 | आवश्यकताओं का इंटरव्यू (आज आपका प्रशासनिक काम, क्या सौंपना है, अधिकार कहां रुकता है) | Chat Claude | रिक्वायरमेंट शीट |
| Phase 1 | एजेंट संरचना तय करना (कितने हिस्सों में बांटना है, हर एजेंट के अधिकार का दायरा, कौन-से टूल जोड़ने हैं) | Chat Claude | संरचना की योजना |
| Phase 2 | कैसेट बनाना (SKILL.md/WORKFLOW.md और डेडिकेटेड SPEC/soul.md — सभी ज़रूरी हैं) | Chat Claude | SKILL.md, WORKFLOW.md, SPEC/soul.md |
| Phase 3 | इम्प्लीमेंटेशन (दोहराव के साथ) और ऑडियो के आने-जाने की व्यवस्था जोड़ना | VS Code में Claude Code | एक काम करने वाला कैसेट |
| Phase 4 | टेस्टिंग और वेरिफ़िकेशन | दोनों | एक वेरिफाइड कैसेट |
| Phase 5 | पॉलिश और डॉक्यूमेंटेशन | Chat Claude | तैयार प्रोडक्ट + इस्तेमाल गाइड |
लोग क्या सौंपना चाहते हैं यह व्यक्ति-दर-व्यक्ति पूरी तरह अलग होता है, इसलिए इंटरव्यू को स्किप करने वाला कोई रेडीमेड TASK.md नहीं है। हमेशा Phase 0 के आवश्यकताओं के इंटरव्यू से शुरू करें।
अभी शुरू करें: Phase 0 किकऑफ़ प्रॉम्प्ट
Phase 0 के आवश्यकताओं के इंटरव्यू को शुरू करने के लिए, इस प्रॉम्प्ट को ज्यों का त्यों "Chat Claude" (claude.ai) के साथ एक नई बातचीत में पेस्ट करें।
मुझे रोज़ के प्रशासनिक काम (शेड्यूलिंग, ख़र्च की रिपोर्ट, ईमेल,
आदि) संभालने वाला एक सेक्रेटरी एजेंट बनाना है।
मैं प्रोग्रामिंग में नया हूं, इसलिए मैं चाहता हूं कि आप (Chat
Claude) मेरे डिज़ाइन/स्पेक पार्टनर बनें, जबकि VS Code में Claude
Code इम्प्लीमेंटेशन संभाले।
🔒
बाकी हिस्सा T1 खरीदने के बाद पूरी गाइड में उपलब्ध है।
(Phase 0 के विस्तृत इंटरव्यू आइटम, अधिकार की सीमाएं कैसे तय करें, ऑडियो के आने-जाने का सेटअप, और Phase 1 से आगे के लिए इंस्ट्रक्शन-शीट टेम्पलेट्स सहित पूरा टेक्स्ट)
गाइड देखने के लिए T1 खरीदें →
डिस्क्लेमर और ज़रूरी नोट्स
हम पुरज़ोर सलाह देते हैं कि शुरुआत में ऑटोमेटेड ईमेल भेजना बंद रखें। एजेंट से ड्राफ़्ट लिखवाएं और भेजने का फ़ैसला ख़ुद करें — ग़लत पते पर गया ईमेल वापस नहीं लिया जा सकता। आपकी ख़र्च रिपोर्ट में दर्ज रक़म और टैक्स कैटेगरी भी आख़िरकार दाख़िल करने वाले की ज़िम्मेदारी हैं: सिस्टम को इस तरह डिज़ाइन करें कि एजेंट जोड़ने और वर्गीकृत करने का तैयारी वाला काम संभाले, और आख़िरी जांच हमेशा कोई इंसान करे।
पूरी बिल्ड गाइड
Phase 0 के विस्तृत इंटरव्यू आइटम, अधिकार की सीमाएं कैसे तय करें, ऑडियो के आने-जाने का सेटअप, और Phase 1 से आगे के लिए इंस्ट्रक्शन-शीट टेम्पलेट्स — पूरा विवरण BALIA OS गाइड साइट पर मौजूद है।
पूरी बिल्ड गाइड देखें →
अन्य केस स्टडी देखें
इसी तरह बनाई गई अन्य केस स्टडी — रिज़र्वेशन मैनेजमेंट सिस्टम, कम्युनिटी/फैन साइट ऑटो-अपडेट्स, क्रिप्टो ट्रेडिंग, और अधिक — लाइव हैं या प्रोग्रेस में हैं।
सभी केस स्टडी देखें →