AI को आदतें सिखाना — और खुद को दोहराना बंद करना
मुझे अपने कार्य दिवस की सबसे खराब चीज़ के बारे में बताने दीजिए।
यह कठिन समस्याएं नहीं हैं। कठिन समस्याएं असल में काफी मज़ेदार होती हैं — ये पहेलियां हैं, और पहेलियों के समाधान होते हैं। नहीं, सबसे खराब चीज़ कुछ ज्यादा सामान्य है।
मंगलवार की दोपहर है। मेरे पास 30 टैब खुले हैं। तीन अलग-अलग दस्तावेज़ सभी “final” शीर्षक वाले। विभिन्न ऐप्स में बिखरे एक दर्जन नोट्स। और उस गड़बड़ी में कहीं — मुझे यह पक्का पता है — वह एक वाक्य है जो सब कुछ अनलॉक कर देगा। कल मुझे जो अंतर्दृष्टि मिली थी। वह निर्णय जो मैंने पहले ही ले लिया था।
लेकिन मुझे वह नहीं मिल रहा।
तो मैं फिर से शुरू करता हूं। संदर्भ फिर से समझाता हूं। निष्कर्ष फिर से निकालता हूं। जहां मैं पहले से था वहां वापस पहुंचने में एक घंटा बर्बाद करता हूं।
क्या यह जाना-पहचाना लगता है?
वह दिन जब सब कुछ बदल गया
यहां मैंने आखिरकार समझा: मेरी बाधा कभी भी विचार नहीं थे। यह कभी बुद्धि नहीं थी, या गति, या समय भी नहीं। यह स्थिति थी। मैं एक जटिल प्रणाली को जल्दी देख सकता था — और फिर कार्य बदलते ही पूरा सूत्र खो देता था।
और किसी भी मात्रा में इच्छाशक्ति इसे ठीक नहीं करने वाली थी। मैंने सख्त नोटबुक आज़माई थीं। बेहतर ऐप्स। अधिक अनुशासन। कुछ भी काम नहीं किया।
जो आखिरकार काम किया वह कुछ ऐसा बनाना था जो मैंने पहले कभी सोचा नहीं था बनाने के बारे में: एक बाहरी स्मृति जिस पर मैं वास्तव में भरोसा कर सकता था। सिर्फ नोट्स नहीं — बल्कि टिकाऊ कृतियां। फ़ाइलें। चेकलिस्ट। वर्कफ़्लो। ऐसी चीज़ें जो AI मुझे बनाने, परिष्कृत करने और मांग पर पुनर्प्राप्त करने में मदद कर सकता था।
यह पोस्ट इस बारे में है कि यह कैसे काम करता है। उपकरण नहीं — उपकरण आते-जाते हैं। लेकिन सिद्धांत। सात विचार जो बार-बार दिखाई देते हैं जब आप उन लोगों को देखते हैं जिन्होंने इसे समझ लिया है।
लेकिन पहले, बात करते हैं कि क्यों ज्यादातर लोग वहां कभी नहीं पहुंचते।
चैट AI छत क्यों हिट करती है
यहां ChatGPT, Claude, Gemini, या किसी भी AI सहायक के बारे में बात है जो आप उपयोग कर सकते हैं: वे अविश्वसनीय हैं। वास्तव में। “कोई AI नहीं” से “कुछ AI” की छलांग जीवन बदल देने वाली है।
लेकिन किसी बिंदु पर, आप एक दीवार से टकराते हैं।
आप एक सवाल पूछते हैं। आपको जवाब मिलता है। शायद आप फॉलो-अप करते हैं, एक और जवाब मिलता है। और फिर आप आगे बढ़ जाते हैं। बातचीत गायब हो जाती है। अंतर्दृष्टि वाष्पित हो जाती है। अगले हफ्ते, जब आप उसी समस्या का सामना करते हैं, आप पूरी तरह से शून्य से शुरू करते हैं।
यही चैट AI है। यह प्रतिक्रियात्मक है। यह डिफ़ॉल्ट रूप से स्थितिहीन है। यह याद नहीं रखती, और सीखती नहीं — कम से कम, सत्रों के बीच नहीं।
एजेंट AI अलग है।
इसलिए नहीं कि मॉडल अधिक स्मार्ट है, बल्कि इसलिए कि इसके चारों ओर का सिस्टम अलग है। एक लूप है। कुछ योजना बनाओ। इसे निष्पादित करने के लिए उपकरणों का उपयोग करो। परिणामों को सत्यापित करो। जो सीखा उसे सहेजो ताकि अगली बार आसान हो।
