Skip to content

Claude Code के साथ डेवलप करना: TypeSafe Agent Skill ​

पिछले तीन पाठों में चार आधिकारिक आर्किटेक्चर पैटर्न पूरी तरह तोड़ दिए गए: समानांतर प्रश्न और स्पेक्युलेटिव फैन-आउट, स्मार्ट राउटिंग, कंपोजिट स्कोरिंग। चरण परिचय में कहा गया था कि पाठ 4 आखिरी समस्या हल करेगा: यह कोड कौन लिखेगा।

आधिकारिक जवाब: आपका coding agent लिखेगा—बशर्ते आप उसे TypeSafe Agent Skill से सुसज्जित करें, एक आधिकारिक skill जो TypeSafe के प्रश्न-प्रकार, आर्किटेक्चर पैटर्न और अनुरोध लिखने के तरीके को agent के वर्कफ़्लो में पैक करता है। यह पाठ साथ ही एक लोकप्रिय गलतफ़हमी भी तोड़ता है: Jev को Claude Code के पीछे के मॉडल को बदलने के लिए नहीं इस्तेमाल किया जाता। कुल 10 मिनट।

पाठ पूरा करने के बाद आप क्या कर सकेंगे ​

  • दो कमांड से Claude Code में TypeSafe Agent Skill इंस्टॉल करना, अन्य agent (Codex आदि) के लिए एक npx कमांड, और अपडेट तथा ऑटो-अपडेट का तरीका बताना
  • आधिकारिक उदाहरण prompt से agent चलाना: प्रोजेक्ट एक्सप्लोर करके इंटीग्रेशन पॉइंट ढूंढना, अपनी API key से सस्ते प्रयोग चलाना, आधिकारिक cookbook से मिलाकर रिफ़ैक्टरिंग योजना देना — 3 आधिकारिक उदाहरण prompt
  • Jev और coding agent की भूमिका स्पष्ट करना: agent कोड लिखता है, Jev कोड के अंदर निर्णय करता है—agent के पीछे के मॉडल को Jev से बदलने वाली कोई कॉन्फ़िगरेशन मौजूद नहीं है
  • 「प्रश्न और थ्रेशोल्ड एक ही फ़ाइल में」 के अनुसार Jev इंटीग्रेशन व्यवस्थित करना, ताकि agent का आउटपुट समीक्षा योग्य और सहयोग से संशोधन योग्य हो
  • आधिकारिक 5 आम समस्याओं की ट्रबलशूटिंग पथ से खराबी का पता लगाना: skill लोड न होना, फ़ील्ड बना देना, राउटिंग अपेक्षा के अनुरूप न होना……

आपकी अभी की दुविधा ​

  • मैंने Claude Code से प्रोजेक्ट में Jev जोड़ने को कहा, उसने दस्तावेज़ नहीं पढ़ा और तुरंत लिखने लगा: फ़ील्ड के नाम बनाए हुए थे (जैसे Noul के जवाब में .confidence पढ़ना—Noul में ऐसा कोई फ़ील्ड है ही नहीं), चलाते ही एरर आ गया। मैंने आधा पेज दस्तावेज़ चिपका दिया, तो वह एक जगह ठीक करके दूसरी जगह फिर बनाने लगा
  • मुझे Jev की「तेज़ और सस्ता, जवाब के साथ संभावना」 वाली बात पसंद है, प्रोजेक्ट में इंटीग्रेशन पॉइंट ढूंढना चाहता हूँ, लेकिन आधिकारिक दस्तावेज़ सौ से ज़्यादा पेज का है, पता नहीं agent को कहाँ से पढ़ना शुरू करवाऊँ; खुद चुन-चुनकर prompt में अनुवाद करता हूँ, तो हमेशा कोई अहम नियम छूट जाता है
  • agent के लिखे questions को लाइव करने का मन नहीं करता: विकल्पों के विवरण अस्पष्ट, एक प्रश्न में तीन निर्णय ठूँसे हुए, थ्रेशोल्ड मनमर्जी से हार्डकोडेड। कोड चल जाता है, जवाब स्थिर नहीं; review के समय प्रश्न की परिभाषा पाँच फ़ाइलों में बिखरी होती है, छानना नामुमकिन

यह तरीका कब इस्तेमाल करें ​

जब आपको चाहिए:

