मैंने अपने एआई को एक टू-डू लिस्ट दी। इसने वाकई उसे पूरा किया।

मैंने अपने एआई को एक टू-डू लिस्ट दी। इसने वाकई उसे पूरा किया।

---

मैं दो साल से चैटबॉट्स से बात कर रहा हूँ। ज्यादातर वे बस जवाब देते हैं। कभी-कभी वे ग्लू पिज़्ज़ा की रेसिपी हलूसिनेट कर देते हैं। शायद ही कभी वे कुछ *करते* हैं।

पिछले मंगलवार को, मैंने एक ऐसे एजेंट को देखा जिसे मैंने बनाया था, वह मेरे ईमेल में लॉग इन हुआ, तीन अनपेड इनवॉयस ढूंढे, पेमेंट लिंक के साथ रिप्लाई ड्राफ्ट किए, और अगले हफ्ते के लिए फॉलो-अप शेड्यूल कर दिए। पहले प्रॉम्प्ट के बाद कोई प्रॉम्प्ट नहीं। कोई हाथ पकड़कर चलाने की जरूरत नहीं। मैं कॉफी पीने चला गया। इसने काम कर दिया।

वही वह पल था जब बात समझ आई: हम अब बेहतर चैटबॉट नहीं बना रहे। हम ऐसे सहकर्मी बना रहे हैं जिन्हें नींद की जरूरत नहीं।

चैटबॉट का जाल

शर्मनाक हिस्सा यह है: मैंने छह महीने जटिल प्रॉम्प्ट चेन बनाने में बिताए। "तुम एक सीनियर एनालिस्ट हो। पहले, डॉक्यूमेंट पढ़ो। फिर, प्रमुख मेट्रिक्स निकालो। फिर, सारांश लिखो। फिर, गलतियों की जाँच करो।"

यह लगभग 60% समय काम करता था। बाकी 40%? मॉडल स्टेप दो भूल जाता, एक मेट्रिक हलूसिनेट कर देता, या आत्मविश्वास से उस डॉक्यूमेंट का सारांश दे देता जिसे उसने कभी पढ़ा ही नहीं। मैं और निर्देश जोड़ता। यह और बिगड़ जाता। क्लासिक डिमिनिशिंग रिटर्न्स।

समस्या मॉडल नहीं है। यह आर्किटेक्चर है। एक सिंगल प्रॉम्प्ट एक मोनोलॉग है। असली काम एक डायलॉग है — खुद से, टूल्स से, डेटा से, दूसरे लोगों से।

ग्राफ़ का प्रवेश

मैं ग्राफ़-आधारित ऑर्केस्ट्रेशन में लगभग दुर्घटनावश पहुँचा। एक दोस्त ने रात 11 बजे एक गिटहब रेपो भेजा जिसका सब्जेक्ट था "इसने एजेंट्स के बारे में मेरी सोच बदल दी।" मैं सुबह 3 बजे तक नहीं सोया।

अंतर्दृष्टि बेवकूफी भरी सरल है: एक बड़े प्रॉम्प्ट के बजाय, आप एक स्टेट मशीन बनाते हैं। नोड्स काम करते हैं — एपीआई कॉल करते हैं, डेटाबेस क्वेरी करते हैं, कोड लिखते हैं, इंसान से पूछते हैं। एज तय करते हैं कि आगे क्या होगा, जो अभी हुआ उस आधार पर। ग्राफ़ *याद रखता है* कि वह कहाँ है।

मेरा पहला असली टेस्ट: खर्च रिपोर्टिंग। मुझे खर्च रिपोर्टिंग से नफरत है। आपको भी नफरत है। सबको नफरत है।

पुराना तरीका: मैं रसीदें एक फोल्डर में डाल देता। तिमाही घबराहट। मैन्युअल एंट्री। टाइपो। खारिज दावे।

नया तरीका: मैं एक रसीद एक स्लैक बॉट को फॉरवर्ड करता हूँ। ग्राफ़ जागता है। OCR नोड मर्चेंट, तारीख, रकम निकालता है। कैटेगराइज़ेशन नोड मेरे इतिहास से जाँचता है — "यह क्लाइंट डिनर जैसा लगता है, पिछली बार आपने इसे मील्स एंड एंटरटेनमेंट में कोड किया था।" पॉलिसी नोड लिमिट चेक करता है। अप्रूवल नोड मेरे मैनेजर को स्लैक में पिंग करता है वन-क्लिक अप्रूव बटन के साथ। अकाउंटिंग नोड क्विकबुक्स में पुश करता है। डन नोड PDF आर्काइव करता है।

