केस स्टडी:
सेक्रेटरी एजेंट।

सिर्फ़ दो टूल्स

बेसिक वर्कफ़्लो

1. Chat Claude से बात करें → "क्या बनाना है" का स्पेक पाएं
2. Chat Claude उस स्पेक को एक इंस्ट्रक्शन शीट (TASK.md) में बदल देता है
3. TASK.md को VS Code में Claude Code को दें → वह असल में उसे बनाता है
4. नतीजा Chat Claude को वापस रिपोर्ट करें → अगली इंस्ट्रक्शन शीट पाएं
5. 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

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)

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।

डिस्क्लेमर और ज़रूरी नोट्स