  • Claude Code, Codex जैसे agent से सीधे सही Jev कॉल कोड लिखवाना—हर बार दस्तावेज़ कॉन्टेक्स्ट में चिपकाए बिना
  • मौजूदा प्रोजेक्ट में व्यवस्थित जाँच: कौन-से जटिल पार्सिंग, कीवर्ड सूचियाँ, नाज़ुक ह्यूरिस्टिक्स एक टाइप्ड प्रश्न से बदले जा सकते हैं
  • agent से असली API पर प्रयोग करके प्रश्न की शब्दावली सत्यापित करवाना, न कि मनगढ़ंत दावा करना कि「चल जाएगा」

और आप नहीं चाहते:

  • दस्तावेज़ हाथ से फीड करना: context खर्च होता है, और पूरा फीड भी नहीं होता
  • agent द्वारा बनाए गए फ़ील्ड और पुराने (expired) उपयोग को बार-बार सुधारना
  • ऐसा integration कोड पाना जिसमें problem definition इधर-उधर बिखरी हो, जिसे कोई review न कर सके

यही वह उपयोग-परिदृश्य है जो SKILL.md में लिखा है: TypeSafe को कॉल करने वाले कोड को बनाते, समीक्षा करते या डीबग करते समय; "LLM prompt और फिर parse", कीवर्ड मैचिंग या नाज़ुक ह्यूरिस्टिक्स को टाइप किए गए प्रश्नों से बदलते समय; या यह ब्रेनस्टॉर्म करते समय कि "प्रोग्रामेबल कॉमन सेंस" आपके एप्लिकेशन में कहाँ फ़िट हो सकता है।

🎒 शुरू करने से पहले की तैयारी ​

  • कुशल workflow stage guide पढ़ चुके हैं: पता है कि यह पाठ इस stage का 4वाँ पाठ है, जो “कोड कौन लिखेगा” समस्या हल करता है
  • Claude Code इंस्टॉल है, या आप जो भी दूसरा coding agent उपयोग करते हैं (Codex, Cursor, opencode आदि) — यह पाठ agent के इंस्टॉलेशन का तो नहीं सिखाता
  • चरण 4 का experiment चलाना चाहते हैं: पहला request पाठ वाला TYPESAFE_API_KEY अभी भी काम करता है; नहीं है तो console.typesafe.ai/keys पर जाकर एक बना लें
  • हो सके तो पास एक real project रखें — चरण 3 का example prompt आपके agent से आपके कोड का analysis करवाने के लिए ही है

मूल विचार ​

पहले Jev की जगह साफ़ कर लें। आधिकारिक coding-agents दस्तावेज़ में शुरुआत में ही साफ़ कहता है: Jev, Claude Code, Cursor, opencode, Copilot, Muse Spark, Grok Bot या ऐसे ही टूल्स के पीछे वाले LLM का direct replacement नहीं है; आप coding agent को वैसे ही इस्तेमाल करते हैं, बस उसे "Jev को decision के लिए call करने वाला" कोड लिखने देते हैं।

Jev एक System One decision model है: यह text generate नहीं करता, कोड नहीं लिखता, conversation नहीं करता, सिर्फ typed questions के जवाब देता है। Official शब्द: model: "jev-latest" जैसी कोई config मौजूद नहीं है जो आपके coding agent को Jev-driven agent बना दे — दोनों systems अलग-अलग समस्याएँ solve करते हैं।

तो TypeSafe Agent Skill में आख़िर है क्या? यह model बदलना नहीं है, बल्कि agent को context देना है। Official skill की definition: coding agent को TypeSafe API का पूरा context देना — question types, architecture patterns, requests organize करने की best practices। साथ में एक “live docs guide”: SKILL.md agent को साफ़ कहता है कि docs.typesafe.ai को request syntax, SDK, limits का source of truth माने, न कि training memory पर भरोसा करे।

तुलना का आयामskill नहीं लगा agentskill लगा agent
API फ़ील्डmemory से लिखता है, फ़ील्ड के नाम बनाए हुए हो सकते हैंofficial question types के अनुसार लिखता है; शक हो तो live docs देखता है
समस्या का डिज़ाइनएक prompt में सभी judgments ठूँसना, JSON आउटपुट करके parse करनाएक प्रश्न, एक judgment; उत्तर type-आधारित, कोड सीधे branch करता है
आर्किटेक्चरजहाँ सोचा वहीं लिख देनाआधिकारिक पैटर्न के अनुसार संगठित: parallel प्रश्न, gating, संयुक्त scoring
सत्यापन का तरीकायह दावा करना कि «यह चल जाएगा»API का वास्तविक परीक्षण, हर case का payload संरक्षित रखना