तीन मिनट। जीरो टाइपिंग। मेरे मैनेजर ने SFO में टैक्सी लाइन से एक अप्रूव किया।

वह मेमोरी जो LLM नहीं है

यहाँ वह बात है जो कोई नहीं बताता: मेरे एजेंट सिस्टम का सबसे स्मार्ट हिस्सा LLM को बिल्कुल कॉल नहीं करता।

यह एक की-वैल्यू स्टोर है वर्जन्ड स्नैपशॉट्स के साथ। हर नोड स्टेट पढ़ता है, स्टेट लिखता है। ग्राफ़ जानता है *क्यों* उसने तीन स्टेप पहले एक फैसला लिया क्योंकि स्टेट ऑब्जेक्ट रसीद को साथ लिए चलता है। कोई कॉन्टेक्स्ट विंडो स्टफिंग नहीं। कोई "मुझे याद दिलाओ हम क्या कर रहे थे।" मेमोरी बस... डेटा स्ट्रक्चर है।

लागत: मिलीसेकंड्स। जीरो टोकन। अनंत कॉन्टेक्स्ट।

ट्रेड-ऑफ: आपको स्कीमा डिजाइन करनी होगी। आप बस "मॉडल को खुद तय करने दो" नहीं कह सकते। मैंने यह कठिन तरीके से सीखा जब मेरे ट्रैवल बुकिंग एजेंट ने पासपोर्ट नंबर को पहले स्ट्रिंग की तरह स्टोर करने की कोशिश की, फिर डिक्शनरी की तरह, फिर डिक्शनरी की लिस्ट की तरह — सब एक ही रन में। ग्राफ़ क्रैश नहीं हुआ। इसने बस गार्बेज आउटपुट दिया जब तक मैंने वैलिडेशन नहीं जोड़ा।

स्कीमा-फर्स्ट डिजाइन पहले धीमा लगता है। फिर आपको एहसास होता है कि यही वह चीज है जो आपको डीबग करने देती है कि एजेंट ने पिछले मंगलवार को कुछ बेवकूफी भरा *क्यों* किया।

ह्यूमन-इन-द-लूप बग नहीं है

सबसे बड़ा माइंडसेट शिफ्ट: रुकना *एक फीचर है*।

मेरे पहले एजेंट पूरी तरह ऑटोनॉमस बनने की कोशिश करते थे। वे गलत फ्लाइट बुक कर देते, गलत क्लाइंट को ईमेल कर देते, गलत डेटाबेस डिलीट कर देते। "तेजी से बढ़ो और चीजें तोड़ो" प्रोटोटाइप के लिए ठीक है। प्रोडक्शन के लिए विनाशकारी है।

अब हर हाई-स्टेक नोड में एक `interrupt_before` फ्लैग है। ग्राफ़ रुकता है। मुझे एक स्लैक मैसेज भेजता है: "यह कॉन्ट्रैक्ट लीगल को भेजने वाला हूँ। कन्फर्म?" मैं फोन पर "हाँ" टैप करता हूँ। ग्राफ़ जारी रहता है।

यह ऑटोनॉमी की विफलता नहीं है। यह *कैलिब्रेटेड* ऑटोनॉमी है। एजेंट 90% काम करता है — रिसर्च, ड्राफ्टिंग, फॉर्मेटिंग, चेकिंग — और उस 10% के लिए पूछता है जो मायने रखता है।

प्रो टिप: इंटरप्ट मैसेज को एक्शनेबल बनाएं। "कन्फर्म?" बेकार है। "कॉन्ट्रैक्ट v3 legal@company.com पर भेजें? बदलाव: लायबिलिटी कैप 500k तक बढ़ाई, टर्म 24 महीने तक बढ़ाया। [हाँ] [नहीं] [संपादित करें]" — इससे सेकंड में जवाब मिलता है।

फेल्योर मोड्स जो मैंने जमा किए हैं

मुझे आपका कुछ दर्द बचाने दें।

**अनंत लूप।** नोड A नोड B को कॉल करता है जो नोड A को कॉल करता है। ग्राफ़ टाइमआउट तक चलता है। फिक्स: स्टेट में स्टेप काउंटर जोड़ें। हार्ड लिमिट: 50 स्टेप। लॉग करें जब 30 पर पहुँचें।

