कहाँ से शुरू करें: महीनों में नहीं, दिनों में Agentic AI Engineer बनें

AI सीखने के लिए आपके पास महीनों का समय नहीं है। अच्छी बात यह है कि आपको महीनों की ज़रूरत भी नहीं है।

यह हिस्सा बिल्कुल नए reader से production में काम पहुँचा सकने वाले Agentic AI Engineer तक जाने का सबसे छोटा रास्ता है: सेमेस्टर में नहीं, दिनों में मापा गया।

• लगभग 6 hours में काम शुरू करने लायक। Foundations (कोर्स 1-2) और आपका पहला Mode कोर्स (कोर्स 3, 4, या 7)।
• एक सप्ताहांत में अपना पहला Digital FTE तैयार करना। कोर्स 7-9, शुरुआत से अंत तक।
• ध्यान से निकाली गई शामों के एक महीने में पूरे Agent Factory stack पर पकड़। सभी 16 कोर्स, evals से नियंत्रित, cloud पर deploy।

यह क्यों काम करता है

जिसने भी कम तैयारी के साथ नई नौकरी शुरू की है और टिक पाया है, वह तरीका जानता है। पहले, आपको काम की बड़ी तस्वीर मिलती है। दूसरे, आप उन थोड़े से topics को पहचानते हैं जो सच में काम करने के लिए critical हैं। तीसरे, आप हर topic का वह 80% सीखते हैं जो रोज़मर्रा में इस्तेमाल होता है, काम शुरू करते हैं, और बाकी रास्ते में सीखते जाते हैं: संदर्भ सामग्री आपके पास खुली रहती है। इस किताब में वह संदर्भ किताब का हर अध्याय है; हर अध्याय इस तरह लिखा गया है कि gap आने पर आप उसे पढ़ सकें।

हर topic की हर बारीकी पहले ही सीखने की कोशिश करने में महीनों लगते हैं। कुछ पूरा करने से पहले ही आप थक जाएँगे। हमारी pedagogy उलटी philosophy पर बनी है: critical 80% cover करें, आपको काम में लगाएँ, और बाकी वास्तविक इस्तेमाल से भरने दें। इस हिस्से का हर क्रैश कोर्स इसी तरह बनाया गया है।

इस किताब पर एक टिप्पणी। इस हिस्से के क्रैश कोर्स आपको जल्दी काम शुरू करवाते हैं। किताब के अध्याय आपका कोर्स के बाद वाला संदर्भ हैं: असली काम में जब भी gap दिखे, वापस आने के लिए लिखे गए।

Thesis से शुरू करें

पहले thesis पढ़ें। इसके दो रूप हैं: एक तकनीकी और व्यवसाय से जुड़े professionals के लिए, और एक बिल्कुल नए लोगों के लिए। इसलिए आपकी पृष्ठभूमि कुछ भी हो, हर पाठक इसे follow कर सकता है। Thesis के बाद बुनियाद आती है: prompting पर कोर्स 1 और thinking पर कोर्स 2। Mode चुनने से पहले हर reader ये लेता है।

आपको यह mental model चाहिए: AI युग में काम तीन layers में होता है। आप problems solve करने के लिए general agents इस्तेमाल करते हैं। आप specialized jobs करने के लिए AI Workers बनाते हैं। आप उन Workers को जोड़कर AI-Native कंपनियाँ assemble करते हैं। हर पेशेवर काम एक ही तरह शुरू होता है: एक इंसान, general agent को दिशा देता है। बस सवाल यह है कि कौन सा agent, और यह इस पर depend करता है कि आप क्या हासिल करना चाहते हैं।

नामों पर छोटी टिप्पणी। इस किताब में AI Worker, Digital FTE, और AI Employee एक ही idea को बताते हैं: इंसान द्वारा तय policy के तहत वास्तविक काम करने वाला specialized agentic system। व्यावसायिक मूल्य पर ज़ोर देते समय हम Digital FTE इस्तेमाल करते हैं, implementation पर ज़ोर देते समय AI Worker, और कंपनी के अंदर भूमिका पर ज़ोर देते समय AI Employee। किसी भी दूसरे अनजान term के लिए glossary आपकी मदद करेगा।

आपकी यात्रा

यहाँ पूरा रास्ता है: आप अभी जहाँ हैं, वहाँ से इस हिस्से के अंत तक:

आपको पूरा रास्ता चलना ज़रूरी नहीं है। ज़्यादातर readers stage 3 या 4 पर रुकते हैं, और गंभीर करियर या पहले startup के लिए इतना काफी है। पूरा path तब है जब आप उसे चाहते हैं।