skill agent को सिखाने वाला मूल दर्शन: judgment Jev को दो, निर्णय कोड में रखो। SKILL.md हर निर्णय को एक truth table मानता है: Jev इनपुट देता है («क्या customer निराश सुनाई दे रहा है?», «यह संदेश किस product के बारे में है?»), और इनपुट को action से map करने वाला logic कोड रखता है। इसके विपरीत, ऐसे प्रश्न जो Jev से सीधे निर्णय लेते हैं («क्या यह ticket escalate होना चाहिए?», «agent का अगला कदम क्या होना चाहिए?») बताते हैं कि प्रश्न गलत परत पर पूछा जा रहा है — निर्णय को उन judgments में तोड़ो जिन पर वह निर्भर है, निर्णय स्वयं कोड में लिखो, जो दिखता है, जाँचा जा सकता है। पिछले तीन पाठों का कोड पूरी तरह इसी रूप का है: Jev intent और complexity देता है, if/elif routing तय करता है।

अगर आप किसी अलग अपेक्षा के साथ आए हैं, तो आधिकारिक रूप से एक तुलना तालिका भी दी गई है:

आप मूल रूप से चाहते थे…सही तरीका
coding agent को TypeSafe कॉल लिखने में बेहतर बनानाTypeSafe agent skill इंस्टॉल करना (यह पाठ)
अपने बनाए ऐप में Jev को routing, classification, scoring, guardrails के लिए उपयोग करनापहले request से शुरू करें, पैटर्न के लिएइस चरण के पिछले तीन पाठ देखें
coding agent के पीछे का model बदलनाJev यह काम नहीं है। LLM coding agent को बनाए रखें, और जहाँ product को तेज़, calibrated, structured निर्णय चाहिए वहाँ Jev को अलग से उपयोग करें
कोड लिखे बिना पहले आज़माना JevPlayground खोलें (console.typesafe.ai/playground), state और प्रश्न paste करें

मेरे साथ करें ​

चरण 1: TypeSafe Agent Skill इंस्टॉल करना ​

क्यों: जब agent ने TypeSafe दस्तावेज़ नहीं पढ़े होते, तो वह केवल training की स्मृति से कॉल लिखता है और field names में गलती करना आसान है। skill आधिकारिक integration अनुभव को agent के workflow में एक बार में स्थापित कर देता है, और बाद के सभी चरण इसी पर बनते हैं।

तरीका A (अनुशंसित): Claude Code plugin ​

bash
claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

आपको यह देखना चाहिए: दोनों कमांड सामान्य रूप से पूरी हों, कोई त्रुटि न हो। आधिकारिक दस्तावेज़ में कोई ठोस आउटपुट टेक्स्ट नहीं दिया गया है; इंस्टॉल हुआ या नहीं, इसका निर्णय अगले चरण के सत्यापन पर आधारित होगा।

तरीका B: अन्य agent (Codex आदि, skills.sh के ज़रिए) ​

bash
npx skills add typesafe-ai/skills --skill typesafe-ai

संकेत के अनुसार अपना उपयोग किया जा रहा agent चुनें। डिफ़ॉल्ट रूप से वर्तमान प्रोजेक्ट में इंस्टॉल होता है; वैश्विक स्तर पर उपलब्ध कराने के लिए -g जोड़ें।

तरीका C: agent को स्वयं इंस्टॉल करने दें ​

यह आधिकारिक prompt agent को जस का तस पेस्ट करें; वह स्वयं वातावरण का आकलन करके निष्पादित करेगा:

text
Install the TypeSafe skill. If you're in Claude Code, run `claude plugin marketplace add typesafe-ai/skills`, then `claude plugin install typesafe@typesafe-ai`. If you're in another agent, run `npx skills add typesafe-ai/skills --skill typesafe-ai` and select your agent. Use one installation method. You can read the skill directly at https://github.com/typesafe-ai/skills/blob/main/skills/typesafe-ai/SKILL.md (raw: https://raw.githubusercontent.com/typesafe-ai/skills/main/skills/typesafe-ai/SKILL.md). Then use the TypeSafe skill when working on this project.

