Skip to main content

Mode 2 — Manufacturing

इसे एक बार build करें, और यह आपके बिना काम करता है। आप एक durable worker (Digital FTE) manufacture करते हैं जो job को बार-बार, अपने आप करता है।

आप यहाँ From One-Off to Worker से दो चीज़ें लेकर आते हैं: एक solution जिसे आपने Mode 1 में solve करके already prove कर दिया है, और उन चार promotions का blueprint जो उसे permanent worker बनाते हैं। Mode 1 ने आपको problem को एक बार, हाथ से solve करना सिखाया। Mode 2 वह जगह है जहाँ आप वह worker build करते हैं जो उसे आपके लिए, हमेशा solve करता है।

यही पूरी book का turning point है: labour को task मानने से (हर बार आप hours लगाते हैं) labour को asset मानने तक (आप एक बार build करते हैं, और वह आपके सोते समय भी produce करता है)। जो worker आप manufacture करते हैं, इस book में उसका नाम है: Digital FTE, यानी "digital full-time employee". यह ऐसा worker है जो unattended चलता है, इतना reliable कि कोई organisation उस पर depend कर सके, जिसे आप पूरी workforce में grow कर सकते हैं, और जिसे आप sell कर सकते हैं।

दो modes, आख़िरी बार:

  • Mode 1 — इसे एक बार solve करें। आप drive करते हैं। काम one-off है। (पिछला section.)
  • Mode 2 — worker manufacture करें (यह section). आप long-term के लिए build करते हैं। काम आपके बिना चलता है।

यह section Mode 1 से बड़ा और ज़्यादा technical है, और ईमानदारी से ऐसा है: durable और trustworthy चीज़ build करना, किसी चीज़ को एक बार solve करने से ज़्यादा काम है। लेकिन आपको programmer होना ज़रूरी नहीं। बाकी book की तरह, आप direct करते हैं और agent code का ज़्यादातर हिस्सा लिखता है। आपका काम parts को इतना समझना है कि आप उन्हें design और judge कर सकें। यह section clear progression की तरह बना है, topics की pile की तरह नहीं।

यह section तीन phases में​

यह Mode 1 में आपके चले हुए path (diagnose, solve, cross) को mirror करता है, लेकिन एक level ऊपर: building blocks इकट्ठा करें, उन्हें एक trustworthy worker में assemble करें, फिर उस worker को workforce में scale करें।

Mode 2 path का diagram, तीन phases में, बाएँ से दाएँ। बाईं ओर note दिखाता है कि आप Mode 1 से proven solution लेकर आते हैं। Phase 1, "Building Blocks," worker के pieces हैं: Python, connectors, context, plugins, और identity। Phase 2, "Build Workers," वह जगह है जहाँ आप agent loop own करते हैं: agent, Digital FTE, और reliability। Phase 3, "Scale the Workforce," एक worker का team बनना है: design, govern, deploy, और earn। आगे का arrow AI-native company तक जाता है। Caption कहता है: Building Blocks, फिर Build Workers, फिर Scale the Workforce.

Phase 1: Building Blocks​

Full agent loop own करने से पहले, आप worker के pieces इकट्ठा करते हैं: वह language जिसमें यह लिखा जाता है, पहली छोटी complete चीज़ें जिनसे यह plug होता है, वह knowledge जिससे यह काम करता है, और identity जो इसे आपके रूप में act करने देती है।

  • AI Era में Python: वह language जिसमें workers बनते हैं, modern तरीके से: आप direct करते हैं, agent ज़्यादातर लिखता है, और आप उसके output को पढ़ना और steer करना सीखते हैं।
  • Connector-Native Apps: loop own करने से पहले एक पूरी चीज़ ship करें: remote server जिसे host का model call करता है, tools, state, identity, और claude.ai में live run के साथ। यह सबसे gentle first build है, और next course earn कराता है क्योंकि आप exactly महसूस करते हैं कि loopless app की ceiling कहाँ है।
  • AI Searchable Context: worker को searchable memory दें ताकि वह आपकी पूरी knowledge से काम कर सके, सिर्फ single prompt में fit होने वाली चीज़ से नहीं।
  • Building the Context Layer: scope की छलांग: एक worker के अपने store से उस corpus तक जिससे पूरी workforce पढ़ती है। आप किसी company के sources की चारों classes connect करते हैं और उन्हें आपस में अलग रखते हैं, permission gate खुद बनाते हैं, और layer को इस लायक बनाते हैं कि वह लौटाई गई हर चीज़ पर तीन सवालों का जवाब दे: यह आया कहाँ से, क्या यह व्यक्ति इसे देख सकता है, और क्या यह अब भी लागू है?
  • AI Agents के लिए Plugins: पिछले course का mirror: वहाँ आपने chat app extend की; यहाँ आप coding agent extend करते हैं। चार levers bundle करें (skill, subagent, MCP server, hook), must-always rule को exit-2 hook से deterministic बनाएँ, और ship करें ताकि teammate पूरी चीज़ एक command में install करे।
  • AI Identity: identity और access layer: पहले अपना sign-in own करें (email और social login, sessions, two-factor, OAuth/OIDC server), फिर AI worker को अपनी credential और आपकी तरफ से act करने का safe, scoped, revocable, human-approved तरीका दें। Through-line एक सवाल है: यह identity किसकी है, और authority human से agent तक कैसे जाती है?