**साइलेंट फेल्योर।** API 500 लौटाता है। नोड एक्सेप्शन पकड़ता है, स्टेट में "error" लिखता है, जारी रहता है। डाउनस्ट्रीम नोड्स "error" स्ट्रिंग पर हलूसिनेट करते हैं। फिक्स: एरर नोड्स जो ग्राफ़ को *रोकते* हैं और आपको अलर्ट करते हैं। एरर को डेटा न बनने दें।

**कॉन्टेक्स्ट ड्रिफ्ट।** तीन घंटे का वर्कफ्लो। यूजर मिनट 45 में जरूरतें बदलता है। ग्राफ़ पुराना प्लान चलाता रहता है। फिक्स: अपने इनपुट्स को वर्जन दें। हर प्रमुख नोड पर चेक करें: "क्या रिक्वेस्ट बदली है?" अगर हाँ, तो रीप्लान करें।

**टूल स्प्रॉल।** 47 नोड्स। 12 एक्सटर्नल API। कोई फ्लो नहीं समझता। फिक्स: ग्राफ़ विजुअलाइज़ करें। प्रिंट करें। दीवार पर लगाएं। अगर आप इसे 30 सेकंड में नहीं समझा सकते, तो यह बहुत जटिल है।

मैं आगे क्या बना रहा हूँ

तिमाही प्लानिंग एजेंट। हर सोमवार, यह मेरा कैलेंडर, नोशन नोट्स, गिटहब एक्टिविटी, स्लैक बातचीत खींचता है। एक ड्राफ्ट साप्ताहिक प्लान बनाता है। टकराव दिखाता है। फोकस ब्लॉक्स सुझाता है। मैं अप्रूव करता हूँ। यह समय ब्लॉक करता है, टास्क बनाता है, लो-प्रायोरिटी मीटिंग्स डिक्लाइन करता है।

टैक्स एजेंट। साल भर। हर ट्रांजैक्शन रियल-टाइम में कैटेगराइज़। तिमाही अनुमान ऑटो-कैलकुलेट। वे डिडक्शन ढूंढता है जो मैं मिस करता हूँ। जरूरत पड़ने पर एक्सटेंशन फाइल करता है। (अभी यह टेस्ट कर रहा हूँ। IRS पेनल्टी वह डिबगिंग एनवायरनमेंट नहीं है जो मैं चाहता हूँ।)

कोड रिव्यू एजेंट। "LGTM" बॉट नहीं। असली रिव्यू: PR खींचता है, टेस्ट चलाता है, स्टाइल गाइड चेक करता है, वेरिफाई करता है कि टिकट इम्प्लीमेंटेशन से मैच करते हैं, रीफैक्टर सुझाता है, *तुच्छ मुद्दों के लिए फिक्स लिखता है*। मैं इसके रिव्यू को रिव्यू करता हूँ।

2026 की भविष्यवाणियाँ

**एजेंट डैशबोर्ड की जगह लेंगे।** आप चार्ट नहीं देखेंगे। आप पूछेंगे "चर्न क्यों बढ़ा?" और एक एजेंट वेयरहाउस क्वेरी करेगा, सपोर्ट टिकट्स से कोरिलेट करेगा, डिप्लॉयमेंट लॉग चेक करेगा, और आपको सबूत के साथ एक नैरेटिव दे देगा। 30 सेकंड में।

**पर्सनल एजेंट नेटवर्क।** आपका कैलेंडर एजेंट मेरे कैलेंडर एजेंट से नेगोशिएट करेगा। कोई बैक-एंड-फॉर्थ ईमेल नहीं। वे ऑप्टिमल स्लॉट ढूंढेंगे, कमरे बुक करेंगे, डाइटरी रेस्ट्रिक्शन के हिसाब से लंच ऑर्डर करेंगे, इनवाइट भेजेंगे। आप बस पहुँच जाएँ।

**एजेंट मार्केटप्लेस।** ऐप स्टोर नहीं। *स्किल* स्टोर। "टैक्स फाइलिंग स्किल इंस्टॉल करें।" "वेंडर नेगोशिएशन स्किल इंस्टॉल करें।" स्किल्स कम्पोजेबल ग्राफ़ हैं स्टैंडर्ड इंटरफेस के साथ। आप उन्हें लेगो की तरह मिक्स एंड मैच करते हैं।