⚠️ केवल एक ही तरीका चुनें

आधिकारिक रूप से स्पष्ट रूप से चेतावनी दी गई है: कई तरीकों का मिश्रण डुप्लिकेट कॉपीज़ (duplicate copies) पैदा करेगा। मैन्युअल इंस्टॉल करने पर, skills/typesafe-ai पूरी डायरेक्टरी (संदर्भ फ़ाइलों सहित) agent की skills डायरेक्टरी में कॉपी करें।

  • मैंने केवल एक ही इंस्टॉल तरीका उपयोग किया

चरण 2: नाम लेकर कॉल करें, पुष्टि करें कि skill लोड हो गया है ​

क्यों: इंस्टॉल हो जाना ≠ agent स्वयंभू रूप से उपयोग करेगा। आधिकारिक उपयोग विधि है "prompt में नाम लेना" — "use the TypeSafe skill" कहना किसी भी agent में काम करता है; Claude Code प्लगइन सीधे कमांड भी कॉल कर सकता है।

Claude Code में इनपुट करें:

text
/typesafe:typesafe-ai

या अन्य agent को दिए जा रहे संदेश में लिखें:

text
Use the TypeSafe skill when working on this project.

आपको यह देखना चाहिए: agent की प्रतिक्रिया में TypeSafe संदर्भ दिखाई दे — state, questions, Choice/Score/Noul जैसे प्रश्न-प्रकारों का उल्लेख, या स्वयं docs.typesafe.ai के live दस्तावेज़ पढ़ने की पहल। SKILL.md live docs को अनुरोध सिंटैक्स और सीमाओं का तथ्य-स्रोत निर्धारित करता है; skill इंस्टॉल करने वाला agent पहले जाँच करके फिर लिखेगा, न कि तुरंत गढ़ने लगेगा।

लोड नहीं हुआ? आधिकारिक रूप से दो चरणों में समस्या निवारण: पुष्टि करें कि इंस्टॉल कमांड ने उसी agent के लिए इंस्टॉल किया है जिसका आप उपयोग कर रहे हैं (तरीका B में इंस्टॉल के समय चयन का संकेत मिलता है) → agent को पुनर्प्रारंभ करके दोबारा प्रयास करें।

  • agent के उत्तर में प्रश्न-प्रकार / state / questions का संदर्भ है, मनमानी कल्पना नहीं

चरण 3: आधिकारिक उदाहरण prompt से agent को प्रोजेक्ट में एकीकरण बिंदु खोजने दें ​

क्यों: सबसे अच्छी शुरुआत यह नहीं कि आप agent को बताएं कि Jev कहाँ जोड़ना है, बल्कि यह कि skill युक्त agent स्वयं खोजे। आधिकारिक रूप से इसे "a good prompt to start with" के रूप में सूचीबद्ध किया गया है।

अपने प्रोजेक्ट डायरेक्टरी में, यह agent को भेजें (आधिकारिक मूल पाठ):

text
Using the TypeSafe skill, explore the project and find opportunities for using
intelligent judgement to stand in for complex parsing or other fragile code.

आपको यह देखना चाहिए: agent कोड स्कैन करे, नाज़ुक पार्सिंग, कीवर्ड सूचियों और ह्यूरिस्टिक नियमों की स्थिति बताए, और सुझाव दे कि किन्हें "टाइप किए गए प्रश्न + कोड निर्णय" से बदला जा सकता है।

सुझाव की गुणवत्ता का मापदंड मूल विचार का वही ट्रुथ टेबल है: अच्छा सुझाव ऐसा होता है — "यहाँ एक Choice / Noul जोड़ें, कोड उत्तर के अनुसार शाखित हो"; यदि agent सुझाव दे कि "Jev को तय करने दें कि टिकट एस्केलेट करना है या नहीं", तो इसका मतलब है निर्णय मॉडल को सौंप दिया गया — SKILL.md स्पष्ट रूप से कहता है कि ऐसा प्रश्न गलत परत पर पूछा गया है; इसे judgments में तोड़कर फिर बदलवाएँ।

  • agent का सुझाव "निर्णय जोड़ो, कोड शाखित हो" के रूप में है, "Jev को निर्णय करने दो" नहीं

चरण 4: agent को सस्ते प्रयोग चलाने और cookbook से मिलाकर रिफैक्टरिंग योजना सुझाने दें ​

क्यों: स्थान ढूंढना सिर्फ एक योजना है। skill वर्कफ़्लो का चरण 3 है 「probe the live API」——समस्या की शब्दावली को वास्तविक अनुरोधों से सत्यापित करना, जब तक ऐप्लिकेशन अपेक्षित रूप से व्यवहार न करे। आधिकारिक रूप से दो तैयार prompt दिए गए हैं।

पहले key export करें (अगर नहीं है तो console.typesafe.ai/keys पर जाकर बनाएं):

bash
export TYPESAFE_API_KEY="<你的API Key>"

प्रयोग prompt (आधिकारिक मूल पाठ):

text
Using the TypeSafe skill, run some experiments using the TypeSafe API key that I've
exported to `TYPESAFE_API_KEY`. Propose changes based on the most promising results.