अपना Mode चुनें

Thesis का हिस्सा general agents इस्तेमाल करने के दो modes उन दो तरीकों को बताता है जिनसे लोग सच में general-purpose agents इस्तेमाल करते हैं। Mode 1 तब, जब आप AI से अपना काम तेज़ करवाने में मदद चाहते हैं। Mode 2 तब, जब आप ऐसा AI बनाना चाहते हैं जो आपके लिए काम करे। "Manufacturing" नाम औद्योगिक लगता है, और है भी: Workers बनाना उन्हें इस्तेमाल करने से अलग discipline है।

	Mode 1: Problem-Solving	Mode 2: Manufacturing
इसे चुनें अगर आप...	चाहते हैं कि AI आपको काम तेज़ करने में मदद करे	ऐसे AI Workers बनाना चाहते हैं जो आपके लिए काम करें
किसके लिए है	कोई भी: engineers या knowledge workers	Engineers (या engineer के साथ paired knowledge worker)
आपका tool	Claude Code/OpenCode या Claude Cowork/OpenWork	बनाने के लिए Claude Code/OpenCode; कोर्स पेज वे concepts सिखाते हैं जिन्हें आप पहले खुद पढ़ते हैं, फिर agent से बनवाते हैं
यहाँ से शुरू करें	कोर्स 3 (engineers) या कोर्स 4 (knowledge workers)	कोर्स 7: AI Agents बनाएँ
आप क्या बनाते हैं	पूरा हुआ काम	ऐसा Worker जो अपने आप काम निकालता है
किससे governed है	Problem Solving के सात principles	Agent Factory के सात invariants

Mode 1 पर ध्यान दें। अगर आप Mode 1 को और आगे ले जाना चाहते हैं और ऐसा personal AI assistant deploy करना चाहते हैं जो आपके daily workflows अपने आप run करे, तो principles कोर्स के बाद OpenClaw with General Agents (कोर्स 6) पूरा करें।

Mode 2 पर ध्यान दें। General agent का output अंतिम नतीजा नहीं है; वह Worker है जो नतीजा देता है। Developer Claude Code से code-reviewing Worker को spec करता, बनाता और deploy करता है। Finance analyst, engineer के साथ मिलकर, Claude Code से ऐसा close-process Worker spec करता है जो हर month-end run करता है। Tool वही, discipline वही, domain अलग।

आपका शुरुआती path

अगर Mode picker अभी भी abstract लग रहा है, तो वही फैसला पूरी तरह concrete terms में यहाँ है: जो row आपसे match करे उसे चुनें और सबसे बाएँ वाले कोर्स से शुरू करें। हर path universal Foundations (कोर्स 1-2) से शुरू होता है।

आप हैं...	आपका शुरुआती path	पहला पड़ाव
बिल्कुल नए reader	Thesis → कोर्स 1 (Prompting) → कोर्स 2 (Thinking)	Foundations तैयार; नीचे किसी mode के साथ आगे बढ़ें
Knowledge worker	Foundations (कोर्स 1-2) → कोर्स 4 (Cowork) → कोर्स 5 (Principles)	AI के साथ असली ज्ञान-आधारित काम पूरा करें
Engineer	Foundations (कोर्स 1-2) → कोर्स 3 (Claude Code) → कोर्स 7 → कोर्स 8 (FTE)	अपना पहला Digital FTE तैयार करें
Workforce builder	Engineer path, फिर कोर्स 10 (Paperclip) → कोर्स 13 (Evals) → कोर्स 14 (Deploy)	Governed AI workforce, cloud पर deploy

कोर्स

Digital FTE तैयार करने का सबसे तेज़ path: Foundations (कोर्स 1-2) → कोर्स 3 → कोर्स 7 → कोर्स 8 → कोर्स 13 (पाठक track). लगभग 12 hours का focused काम। बाकी कोर्स उस Digital FTE को governed workforce में बदलते हैं, लेकिन पहला Digital FTE तैयार करने के लिए उनकी ज़रूरत नहीं है।

गहराई के हिसाब से कुल समय: Mode 1 (AI के साथ काम शुरू करने लायक) ~5h · Mode 2 minimum (पहला Digital FTE) ~12h · Mode 2 full (governed workforce) ~25h · Full Agent Factory mastery ~45h (cloud deployment कोर्स के साथ)।

शुरू करने से पहले, दो चीज़ें सबके लिए common हैं: modern AI prompting और AI युग में सोचना सीखना। उसके बाद रास्ता mode के हिसाब से अलग होता है।