Phase 2: Build Workers​

अब आप loop own करते हैं। आप building blocks लेकर एक worker assemble करते हैं जो job खुद run करता है, Phase 1 में आपके दिए हुए knowledge से काम करता है, और real world में survive करता है जब कोई देख नहीं रहा होता। (पहली promotion, आपका brief written spec बनना, आप Spec-Driven Development में General Agents के अंदर सीख चुके हैं, और उसे साथ लाते हैं।)

  • Build AI Agents: core worker: यह loop खुद run करता है और edges पर escalate करने के लिए रुकता है। यह आपकी you-in-the-loop promotion है, real बनी हुई।
  • Building a Digital FTE: core pieces को (portable Skills, Postgres system of record, MCP as wire, audit trails, और approval as authority model) एक worker में assemble करता है जिस पर organization सच में trust कर सके।
  • AI Agent Nervous System: durable execution: worker events sense करता है, break होने पर retry करता है, no-cost wait करता है, और human approval के लिए pause करता है। यही उसे real world में survive करने देता है जब कोई देख नहीं रहा होता।

Phase 3: Scale the Workforce​

एक trustworthy worker unit है। Workforce business है। यह phase एक को many में बदलता है: लोगों के trust के लिए designed, reliable रहने के लिए graded, चलते रहने के लिए deployed, governed, और earning.

  • Human-Agent Teams: humans और Digital FTEs को एक team की तरह चलाने का operating model: open में work, clear roles वाली एक roster, north star, और verified reliability के साथ बढ़ता trust। आप एक real team operating manual के साथ निकलते हैं जो आज run हो सकता है।
  • Designing Agent Experiences: agent product के दो users साथ-साथ होते हैं: human जिसे trust करना है और दूसरे agents जिन्हें parse करना है। आप judgment को legible, autonomy को adjustable, और mistakes को survivable बनाना सीखते हैं, फिर MCP App ship करते हैं।
  • Workforce with Paperclip: एक worker team बनता है: lead agent budgets, approvals, और full audit trail के नीचे workers का board hire और run करता है।
  • Self-Expanding Workforce: workforce जो काम बढ़ने पर खुद grow होती है, बजाय इसके कि आप हर worker हाथ से add करें।
  • Identic AI: owner delegation safely: signed identity जो आपके set limits के अंदर routine approvals clear करती है और सिर्फ consequential decisions surface करती है, ताकि आप हर step rubber-stamp किए बिना workforce govern करें।
  • Eval-Driven Development: eval जो workforce को automatically grade करती है और drift होते ही पकड़ लेती है। आपकी eyeball-check promotion, real बनी हुई।
  • Deploy the Agent Harness: runtime जहाँ workers रहते हैं, ताकि वे आपके दूर होने पर भी run करते रहें। आपकी session-becomes-runtime promotion, real बनी हुई।
  • Choosing Agentic Architectures: reference जिसे आप design decision पर खोलते हैं (एक agent या कई, कौन सा pattern job fit करता है): task के बारे में पाँच सवाल चार core patterns में map होते हैं, ताकि आप fit से choose करें, impressive लगने से नहीं।
  • Payment-Enabled Agents: workers जो transact कर सकते हैं, ताकि worker earn भी कर सके। यह cost save करने वाली workforce से revenue लाने वाली workforce तक का step है।

पहले आपको क्या चाहिए​

From One-Off to Worker के through आएँ। Mode 2 बहुत आसान होता है जब आप already proven solution और build करने लायक blueprint लेकर आते हैं, न कि cold idea लेकर। आपको Spec-Driven Development भी कर लेना चाहिए (spec आपकी पहली promotion है)। Python यहाँ Phase 1 में सिखाई जाती है, इसलिए पहले से ज़रूरी नहीं।

यह कहाँ ले जाता है​

Digital FTE एक worker है। Workforce कई workers हैं। इस section के बाद, book उस line को अंत तक follow करती है: Digital FTEs की workforce पर बनी AI-native company, और उन workers को sell करने का business जिन्हें आप अब build कर सकते हैं। आप यहाँ problem को एक बार solve कर सकने की क्षमता के साथ आए थे। आप उस चीज़ को manufacture करने की क्षमता के साथ निकलते हैं जो उसे हमेशा solve करती है, और उसे sell करने की क्षमता के साथ।

AI era में Python से शुरू करें।