आपको यह दिखना चाहिए: agent पहले आपसे अनुमति मांगेगा——SKILL.md इसे अनिवार्य करता है कि वह पहले सहमति ले, बताए कि कौन सा डेटा भेजा जाएगा (विशेषकर व्यक्तिगत या गोपनीय डेटा), घोषणा करे कि आपकी key का उपयोग होगा, और तभी परीक्षण अनुरोध भेजे। परीक्षण में प्रतिनिधि मामले + कठिन मामले + उत्तर 「नहीं」 वाले नकारात्मक उदाहरण शामिल होंगे, प्रत्येक मामले का पूरा अनुरोध payload सुरक्षित रखा जाएगा, और अंत में सबसे आशाजनक परिणामों के आधार पर बदलाव प्रस्तावित किए जाएंगे।

फिर agent को आधिकारिक cookbook से refactor के अवसर ढूंढने के लिए कहें (आधिकारिक मूल पाठ):

text
Using the TypeSafe skill, analyze my code and see if there are any applicable
cookbooks (https://docs.typesafe.ai/cookbooks) that show how I could
refactor my code to be less fragile or complex.

आपको यह दिखना चाहिए: agent आपके कोड से मिलते-जुलते आधिकारिक cookbook की ओर इशारा करेगा——जैसे नाजुक ईमेल/फ़ोन निकालने के लिए pre-parsed value extraction, जटिल dispatch लॉजिक के लिए intent routing——और cookbook पैटर्न के अनुसार refactor की योजना देगा। इन cookbook का पूरा क्रियान्वयन अगले चरण कापरिदृश्य व्यवहार है।

💡 प्रयोग बजट और सुरक्षा

SKILL.md के मूल शब्द: TypeSafe बहुत सस्ता है, थोड़े बजट से बहुत दूर तक चल सकते हैं (a little can go a very long way)। agent को एक प्रयोग बजट की ऊपरी सीमा दें, और पुष्टि करें कि उसका निष्पादन वातावरण API endpoint तक पहुंच सकता है। प्रोडक्शन कोड में लिखते समय, skill के एकीकरण नियम यह मांगते हैं कि key सर्वर साइड पर ही रहे।

  • agent ने अनुरोध भेजने से पहले मुझसे अनुमति ली, और बताया कि कौन सा डेटा भेजा जाएगा

चरण 5: प्रश्नों और थ्रेशहोल्ड को एक फ़ाइल में रखें, मानव समीक्षा को सौंपें ​

क्यों: agent कोड जल्दी लिखता है, लेकिन आधिकारिक रूप से चेतावनी दी गई है 「Agents aren't great at writing questions」——समस्या की शब्दावली, विकल्पों का विवरण और सीमाएं एकीकरण के वे हिस्से हैं जिनमें सबसे ज़्यादा मानव निगरानी चाहिए, और समीक्षा में सबसे ज़्यादा बदलाव इन्हीं में होते हैं। एक फ़ाइल में केंद्रित करने से आपका और agent का सहयोगी संपादन एक ठोस आधार पाता है।

उदाहरण के लिएस्मार्ट राउटिंग पाठ की राउटिंग समस्याओं को questions.py में रखें (संरचना आधिकारिक पैटर्न पृष्ठ की शैली के अनुसार):

python
# questions.py —— 所有问题与阈值集中在这里;改措辞、调阈值只动这个文件
from typesafe_sdk import Choice, Score

ROUTING_QUESTIONS = {
    "intent": Choice(...),      # 完整定义见「智能路由」课第 1 步
    "complexity": Score(...),
}

# 阈值也收在这里:兜底线与各动作的风险阈值分开
CONFIDENCE_FLOOR = 0.5          # 分类兜底:低于它先转人工
TRANSFER_THRESHOLD = 0.85       # 高危动作:过了它才免确认自动执行