बुनियाद (सबके लिए)

1. 2026 में AI Prompting: 2026 में ChatGPT, Claude और Gemini को अच्छे से इस्तेमाल करने पर 45-minute, 13-concept परिचय: context, reasoning modes, deep research, multimodal और AI desktop apps। वे mechanics जिन्हें इस किताब का हर अध्याय मानता है कि आप पहले से जानते हैं।

2. AI युग में कैसे सोचें: तैयार हो रहा है. वह cognitive discipline जो AI से वास्तविक लाभ लेने वालों को उन लोगों से अलग करती है जो लाभ नहीं ले पाते: agent कब इस्तेमाल करना है, कब नहीं, और problems को कैसे frame करना है ताकि agent सच में मदद कर सके।

General agents: अपना सहकर्मी चुनें

ये general-purpose agents हैं जिन्हें आप आगे आने वाले हर mode में दिशा देंगे। Engineers coding agent चुनते हैं; knowledge workers desktop co-working agent चुनते हैं। दोनों Mode 2 में भी फिर इस्तेमाल होते हैं: ये सिर्फ़ Mode 1 के लिए नहीं हैं, बल्कि हर mode के नीचे वाला tool layer हैं।

3. Agentic Coding Crash Course: Claude Code और OpenCode: Claude Code और OpenCode का 90-minute, 15-concept परिचय। Vocabulary वही, keybindings थोड़ी अलग; skills दोनों tools के बीच साफ़ transfer होती हैं। Engineers के लिए general-agent starting point.

4. Cowork Crash Course: Claude Cowork पर 90-minute, 15-concept परिचय: असली desktop ज्ञान-आधारित काम delegate करना, autonomy ladder, prompt-injection defenses, और plan-review habit जो ज़्यादातर पछतावे रोकती है। Knowledge workers के लिए general-agent शुरुआती जगह.

Mode 1: समस्या सुलझाने का track

5. General Agents के साथ समस्या सुलझाना: काम करने की discipline पर 90-minute, 7-principle क्रैश कोर्स, जो किसी भी general agent, Claude Code, OpenCode, Cowork या OpenWork, को clever toy से ऐसे tool में बदलता है जिस पर आप असली काम पूरा कर सकते हैं। सात principles चारों tools पर apply होते हैं: Bash को key मानना, code को universal interface मानना, verification को core step बनाना, small reversible decomposition, files में state persist करना, constraints और safety, और observability। इसमें four-phase workflow शामिल है: explore, plan, implement, commit, और final exercise।

6. OpenClaw with General Agents: 90-minute, 6-scenario hands-on कोर्स जहाँ आपका general agent OpenClaw पर Personal AI Employee install और configure करता है: शून्य से फ़ोन पर AI Employee तक, एक custom skill, एक MCP tool, एक heartbeat task, और अंत का ACP-spawn demo जिसमें AI Employee अपना coding agent बुलाता है। Karpathy की "little skill", expanded. पहले करें: कोर्स 3.

Mode 2: Manufacturing track

Manufacturing path सात steps में end-to-end चलता है: Agent बनाएँ, उसे Employee में promote करें, Employees को nervous system से जोड़ें, management add करें, hiring dynamic बनाएँ, founder को free करें, और evals से साबित करें कि पूरी workforce मापने योग्य भरोसेमंद है। उस आखिरी step के बिना manufacturing साबित नहीं की जा सकती: जिन्हें आप measure नहीं कर सकते, वे Workers सच में production में नहीं जा सकते।

7. AI Agents बनाने का क्रैश कोर्स: OpenAI Agents SDK पर 90-minute, 16-concept परिचय: agent loop, tools, sessions, streaming, handoffs, guardrails, tracing, day-1 evals, मानवीय approval, Cloudflare पर sandboxed deployment, और cost discipline के लिए DeepSeek V4 Flash। पहले करें: कोर्स 3.

8. Agent से Digital FTE तक: Basic agent को durable Worker में बदलने पर 4-hour workshop: portable Skills, system of record के रूप में pgvector वाला Neon Postgres, उनके बीच कनेक्शन के रूप में Model Context Protocol, audit-trail discipline, authority model के रूप में approval, और end-to-end बनाया गया customer-support Worker। 15 concepts, बनाने के 8 फैसले। पहली तेज़ जीत 15 minutes में; cheat-sheet skim 90 में; पूरा बनाने का काम लगभग 3 और hours में। पहले करें: कोर्स 7.