अगर चैट AI एक पार्टी में मिलने वाला शानदार अजनबी है — रात के लिए मददगार, फिर हमेशा के लिए चला गया — एजेंट AI एक सहयोगी है जो नोट्स लेता है, आपकी प्राथमिकताएं याद रखता है, और कल एक योजना के साथ दिखाई देता है।
अंतर जादू नहीं है। यह वास्तुकला है। और आप इसे स्वयं बना सकते हैं।
सात सिद्धांत जो वास्तव में काम करते हैं
मैंने महीनों उन लोगों से जो कुछ भी मिल सकता था पढ़ने में बिताए जो AI का गंभीरता से उपयोग करते हैं। सिर्फ डेमो के लिए नहीं — असली काम के लिए। कोड शिप करना। रिपोर्ट लिखना। प्रोजेक्ट प्रबंधित करना।
और कुछ अजीब हुआ: वही विचार बार-बार दिखाई देते रहे। अलग-अलग शब्द, अलग-अलग संदर्भ, लेकिन वही मूल सिद्धांत। वे उन तीन चीज़ों के चारों ओर क्लस्टर करते हैं जिन्हें हम सभी सुरक्षित करने की कोशिश कर रहे हैं: हमारा समय, हमारी ऊर्जा, और उद्देश्य की हमारी भावना।
मुझे उनसे गुज़रने दें।
समय के सिद्धांत
एक योजना से शुरू करें।
यह सबसे बड़ा सबक है, और सुनने में सबसे कम रोमांचक भी: AI से कुछ भी बनाने को कहने से पहले, जो आप चाहते हैं वह लिख दें। एक विनिर्देश। एक ब्रीफ़। “हो गया” का एक पैराग्राफ़ का विवरण।
मुझे पता है। यह अतिरिक्त काम जैसा लगता है। यह नौकरशाही जैसा लगता है।
लेकिन इसके बिना यह होता है: आप कुछ अस्पष्ट रूप से मांगते हैं, AI आपको कुछ अस्पष्ट रूप से सही देती है, और आप अगले घंटे उन एज केस को ठीक करने में बिताते हैं जिनका आपने कभी उल्लेख नहीं किया। “तेज़” दृष्टिकोण धीमा हो जाता है। खरगोश के बिल बढ़ जाते हैं।
एक स्पष्ट विनिर्देश के साथ, कुछ अलग होता है। AI के पास बाधाएं होती हैं। वह भटक नहीं सकती। खोज स्थान कुछ प्रबंधनीय में ढह जाता है। और अचानक, पहला ड्राफ्ट वास्तव में अच्छा होता है।
एक वाक्य है जो मेरे साथ रहा: “कुल मिलाकर तेज़ी से आगे बढ़ने के लिए पहले धीमे काम करें।” यह विरोधाभासी लगता है, लेकिन जिसने भी विकल्प जिया है वह जानता है कि यह सच है।
भरोसा करने से पहले सत्यापित करें।
AI आत्मविश्वासी है। हमेशा। यह आपको बताएगी कि कोड काम करता है। यह आपको आश्वस्त करेगी कि लॉजिक सॉलिड है। और कभी-कभी — अक्सर भी — यह सही होती है।
लेकिन कभी-कभी नहीं होती।
यह आलोचना नहीं है। यह भौतिकी है। भाषा मॉडल प्रशंसनीय पाठ उत्पन्न करते हैं। यही वे करते हैं। और प्रशंसनीय पाठ उन तरीकों से गलत हो सकता है जिन्हें पहचानना मुश्किल है।
तो नियम बन जाता है: “हो गया” स्वीकार न करें। सबूत मांगें। पास होने वाले टेस्ट। पढ़ने योग्य डिफ़। निष्पादन दिखाने वाले लॉग। AI आउटपुट को ऐसे व्यवहार करें जैसे आप किसी जूनियर डेवलपर के पहले प्रयास को व्यवहार करेंगे — आशावादी, लेकिन समीक्षा की आवश्यकता है।
जो ऑपरेटर सबसे तेज़ चलते हैं वे वो नहीं हैं जो अंधाधुंध भरोसा करते हैं। वे वो हैं जिन्होंने सत्यापन को लूप में बनाया है।
git का उपयोग करें जैसे आपकी जान इस पर निर्भर हो।