आधिकारिक चार सहयोग सिद्धांत (agent-skill.md 「Good vibe coding principles」):

  1. पहले agent के साथ योजना पर गहराई से बात करें——ऊपर दिए गए उदाहरण prompt को शुरुआती बिंदु के रूप में इस्तेमाल करें
  2. लागू करने से पहले, इंसान पहले योजना की समीक्षा करे और पुष्टि करे कि वह तर्कसंगत है
  3. स्थिरांक (समस्याएं और सीमाएं) समीक्षा की सुविधा के लिए एक जगह रखें; agent प्रश्न लिखने में कुशल नहीं है, अपेक्षा सहयोगी संपादन की है
  4. agent के दावों को तथ्य न मानें——उसे अपनी धारणाओं को सत्यापित करने के लिए प्रोत्साहित करें

आपको यह दिखना चाहिए: प्रोजेक्ट में एक अलग फ़ाइल है जिसमें सभी समस्या परिभाषाएं और सीमा स्थिरांक हैं। agent आगे बिज़नेस लॉजिक बदलते समय इसे नहीं छुएगा; समस्या की शब्दावली बदलते समय आप केवल इसी एक फ़ाइल का diff समीक्षा करेंगे।

  • समस्याएं और सीमाएं एक फ़ाइल में हैं; agent की प्रस्तावित योजना की मैं पहले समीक्षा करता हूं, फिर उसे काम करने देता हूं

चेकपॉइंट ✅ ​

  • मैं बता सकता हूं कि Jev coding agent में कहां स्थित है: पर्दे के पीछे का मॉडल नहीं, बल्कि agent के लिखे कोड के भीतर का निर्णय इंजन
  • Claude Code में /typesafe:typesafe-ai से skill बुलाई जा सकती है; अन्य agent में "use the TypeSafe skill" नाम लेकर कहने से यह लागू होती है
  • तीन आधिकारिक उदाहरण prompt में से मैंने कम से कम एक चलाया है: एक्सेस पॉइंट खोजना / प्रयोग चलाना / cookbook से तुलना करना
  • प्रश्न और थ्रेशहोल्ड एक ही फ़ाइल में रखे गए हैं, शब्दावली बदलने पर सिर्फ़ उसी में बदलाव करें
  • जब agent फ़ील्ड गढ़ता है, मुझे पता है कि पहली प्रतिक्रिया skill को अपडेट करके दोबारा कोशिश करना है

आम गलतियों की चेतावनी ​

❌ skill इंस्टॉल किया, फिर भी agent इस्तेमाल नहीं करता ​

लक्षण: प्लगइन इंस्टॉल होने के बाद भी, agent Jev कोड लिखते समय अपनी मर्ज़ी से काम करता रहता है। आधिकारिक जाँच क्रम: Claude Code में सीधे /typesafe:typesafe-ai को कॉल करें; अन्य agent प्रॉम्प्ट में साफ़ लिखें "use the TypeSafe skill"। फिर भी न चले, तो पक्का करें कि इंस्टॉल करते समय चुना गया टारगेट agent ग़लत नहीं चुना गया, और फिर agent को रीस्टार्ट करें।

❌ agent अनुरोध/प्रतिक्रिया फ़ील्ड गढ़ता है ​

लक्षण: कोड में ऐसे फ़ील्ड दिखते हैं जो डॉक्यूमेंटेशन में नहीं हैं — जैसे Noul के उत्तर में .confidence पढ़ना, जबकि Noul में सिर्फ़ 0–1 रेंज का noul मान होता है। आधिकारिक निदान: skill पुरानी हो चुकी है (stale skill)। अपने इंस्टॉल तरीक़े से अपडेट करके दोबारा कोशिश करें:

bash
claude plugin marketplace update typesafe-ai
claude plugin update typesafe@typesafe-ai

फिर Claude Code को रीस्टार्ट करें या /reload-plugins चलाएँ। बेफ़िक्र रहना चाहें तो ऑटो-अपडेट चालू करें: /plugin → Marketplaces → typesafe-ai → Enable auto-update। skills.sh से इंस्टॉल किया हो तो npx skills update इस्तेमाल करें; मैन्युअली कॉपी किया हो तो पूरी डायरेक्टरी GitHub के नवीनतम वर्शन से बदल दें।