9. Digital FTE से Nervous System वाले Production Worker तक: आपके Digital FTE को Inngest operational envelope में wrap करने पर 90-minute, 15-concept कोर्स: durable execution, event-driven triggers, step memoization, concurrency और throttling, replay, और HITL gates। Customer-support Worker को extend करता है ताकि वह network की छोटी failures, restarts और लंबे समय तक pending approvals झेल सके। पहले करें: कोर्स 8.

10. Paperclip के साथ Workforce बनाना: 90-minute, 6-scenario hands-on कोर्स जहाँ आपका coding agent Paperclip (open-source, MIT-licensed AI-native कंपनी control plane) set up करता है, keyless local Worker hire करता है, permanent audited decision record के रूप में board approval file करता है, वास्तविक Gemini-backed Worker लगाता है ताकि budget के पास आखिरकार billable काम meter करने को हो, और activity log के against एक SQL query से पूरी कंपनी history दोबारा बना देता है। Scenarios 1-4 और 6 को API key नहीं चाहिए; सिर्फ़ budget scenario को मुफ़्त Gemini key चाहिए। पहले करें: कोर्स 8 या कोर्स 6.

11. Fixed से Dynamic Workforce तक: Half-day, 15-concept और 7-decision workshop जहाँ कोर्स 10 की workforce capability gap detect करती है, hire proposal draft करती है, उसे उसी approval primitive से पास करवाती है जो $500 refund gate करता है, और Claude Managed Agents पर Legal Specialist provision करती है। Hiring as a callable function। Invariant 6 पूरा करता है (workforce policy के तहत expandable है)। पहले करें: कोर्स 10.

12. Founder Bottleneck से Owner Delegate तक: Half-day, 15-concept और 7-decision workshop जहाँ workforce owner OpenClaw पर Owner Identic AI configure करता है: यह routine Paperclip approval requests पढ़ता है, signed delegated envelope के अंदर वाले requests approve करता है, और सिर्फ़ वे decisions सामने लाता है जिन्हें सच में इंसान चाहिए। Owner आखिरी bottleneck है; यह कोर्स उसे हटाता है। Invariant 2 पूरा करता है (हर इंसान को delegate चाहिए)। Mock endpoints, rules templates और sample judgment context के साथ downloadable शुरुआती lab zip देता है। पहले करें: कोर्स 11.

13. AI Employees के लिए Eval-Driven Development: वह discipline जो manufacturing arc पूरा करती है और कोर्स 3 से 12 तक बनी हर चीज़ को wrap करती है। सीखने के चार रास्ते: पाठक (~3-4 hours, conceptual), शुरुआती (~1 day), मध्यम (~2 days), उन्नत (~3 days for full implementation). 15 concepts plus a 7-decision lab। Nine-layer evaluation pyramid सिखाता है (unit, integration, output, tool-use, trace, RAG, safety, regression, production) और उसे भरने वाला four-tool stack: trace grading के साथ OpenAI Agent Evals, DeepEval, Ragas, Phoenix। अंतिम स्थिति: ऐसी workforce जहाँ हर सदस्य measurably trustworthy है, weekly trace-to-regression-test promotion ritual के साथ जो eval suite को महीनों तक चलाए रखता है। पाठक track नेताओं के लिए; उन्नत track release करने वाली टीमों के लिए। मानकर चलता है कि runtime OpenAI Agents SDK या Claude Managed Agents में से कोई एक है.

14. अपना Agent Harness Cloud पर Deploy करें: वह कोर्स जो manufacturing track में बनी हर चीज़ ship करता है। यह harness/sandbox split सिखाता है: control plane (harness जो secrets hold करता है, agent loop run करता है, और state रखता है) execution plane से अलग security boundary में रहता है (sandbox जहाँ agent का generated code सच में run होता है)। आप एक complete production path deploy करते हैं: harness के लिए Azure Container Apps पर FastAPI, durable state के लिए Neon Postgres, files के लिए Cloudflare R2, code-execution sandbox, four-surface observability, और CI gate के रूप में wired कोर्स 13 eval suite। सीखने के चार रास्ते (नेताओं और architects के लिए पाठक; release करने वाली टीमों के लिए शुरुआती से उन्नत तक), 17 concepts, और 9-decision agent-driven lab जहाँ आपका coding agent companion AGENTS.md पढ़कर harness बनाता है जबकि आप उसे दिशा देते हैं। पहले करें: कोर्स 13 (Decision 8 उसका eval suite wire करता है)। पाठक track को cloud accounts नहीं चाहिए.