जब आप किसी भी गलती को तुरंत पूर्ववत कर सकते हैं, तो आप जोखिम उठा सकते हैं। जब गलतियां उलटी जा सकती हैं, तो गति सुरक्षित हो जाती है।
यही कारण है कि सबसे अच्छे AI ऑपरेटर लगातार कमिट करते हैं। किसी फीचर के अंत में नहीं — हर छोटे कदम के अंत में। हर एटॉमिक बदलाव। हर चेकपॉइंट।
क्योंकि यहां सच्चाई है: जब AI पटरी से उतरती है (और उतरेगी), आप तीन घंटे के उलझे हुए बदलावों को डीबग नहीं करना चाहते। आप पांच मिनट पहले रीसेट करना और फिर से कोशिश करना चाहते हैं।
git reset ठीक करने से तेज़ है। हर बार।
ऊर्जा के सिद्धांत
सब कुछ परमाणुओं में तोड़ें।
बड़े कार्य AI को तोड़ देते हैं। मेरा मतलब “इसे धीमा करना” नहीं है — मेरा मतलब इसे गलत बनाना है। अनुरोध जितना लंबा और जटिल होता है, मॉडल के भटकने, सूत्र खोने, छोटी गलतियों को बड़ी में जमा करने की संभावना उतनी ही अधिक होती है।
समाधान विघटन है। उस बड़े कार्य को लें और इसे इतने छोटे टुकड़ों में तोड़ दें कि आप उन्हें 15 या 20 मिनट में खुद कर सकें। इतने स्पष्ट कदम कि “हो गया” स्पष्ट हो।
यहां एक परीक्षण है: अगर आप नहीं बता सकते कि कोई कदम पूरा हुआ है या नहीं, तो यह बहुत बड़ा है। और तोड़ें।
यह पहले थकाऊ लगता है। लेकिन इनाम बहुत बड़ा है। हर छोटा कदम सफल होता है। हर छोटी सफलता पिछले पर निर्मित होती है। और अचानक, असंभव प्रोजेक्ट साध्य समस्याओं की एक श्रृंखला बन जाता है।
अपने संदर्भ को बाहरी करें।
यहां वह है जो कोई आपको लंबे AI सत्रों के बारे में नहीं बताता: वे खराब होते हैं।
शुरुआत में, AI सब कुछ याद रखती है। लक्ष्य। बाधाएं। रास्ते में लिए गए निर्णय। लेकिन जैसे-जैसे बातचीत बढ़ती है, संदर्भ विंडो भर जाती है। पुरानी जानकारी बाहर धकेल दी जाती है। AI भूलने लगती है।
और आप ध्यान नहीं देते — पहले तो नहीं। जवाब अभी भी आत्मविश्वासी लगते हैं। लेकिन वे भटक रहे हैं। धीरे-धीरे, सूक्ष्मता से, AI प्लॉट खो देती है। और आप उन चीज़ों को फिर से समझाने में अधिक से अधिक ऊर्जा खर्च करते हैं जो आपने पहले ही कवर की थीं।
समाधान प्रति-सहज है: चीज़ों को याद रखने के लिए बातचीत पर निर्भर रहना बंद करें। इसके बजाय, अपने संदर्भ को बाहरी करें। एक फ़ाइल रखें जो वर्तमान लक्ष्य, मुख्य निर्णय, खुले प्रश्नों को कैप्चर करे। इसे हर सत्र की शुरुआत में AI को फ़ीड करें।
मेरे अनुभव में, यह एकल प्रथा — एक जीवित स्थिति फ़ाइल बनाए रखना — एजेंट ड्रिफ्ट को नाटकीय रूप से कम कर सकती है। AI नहीं भूलती, क्योंकि आप उससे याद रखने को नहीं कह रहे।
उद्देश्य का सिद्धांत
भूमिकाओं को अलग करें।
AI के साथ काम करने के दिल में एक सौदा है: आप सोचते हैं, यह निष्पादित करती है। आप रणनीतिक निर्णय लेते हैं — क्या बनाना है, यह क्यों मायने रखता है, अच्छा कैसा दिखता है। AI सामरिक काम संभालती है — वाक्यविन्यास, बॉयलरप्लेट, वे थकाऊ बिट्स जो आपका ध्यान खींचते हैं।
जब यह काम करता है, तो यह सुंदर होता है। आप रचनात्मक, रणनीतिक क्षेत्र में रहते हैं। निराशाजनक, दोहरावदार काम गायब हो जाता है। फ़्लो फिर से संभव हो जाता है।