❌ परिणाम अपेक्षा के अनुरूप नहीं, पहले मॉडल पर शक करें ​

लक्षण: वर्गीकरण या रूटिंग में ग़लत निर्णय शुरू हो जाते हैं। आधिकारिक जाँच क्रम है पहले प्रश्न और थ्रेशहोल्ड जाँचें: थ्रेशहोल्ड बहुत ऊँचा होने से फ़ॉल्स निगेटिव (जो ऑटोमैटिक होना चाहिए था वह नहीं हुआ), बहुत कम होने से फ़ॉल्स पॉज़िटिव (जिस पर भरोसा नहीं था वह पास हो गया); उसके बाद प्रश्न को और ठोस बनाएँ। स्मार्ट रूटिंग पाठ की आम गलतियों की चेतावनी में विस्तार से बताया गया है।

❌ हर जगह confidence थ्रेशहोल्ड सेट करना ​

आधिकारिक अनुस्मारक: जब सिर्फ़ सर्वोत्तम विकल्प चुनने की चिंता हो, तो सीधे सबसे अधिक confidence वाला उत्तर ले लें; अगर किसी विशिष्ट सांख्यिकीय एल्गोरिद्म की ज़रूरत हो, तो probabilities का इस्तेमाल करना चाहिए। यह बात स्मार्ट रूटिंग पाठ में पहले ही विस्तार से बताई जा चुकी है, इसलिए दोहराते नहीं।

❌ agent द्वारा लिखा TypeSafe कोड समझ नहीं आता ​

लक्षण: review करते समय प्रश्न परिभाषाएँ पाँच फ़ाइलों में बिखरी मिलती हैं, थ्रेशहोल्ड का पूरा सेट ढूँढ़ने में काफ़ी समय चला जाता है। आधिकारिक सुझाव: इंसान को सबसे ज़्यादा जाँचने चाहिए प्रश्न की शब्दावली और थ्रेशहोल्ड कॉन्स्टेंट को; इन्हें एक कोड फ़ाइल में रखें, हर जगह खोजने की ज़रूरत नहीं — यही चरण 5 में किया गया काम है।

उन्नत तकनीकें (वैकल्पिक) ​

SKILL.md को स्वयं एक बार पढ़ें। skill एक 288 पंक्तियों की Markdown फ़ाइल है (MIT लाइसेंस, github.com/typesafe-ai/skills), जिसमें चार मुख्य हिस्से हैं: judgment और decision की परतें (truth table), state डिज़ाइन का "मानव परीक्षण" (केवल इस state को देखते हुए, क्या कोई समझदार व्यक्ति सहज रूप से जल्दी उत्तर दे सकता है), प्रश्न के शब्दावली नियम (एक प्रश्न में एक judgment; विकल्पों के नाम सामग्री का वर्णन करें, क्योंकि प्रश्न ID मॉडल को नहीं भेजा जाता), और उत्तर की व्याख्या (confidence शायद ही कभी gate के रूप में उपयोग होता है, Noul 0.7/0.3 प्रारंभिक threshold, Score वितरण देखें)। अधिकांश नियम पिछले पाठों में कवर किए जा चुके हैं (Noul, Confidence), बाकी में पूरा पढ़ने लायक "पीले झंडों की सूची" है।

"उत्तर गलत लग रहा है" की समस्या से निपटने के लिए skill की पाँच-चरणीय जाँच क्रम का उपयोग करें। SKILL.md द्वारा दिया गया जाँच क्रम: ① वास्तव में भेजा गया payload → ② क्या state मानव परीक्षण पास करता है → ③ क्या विकल्पों में वास्तव में सही उत्तर है → ④ क्या प्रश्न को और छोटा तोड़ा जा सकता है → ⑤ शब्दावली। सब जाँचने के बाद भी गलती हो, तो मॉडल की ज्ञात कमज़ोरियाँ देखें: Jev 1.13 ज्ञात कमज़ोरियों की मैनुअल।

"पीले झंडे" (prompt gymnastics) को पहचानें। आधिकारिक रूप से सूचीबद्ध पीले झंडे: किसी विशिष्ट परीक्षण आइटम के लिए hardcode किए गए criteria, हर असफल केस पर एक और clause जोड़ना, मॉडल की विचित्रताओं के लिए बहाने वाला caveat, विशिष्ट केस पर फ़िट किया गया threshold, सटीक probability का दावा करने वाले परीक्षण, चुपचाप उत्तर को override करने वाला कोड। ये "किसी विशिष्ट मान को पाने के लिए लिखी गई शब्दावली" नई input और अगले मॉडल संस्करण पर टूट जाती है; संरचनात्मक सुधार को प्राथमिकता दें — बेहतर state, स्वतंत्र प्रश्नों में तोड़ना, या कोड बदलना।

