कोडिंग एजेंट लंबे, साफ़ परिभाषित और उबाऊ काम में अच्छे हैं: पचास मॉड्यूल में टेस्ट जोड़ना, हर कॉल साइट को नए API पर ले जाना, हज़ार lint चेतावनियाँ ठीक करना। ऐसे काम के लिए आपको देखते रहने की ज़रूरत नहीं। ज़रूरत है चलने के लिए एक सुरक्षित जगह की, साफ़ टास्क की, अटकने से बचाने वाले गार्ड की, और कॉफ़ी पर नतीजा देखने के तरीक़े की।
यह उसे सेट करने की चेकलिस्ट है।
1. बिना निगरानी वाले एजेंट को सैंडबॉक्स कैसे करें?
बिना निगरानी वाला एजेंट ऐसी शेल कमांड चलाता है जिन्हें कोई मंज़ूर नहीं करता। मानकर चलें कि आख़िरकार वह कुछ ऐसा चलाएगा जो आप नहीं चलाते: ग़लत डायरेक्टरी डिलीट करना, कोई पैकेज इंस्टॉल करना, किसी रिमोट पर push करना। उसे सीमित रखें।
- कंटेनर या VM, आपके लैपटॉप का मुख्य यूज़र अकाउंट नहीं। Docker का सुरक्षा डॉक्युमेंटेशन नियंत्रण बताता है; कम से कम non-root यूज़र के रूप में चलाएँ और जिन capabilities की ज़रूरत नहीं, उन्हें हटा दें।
- सिर्फ़ रिपॉज़िटरी माउंट करें। कोई होम डायरेक्टरी नहीं, कोई SSH key नहीं, कोई क्लाउड क्रेडेंशियल नहीं, टोकन से भरा कोई
~/.configनहीं। - कोई प्रोडक्शन सीक्रेट नहीं। टेस्ट डेटाबेस और डमी API key इस्तेमाल करें। अगर एजेंट को कोई असली सर्विस चाहिए, तो उसे सीमित दायरे वाली, रद्द की जा सकने वाली key दें।
- नेटवर्क सीमित करें। एजेंट को मॉडल API और शायद एक पैकेज रजिस्ट्री चाहिए। इसके अलावा उसे शायद ही कुछ चाहिए।
- push का अधिकार नहीं। उसे लोकल commit करने दें। समीक्षा के बाद push आप करें।
मॉडल API key वह अकेला क्रेडेंशियल है जो एजेंट के पास होना ही चाहिए। इसी काम के लिए बनी key इस्तेमाल करें, और अगर आपका प्रोवाइडर सपोर्ट करता है, तो उसे सैंडबॉक्स के बाहर जाने वाले IP तक सीमित करें। BroadNet की key 32 एंट्री तक की IP allow-list सपोर्ट करती हैं, इसलिए लीक हुई key कहीं और से बेकार है।
2. हर एजेंट को अपनी ब्रांच क्यों दें?
एक अलग ब्रांच पर काम करें, कभी main पर नहीं। अगर आप एक से ज़्यादा एजेंट चलाते हैं, तो हर एक को git worktree से अपनी वर्किंग डायरेक्टरी दें:
git worktree add ../agent-tests-api -b agent/tests-api
git worktree add ../agent-lint-fixes -b agent/lint-fixes
हर worktree उसी रिपॉज़िटरी का अलग checkout है, इसलिए एजेंट एक-दूसरे की फ़ाइलें नहीं लिखते, और हर ब्रांच ठीक-ठीक दिखाती है कि एक एजेंट ने क्या किया।
फिर हर पूरे हुए स्टेप के बाद commit करें। Aider डिफ़ॉल्ट रूप से यह करता है। दूसरे एजेंटों के लिए इसे निर्देशों में जोड़ें, या लूप को ऐसे लपेटें कि टेस्ट पास होने पर commit हो जाए। छोटे commit का इतिहास “एजेंट ने रात 3 बजे कुछ तोड़ दिया” को “commit 14 ने तोड़ा; 1 से 13 रखो” में बदल देता है।
3. टास्क फ़ाइल में क्या लिखें?
जो एक लाइन का प्रॉम्प्ट इंटरैक्टिव तरीक़े से काम करता है, वह रात में फ़ेल होता है, क्योंकि एजेंट के पहले सवाल का जवाब देने वाला कोई नहीं होता। एक टास्क फ़ाइल लिखें:
# Task: add unit tests to src/billing/
## Goal
Every public function in src/billing/ has at least one unit test.
## Done when
- `pytest tests/billing` passes
- coverage for src/billing/ is reported (no target)
- no changes outside tests/billing/ except fixing obvious bugs, each in its own commit
## Rules
- Do not change public function signatures.
- If a function is untestable without a refactor, list it in NOTES.md and move on.
- Run `pytest tests/billing -x` after each new test file.
## Notes
Append decisions and skipped items to NOTES.md as you go.
“done when” वाला हिस्सा सबसे अहम है। यह एजेंट को जानने का तरीक़ा देता है कि काम पूरा हुआ, और आपको जाँचने का तरीक़ा। अगर रन दोबारा शुरू हो या कॉन्टेक्स्ट कॉम्पैक्ट हो, तो नोट्स फ़ाइल याददाश्त का काम भी करती है; देखें लंबे चलने वाले एजेंटों के लिए कॉन्टेक्स्ट मैनेजमेंट।
4. कौन-से गार्ड अटके हुए एजेंट को रोकते हैं?