जब यह टूटता है — जब आप AI का काम उसके लिए करने लगते हैं, या समझना बंद कर देते हैं कि यह क्या उत्पादित कर रही है — कुछ खो जाता है। सिर्फ दक्षता नहीं, बल्कि क्षमता। “संज्ञानात्मक शोष” का एक वास्तविक जोखिम है — उन चीज़ों को करना भूल जाना जो आपने आउटसोर्स की हैं।
समाधान स्पष्टता है। जानें कि क्या आपका है। जानें कि क्या AI का है। वास्तुकार के रूप में अपनी भूमिका की रक्षा करें, और AI को निर्माता बनने दें।
वह स्मृति जो इसे टिकाऊ बनाती है
आपने शायद इन सिद्धांतों में एक पैटर्न देखा होगा: ये सभी स्थायित्व पर निर्भर करते हैं। ऐसी योजनाएं जो सत्रों में जीवित रहती हैं। संदर्भ जो खराब नहीं होता। निर्णय जो लिए हुए रहते हैं।
लेकिन AI स्थितिहीन है। हर बार जब आप एक नई बातचीत शुरू करते हैं, यह सब कुछ भूल जाती है।
तो स्थायित्व कहां से आता है?
आपसे। उन फ़ाइलों से जो आप बनाए रखते हैं, उन वर्कफ़्लो से जो आप बनाते हैं, उस दस्तावेज़ीकरण से जो आप बनाते हैं। यही मेरा मतलब है “बाहरी स्मृति” से — कृतियों का एक सिस्टम जो AI के बाहर रहता है, जिसे AI पढ़ और लिख सकती है, लेकिन जो स्वतंत्र रूप से बना रहता है।
इसे अपने प्रोजेक्ट्स के लिए हिप्पोकैम्पस के रूप में सोचें। वह दीर्घकालिक स्मृति जो AI के पास नहीं है।
अब इसके लिए एक प्रोटोकॉल है — MCP, Model Context Protocol नामक एक खुला मानक। यह AI सिस्टम को बाहरी उपकरणों और डेटा स्रोतों से कनेक्ट करने देता है। डेटाबेस क्वेरी। वेब खोज। फ़ाइल संचालन। वे सभी चीज़ें जो AI एक चैट विंडो में नहीं कर सकती, लेकिन अचानक कर सकती है जब यह सही सर्वर से जुड़ी होती है।
और यहीं चीज़ें दिलचस्प होती हैं।
इसे हल करने के लिए मैंने बनाया एक उपकरण
मुझे एक ही समस्याएं बार-बार मिलती रहीं।
सत्रों के बीच गायब होता संदर्भ। चैट इतिहास में खो जाने वाले महत्वपूर्ण निर्णय। शोध जो सिर्फ HTML पार्स करने के लिए टोकन जलाता था। JSON फ़ाइलें जो उन तरीकों से बदलती थीं जिन्हें मैं ट्रैक नहीं कर सकता था।
तो मैंने इसे ठीक करने के लिए कुछ बनाया।
इसे Pomera कहते हैं, और यह एक MCP सर्वर है जो किसी भी IDE के साथ काम करता है जो प्रोटोकॉल का समर्थन करता है — Cursor, VS Code with Cline, Claude Desktop, Antigravity, और अन्य। इसे उन चीज़ों के लिए एक टूलकिट के रूप में सोचें जिनसे AI को कठिनाई होती है।
एक जोखिम भरे रीफैक्टर से पहले फ़ाइल सहेजने की ज़रूरत है? एक कमांड बैकअप बनाती है। हर सत्र से अपने सभी नोट्स में खोजना चाहते हैं? इसके लिए पूर्ण-पाठ खोज है। दो API प्रतिक्रियाओं की तुलना कर रहे हैं? यह सिमेंटिक डिफ़ करता है — आपको दिखाता है कि डेटा में वास्तव में क्या बदला, न कि सिर्फ कौन सी लाइनें हिलीं।
इसमें बिल्ट-इन वेब खोज है। URL पढ़ना जो जंक को बाहर निकालता है। दो दर्जन टेक्स्ट ऑपरेशन जो अन्यथा टोकन जलाएंगे — पेज से URL निकालना, वाइटस्पेस साफ़ करना, फॉर्मेट को सामान्य करना।