इस पाठ का सारांश ​

✅ TypeSafe Agent Skill को दो कमांड से Claude Code में इंस्टॉल करें (claude plugin marketplace add typesafe-ai/skills → claude plugin install typesafe@typesafe-ai); अन्य agent के लिए एक npx skills add; केवल एक ही तरीका चुनें, डुप्लिकेट प्रतियों से बचें।

✅ Jev और coding agent का विभाजन: agent कोड लिखता है, Jev कोड में निर्णय लेता है; कोई ऐसी model: "jev-latest" कॉन्फ़िगरेशन नहीं है जो agent को Jev-driven बना दे।

✅ तीन आधिकारिक उदाहरण prompt: प्रोजेक्ट का अन्वेषण कर एकीकरण बिंदु खोजना, TYPESAFE_API_KEY से सस्ते प्रयोग चलाना, cookbook से तुलना कर refactoring सुझाना।

✅ सहयोग सिद्धांत: योजना को पहले समीक्षित करें फिर लागू करें; प्रश्न और threshold एक ही फ़ाइल में रखें; agent प्रश्न लिखने में कुशल नहीं है, सहयोगी संपादन की अपेक्षा रखें; assertion को तथ्य न मानें।

✅ पाँच सामान्य समस्याओं की जाँच: लोड नहीं होता → नाम से संदर्भित करें / लक्ष्य जाँचें / पुनः प्रारंभ करें; फ़ील्ड गढ़ता है → skill अपडेट करें; अपेक्षा से मेल नहीं खाता → पहले threshold और प्रश्न जाँचें; केवल सर्वोत्तम चुनता है → threshold सेट न करें; समीक्षा कठिन → स्थिरांक केंद्रीकृत करें।

मुख्य कमांड का त्वरित संदर्भ:

आइटमकमांड / तरीकास्रोत
Claude Code इंस्टॉल करेंclaude plugin marketplace add typesafe-ai/skills → claude plugin install typesafe@typesafe-aidocs/agent-skill.md
अन्य agent इंस्टॉल करेंnpx skills add typesafe-ai/skills --skill typesafe-ai (प्रोजेक्ट-स्तर डिफ़ॉल्ट, -g वैश्विक)ऊपर के समान
Claude Code कॉल/typesafe:typesafe-ai (किसी भी agent के लिए सामान्य: "use the TypeSafe skill" नाम लेकर)ऊपर जैसा
प्लगइन अपडेटclaude plugin marketplace update typesafe-ai → claude plugin update typesafe@typesafe-ai, रीस्टार्ट करें या /reload-pluginsऊपर जैसा
skills.sh अपडेटnpx skills updateऊपर जैसा
ऑटो अपडेट/plugin → Marketplaces → typesafe-ai → Enable auto-updateऊपर जैसा
skill रिपॉजिटरीgithub.com/typesafe-ai/skills (MIT; 2026-11-03 सत्यापन: SKILL.md 288 पंक्तियाँ, ऑनलाइन से शब्दशः समान)रीयल-टाइम फ़ेच करके सत्यापन

अगले पाठ की झलक ​

चारों मोड का अभ्यास पूरा करने के बाद, agent आपके लिए कोड भी लिख सकता है। अगला पड़ाव पूरे सिस्टम को वास्तविक प्रोजेक्ट में ले जाना है——परिदृश्य वास्तविक अभ्यास: अपना रास्ता चुनें, आधिकारिक cookbook से बनाए गए 15 पूर्ण उदाहरण।

आप सीखेंगे:

  • रास्ते के अनुसार उदाहरण चुनें: प्रत्येक उदाहरण "state डिज़ाइन + टाइप्ड प्रश्न + कोड निर्णय" का पूर्ण रूप है
  • LLM गार्डरेल: एक ही अनुरोध में LLM ऐप के इनबाउंड/आउटबाउंड संदेशों की पूरी जाँच
  • उद्धरण सत्यापन, RAG पैसेज जाँच जैसे प्रोडक्शन-स्तरीय कार्यों को कैसे लागू किया जाए
  • पहले तीन पाठों के मोड हर उदाहरण में कैसे मिलकर उपयोग होते हैं
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.