**"प्रॉम्प्ट इंजीनियरिंग" की जॉब टाइटल के रूप में मौत।** यह बन जाता है "एजेंट आर्किटेक्चर।" स्किल परफेक्ट वाक्य गढ़ना नहीं है। यह सही ग्राफ़ डिजाइन करना है: कहाँ रुकना है, क्या याद रखना है, कैसे ग्रेसफुली फेल होना है, कब पूछना है।

**रेगुलेशन आएगा।** पहला मुकदमा: "आपके एजेंट ने मेरी ओर से बिना ऑथराइजेशन के एक बाध्यकारी कॉन्ट्रैक्ट साइन कर दिया।" मिसाल: एजेंट्स को एक्सप्लिसिट डेलिगेशन स्कोप चाहिए। ऑडिट ट्रेल्स अनिवार्य हो जाएँगे। मेरे ग्राफ़ के वर्जन्ड स्टेट स्नैपशॉट अचानक कम्प्लायंस गोल्ड जैसे दिखने लगेंगे।

असहज सच

एजेंट बनाना प्रॉम्प्टिंग से कठिन है। आप निर्देश नहीं लिख रहे। आप सॉफ्टवेयर लिख रहे हैं — फंक्शन्स के बजाय ग्राफ़ के साथ, वेरिएबल्स के बजाय स्टेट के साथ, LLMs को *कंपोनेंट्स* की तरह इस्तेमाल करके पूरे सिस्टम के बजाय।

लेकिन फायदा असममित है। एक प्रॉम्प्ट आपको मिनट बचाता है। एक एजेंट आपको घंटे बचाता है, हमेशा के लिए। पहला एक वीकेंड लेता है। दसवाँ एक दोपहर लेता है। सौवाँ? आप गिनना बंद कर देते हैं।

मेरे खर्च एजेंट ने जनवरी से 347 रसीदें प्रोसेस की हैं। मैंने उनमें से ठीक तीन को देखा है। सभी तीन एज केस थे जिन्हें इसने सही तरीके से फ्लैग किया।

यही लक्ष्य है। "AI सब कुछ करे" नहीं। AI *उबाऊ* सब कुछ करे। आप दिलचस्प चीजें करें।

---

FAQ

**क्या मुझे ग्राफ़ थ्योरी जानने की जरूरत है?**
नहीं। आपको स्टेट मशीन जानने की जरूरत है। अगर आपने रिडक्स रिड्यूसर या व्यूएक्स स्टोर बनाया है, तो आप पहले से समझते हैं। नोड्स = रिड्यूसर। एज = एक्शन रूटिंग। स्टेट = द स्टोर।

**लर्निंग कर्व क्या है?**
वीकेंड में पहला काम करने वाला एजेंट। महीने में प्रोडक्शन-रेडी। कठिन हिस्सा फ्रेमवर्क नहीं है — यह ग्राफ़ में सोचना सीखना है प्रॉम्प्ट्स के बजाय।

**क्या मैं इसे लोकल मॉडल्स के साथ इस्तेमाल कर सकता हूँ?**
हाँ। ग्राफ़ को परवाह नहीं कि आप कौन सा LLM प्लग करते हैं। मैं कुछ नोड्स 7B मॉडल पर लोकली चलाता हूँ, दूसरों को बड़े क्लाउड मॉडल पर। कॉस्ट ऑप्टिमाइजेशन बस एक और नोड है।

**मैं एक चलते हुए एजेंट को कैसे डीबग करूँ?**
रीप्ले। हर रन एक ट्रेस बनाता है: इनपुट्स, नोड आउटपुट्स, स्टेट चेंज, टाइमिंग। आप किसी भी स्टेप को मॉडिफाइड इनपुट्स के साथ रीप्ले कर सकते हैं। यह फ्री में टाइम-ट्रैवल डीबगिंग है।

**क्या यह सिर्फ डेवलपर्स के लिए है?**
फिलहाल, हाँ। लेकिन विजुअल बिल्डर आ रहे हैं। छह महीने में, प्रोडक्ट मैनेजर ड्रैग-एंड-ड्रॉप से एजेंट वर्कफ्लो बनाएँगे। अभी सीखना शुरू करें — जब वे आएँगे तो आप एक्सपर्ट होंगे।

**शुरुआती लोग सबसे बड़ी गलती क्या करते हैं?**
सब कुछ के लिए एक विशाल ग्राफ़ बनाने की कोशिश करना। छोटे, सिंगल-पर्पस ग्राफ़ बनाएं। उन्हें कम्पोज करें। एक ग्राफ़ जो खर्च *और* यात्रा *और* कैलेंडर करता है, एक बुरा सपना है। तीन