यह संवेदनशील जानकारी को भी ऑटो-डिटेक्ट करता है — API कुंजियां, पासवर्ड, टोकन — और बिना पूछे उन्हें रेस्ट में एन्क्रिप्ट करता है।
मैं यह दिखावा नहीं करूंगा कि यह एकमात्र समाधान है। लेकिन यह वह है जो मैं हर दिन उपयोग करता हूं, और यह उन समस्याओं को हल करता है जिनके लिए मुझे कहीं और अच्छे जवाब नहीं मिले। अगर इसमें से कुछ भी गूंजता है, तो कोड GitHub पर ओपन सोर्स है।
मेटा लेयर
अब तक, हमने आपके वर्कफ़्लो को अनुकूलित करने के बारे में बात की है — सिद्धांत और उपकरण जो हर सत्र को बेहतर बनाते हैं।
लेकिन इसके ऊपर एक लेयर है। एक आदत जो अच्छे ऑपरेटरों को महान लोगों से अलग करती है।
यह है: खुद की समीक्षा करें।
सिर्फ AI आउटपुट नहीं — आपकी अपनी प्रक्रिया। एक सत्र के अंत में, पूछें: क्या काम किया? क्या नहीं किया? मैंने कहां भ्रमित करने वाले निर्देश दिए? AI ने कहां प्रयास बर्बाद किया क्योंकि मैं स्पष्ट नहीं था?
यह मेटा-संज्ञान है। सोच के बारे में सोचना। और यह सुधार करने का सबसे तेज़ तरीका है, क्योंकि हर सत्र डेटा बन जाता है।
यह आज़माएं: अपने अगले महत्वपूर्ण कार्य सत्र के बाद, AI से अपने प्रॉम्प्ट्स का विश्लेषण करने को कहें। वह कौन से पैटर्न देखती है? वह क्या बदलेगी? आप कुछ सीखेंगे। हर बार।
इसका एक और संस्करण भी है। जब AI गलती करती है — एक पुरानी विधि का उपयोग करती है, लाइब्रेरी फ़ंक्शन को हैलुसिनेट करती है, एक बाधा को अनदेखा करती है — सिर्फ कोड ठीक न करें। अपना दस्तावेज़ीकरण अपडेट करें। सही विधि को अपनी पैटर्न फ़ाइल में जोड़ें। अपने नियमों में बाधा जोड़ें।
गलती दोहराना असंभव हो जाती है। इसलिए नहीं कि AI ने सीखा, बल्कि इसलिए कि आपके सिस्टम ने सीखा।
यहां से कहां जाएं
अगर आप गहराई से खोजने के लिए उत्सुक हैं, वहां कुछ उत्कृष्ट संसाधन हैं।
आधिकारिक Getting Started with Antigravity गाइड आपको मूल बातों से गुज़ारती है। LogRocket ने एक व्यापक डेवलपर गाइड प्रकाशित की जो एजेंट क्षमताओं पर गहराई से जाती है। और YouTube पर दर्जनों ट्यूटोरियल हैं — एक हैंड्स-ऑन डेमो सहित जो वर्कफ़्लो को एक्शन में दिखाता है।
मैं आपको यहां कदम-दर-कदम निर्देश नहीं दूंगा। आंशिक रूप से इसलिए कि वे संसाधन पहले से मौजूद हैं, और वे अच्छे हैं। लेकिन मुख्य रूप से इसलिए कि खोजना अनुसरण करने से अधिक मूल्यवान है। MCP पैनल खोलें। सेटिंग्स में देखें। देखें क्या संभव है।
ऐसे आप सीखते हैं कि आपके लिए क्या काम करता है।
यह तकनीक से परे क्यों मायने रखता है
लेकिन कुछ और है जो मैं आपके साथ छोड़ना चाहता हूं। कुछ जिसे देखने में मुझे कुछ समय लगा।
ये सिद्धांत वास्तव में AI के बारे में नहीं हैं। ये मानव होने के बारे में हैं।
कुछ साल पहले, मैंने Jordan Peterson की 12 Rules for Life पढ़ी। यह एक अजीब किताब है — आंशिक रूप से मनोविज्ञान, आंशिक रूप से दर्शन, आंशिक रूप से पौराणिक कथा — और यह मेरे साथ उन तरीकों से रही जिनकी मैंने अपेक्षा नहीं की थी। जब मैंने यह देखना शुरू किया कि प्रभावी AI ऑपरेटर कैसे काम करते हैं, मुझे कुछ परेशान करने वाला एहसास हुआ: सिद्धांत वही हैं। अलग शब्दावली, वही सच्चाइयां।