15. Agentic Architectures चुनना: Pattern selection पर conceptual crash course: आपके task के बारे में पाँच सवाल चार core patterns में से एक तक map करते हैं (sequential workflow; single agent + ReAct + tools; planning + ReAct execution; multi-agent specialist), plus additive layer के रूप में reflection। Discipline यह है कि impressive दिखने वाली चीज़ से नहीं, architectural fit से चुनना है: हर pattern task के बारे में एक bet है, और सही bet वही है जिसकी assumptions reality से match करती हैं। पाँच-सवाल decision tree, दो बराबर आम failure modes (overshooting और undershooting), mismatch दिखाने वाले runtime signals, और हर pattern आपकी deployment topology और eval suite के साथ कैसे compose होता है, यह सिखाता है। सीखने के चार रास्ते (पाठक ~2-3 hours conceptual; शुरुआती ~1 day; मध्यम ~2-3 days; उन्नत ~4-5 days), five-case decision lab, और design reviews के लिए printable classify-this-task worksheet। पहले करें: आप agents बना और evaluate कर सकते हैं; agent-building, operational-envelope और eval कोर्स को cross-reference करता है.

16. भुगतान-सक्षम Agents: ACP, AP2, x402, और MPP: Agents को पैसे का लेन-देन करने देने वाले चार protocols पर multi-track क्रैश कोर्स: consumer shopping के लिए ACP, authorization mandates के लिए AP2, HTTP-native machine payments के लिए x402, और session-based settlement के लिए MPP। मुख्य बात: ये चार layers हैं, rivals नहीं। आप इस्तेमाल का scenario पढ़ते हैं, हर layer (discovery, authorization, commerce, settlement) के लिए एक protocol चुनते हैं, और उन्हें OpenAI Agents SDK code के रूप में compose करते हैं, tool-input guardrail के साथ जो payment होने से पहले रोक देता है। सीखने के चार रास्ते (पाठक ~2-3 hours conceptual; release करने वाली टीमों के लिए शुरुआती से उन्नत तक), 19 concepts, five-decision lab, और three-level spend-limit discipline जो runaway agent को wallet खाली करने से रोकती है। पहले करें: कोर्स 7 (OpenAI Agents SDK); कोर्स 9 (Inngest) और कोर्स 14 (cloud deployment) के साथ paired.

संदर्भ और साथ की सामग्री

17. 2026 में कौन से AI Employees इस्तेमाल करें?: पाँच tools, आपकी identity और need से matched। एक minute से कम में अपनी शुरुआती जगह find करें।

18. Cheatsheets: इस किताब के key tools के लिए interactive जल्दी देखने वाले reference cards: Claude Code, Claude collaborative workspace, और OpenClaw।

19. Agentic Engineering की बुनियाद: उस engineering discipline पर 45-minute परिचय जो इस हिस्से की हर चीज़ को सहारा देता है: agent-based systems को उसी rigor के साथ कैसे design, release और operate करें जो आप किसी भी दूसरे production software पर apply करेंगे। कोर्स 8 से आगे जाने वाले किसी भी reader के लिए वैकल्पिक साथ पढ़ने वाली सामग्री।

Glossary आपका दूसरा लगातार साथ रहने वाला संदर्भ है। दोनों tabs में खुले रखें।

पूरा करने पर आपके पास क्या होगा

जब आप इस हिस्से के अंत तक पहुँचेंगे, तो आप सिर्फ़ Agent Factory thesis नहीं समझेंगे; आपने उसके अनुसार बनाया होगा। आपने general agents का इस्तेमाल करके असली काम पूरा किया होगा। आपने कम से कम एक Digital FTE deploy किया होगा जो आपके बिना run करता है। आपने उसे nervous system से जोड़ा होगा, Paperclip-governed workforce के अंदर रखा होगा, उस workforce को अपने सहकर्मी hire करते देखा होगा, और Identic AI के ज़रिए खुद को उसका bottleneck होने से मुक्त किया होगा। आपने पूरी चीज़ को अपने लिखे evals में wrap किया होगा, ताकि आप साबित कर सकें, सिर्फ़ उम्मीद न करें, कि हर Worker trustworthy है।

यही इस किताब और हर दूसरे AI कोर्स के बीच अंतर है: आप नोट्स के साथ finish नहीं करते। आप काम करती AI workforce के साथ finish करते हैं।

और किताब काम की रहती है: अध्याय वही संदर्भ हैं जिसे आप अटकने पर खोलते हैं।

इस हिस्से के बाद सब कुछ वही निखारता है जो आप पहले ही बना चुके हैं। अब अपना mode चुनें और शुरू करें।