मुझे आपको दिखाने दीजिए कि मेरा क्या मतलब है।
Peterson का छठा नियम है “दुनिया की आलोचना करने से पहले अपना घर पूर्ण क्रम में रखें।” विचार सरल लेकिन गहरा है: बाहर के अराजकता को ठीक करने की कोशिश करने से पहले, अंदर के अराजकता को ठीक करें। अपना कमरा साफ़ करें। अपना जीवन व्यवस्थित करें। अपने मामले क्रम में रखें। तभी आपके पास बड़ी समस्याओं से निपटने की स्थिति — और स्पष्टता — होती है।
अब पहले सिद्धांत के बारे में सोचें जिस पर हमने चर्चा की: एक योजना से शुरू करें। AI से कुछ बनाने को कहने से पहले, अपनी सोच व्यवस्थित करें। जो आप चाहते हैं वह लिखें। अपना संदर्भ क्रम में रखें। समानता सटीक है।
यहां मैं जो विश्वास करने लगा हूं वह है: जो सिद्धांत AI को काम करते हैं वे वही सिद्धांत हैं जो जीवन को काम करते हैं। व्यवस्था अराजकता को हराती है। सच्चाई भ्रम को हराती है। सटीकता अस्पष्टता को हराती है। अर्थ शून्यवाद को हराता है।
AI सिर्फ माध्यम है। संदेश सभ्यता जितना पुराना है।
निष्कर्ष
यहां मैं चाहता हूं कि आप याद रखें:
“चैट AI” से “एजेंट AI” की छलांग बेहतर प्रॉम्प्ट्स के बारे में नहीं है। यह ऐसी प्रणालियां बनाने के बारे में है जो बनी रहती हैं। ऐसी योजनाएं जो सत्रों में जीवित रहती हैं। संदर्भ जो खराब नहीं होता। सत्यापन जो त्रुटियों को पकड़ता है। एक बाहरी स्मृति जिस पर आप भरोसा कर सकते हैं।
यह अधिक काम जैसा लगता है। और शुरुआत में, यह है।
लेकिन फिर कुछ बदलता है। संज्ञानात्मक ओवरहेड गिर जाता है। आप फिर से समझाना बंद कर देते हैं। आप संदर्भ खोना बंद कर देते हैं। आप जो पहले से बनाया था उसे फिर से बनाना बंद कर देते हैं।
और आप अपनी ऊर्जा उस काम पर खर्च करना शुरू करते हैं जो वास्तव में मायने रखता है।
यहां एक गहरा सबक भी है। जो सिद्धांत AI को प्रभावी बनाते हैं वे वही सिद्धांत हैं जो आपको प्रभावी बनाते हैं — एक विचारक के रूप में, एक निर्माता के रूप में, एक मनुष्य के रूप में। व्यवस्था। सच्चाई। सटीकता। अर्थ। ये तकनीक की अवधारणाएं नहीं हैं। ये अच्छी तरह से जिए गए जीवन की नींव हैं।
AI ने इन विचारों का आविष्कार नहीं किया। इसने बस उन्हें फिर से दृश्यमान बना दिया।
तो हां, अपने वर्कफ़्लो बनाएं। अपनी स्मृति प्रणालियां बनाएं। अपने AI को ऐसी आदतें सिखाएं जो टिकें।
लेकिन मत भूलिए: आप खुद को भी सिखा रहे हैं।
मैं उत्सुक हूं: कौन सा दोहराव वाला कार्य है जिसे आप फिर कभी मैन्युअल रूप से नहीं करना चाहेंगे — और इसे स्वचालित करने से आपको किसने रोका है?
संसाधन
- Pomera AI Commander (GitHub)
- Google Antigravity
- Antigravity Codelabs गाइड
- Google Antigravity: हैंड्स-ऑन डेमो (YouTube)
- LogRocket: Antigravity और Gemini 3
- Google ब्लॉग: डेवलपर्स के लिए Gemini 3
- Model Context Protocol (MCP)
- Jordan Peterson द्वारा 12 Rules for Life