बिना निगरानी का मतलब है कि अटके एजेंट पर सुबह तक किसी का ध्यान नहीं जाता। चार गार्ड:
- स्टेप की सीमा। हर टास्क के लिए मॉडल कॉल की एक तय अधिकतम संख्या।
- डेडलाइन। घड़ी के एक तय समय पर रोकें, जैसे सुबह 07:00, हालत चाहे जो हो।
- दोहराव की पहचान। जब एक ही टूल कॉल तीन बार एक ही नतीजा लौटाए, या तय संख्या के स्टेप तक कोई फ़ाइल न बदले, तो रोकें।
- हर टूल का टाइमआउट। लटका हुआ टेस्ट सूट पूरी रात को नहीं लटकाना चाहिए।
जब कोई गार्ड चालू हो, तो एजेंट को नोट्स फ़ाइल में कारण लिखकर साफ़ तरीक़े से बंद होना चाहिए। स्टेप की सीमा और retry की सीमा लागत के लिए क्यों मायने रखती हैं, यह कोडिंग-एजेंट लागत गाइड के हर टास्क पर स्टेप सीमित करें हिस्से में बताया गया है।
Aider को इस तरह चलाना आसान है: उसके स्क्रिप्टिंग डॉक्स एक निर्देश चलाकर बाहर निकलने के लिए --message विकल्प और सवालों को अपने-आप स्वीकार करने के लिए --yes-always दिखाते हैं। इसे टास्क सूची पर चलने वाले शेल लूप में लपेटें, हर रन के चारों ओर timeout के साथ, और आपके पास रात भर की एक सरल कतार है।
5. रात भर के लिए प्लान सेशन सस्ता है या प्रति-टोकन बिलिंग?
रात भर के रन लागत का सवाल बदल देते हैं। मीटर कोई नहीं देख रहा, और अटका हुआ एजेंट घंटों लूप में घूम सकता है।
प्रति-टोकन key पर, लागत इस पर निर्भर है कि एजेंट कितना भेजता है। एजेंट हर स्टेप पर कॉन्टेक्स्ट दोबारा भेजते हैं, इसलिए आठ घंटे का रन जुड़ता जाता है। प्रॉम्प्ट कैशिंग बहुत मदद करती है (DeepSeek V4.1 Flash पर कैश्ड इनपुट $0.0055 प्रति 1M टोकन है, जबकि नया इनपुट $0.175), पर आउटपुट और reasoning टोकन का पूरा बिल बनता है। आपको हर रन का टोकन बजट और अकाउंट पर ख़र्च की सीमा चाहिए।
प्लान सेशन पर, कोई टोकन मीटर नहीं है। Full Moon सेशन अनलिमिटेड DeepSeek V4.1 Flash के लिए $60 प्रति माह है, और यही ऊपरी सीमा है, एजेंट चाहे जितनी देर चले या जितना लूप करे। रात भर के काम के लिए यही मुख्य आकर्षण है: सबसे बुरे हालात का बिल सोने से पहले पता होता है।
| प्रति-टोकन key | प्लान सेशन | |
|---|---|---|
| अटकी हुई रात की सबसे बुरी लागत | टोकन के साथ बढ़ती है | प्लान की कीमत पर तय |
| समानांतर एजेंट | हर उपयोग के अनुसार भुगतान वाली key पर एक साथ 4 अनुरोध तक | हर सेशन पर एक समय में एक अनुरोध |
| मॉडल | सभी चैट मॉडल | सिर्फ़ DeepSeek V4.1 Flash |
| क्या गार्ड फिर भी चाहिए | हाँ, लागत और समय के लिए | हाँ, समय के लिए |
सेशन पर दो व्यावहारिक बातें। एक सेशन एक समय में एक अनुरोध चलाता है, इसलिए एक सेशन साझा करने वाले दो एजेंट बारी-बारी से चलते हैं; एक सेशन पर टास्क क्रम से चलते हैं, जो रात में अक्सर ठीक है। अगर आप एजेंट साथ-साथ चलाना चाहते हैं, तो हर एजेंट के लिए एक सेशन ख़रीदें। फ़्लैट-रेट API पर समानांतर एजेंट इसका हिसाब बताता है।
लगभग 100 टोकन प्रति सेकंड की आम स्पीड पर, एक सेशन लगातार इस्तेमाल के एक महीने में लगभग 259 मिलियन आउटपुट टोकन बना सकता है। आपके लिए यह प्रति-टोकन कीमत से बेहतर है या नहीं, यह वॉल्यूम पर निर्भर है; BroadNet के फ़ुल-टाइम कोडिंग एजेंट वाले उदाहरण में उपयोग के अनुसार भुगतान पर यह लगभग $65.40 प्रति माह आता है। अपने आँकड़े फ़्लैट-रेट बनाम प्रति-टोकन कैलकुलेटर में चलाएँ। लंबे बिना निगरानी वाले रन को कॉन्टेक्स्ट का अनुशासन और क्रैश के बाद भी टिकने वाले रीट्राई चाहिए: देखें टाइमआउट, रीट्राई और चेकपॉइंट।
6. सुबह रन की समीक्षा कैसे करें?
रात भर के रन का फ़ायदा सिर्फ़ समीक्षा के समय मिलता है। इसे तेज़ बनाएँ:
- पहले NOTES.md पढ़ें। एजेंट ने क्या पूरा किया, क्या छोड़ा और कहाँ अटका?
- रुकने का कारण देखें। पूरा हुआ, स्टेप की सीमा, डेडलाइन या दोहराव?
- टेस्ट ख़ुद चलाएँ। टेस्ट हरे होने की एजेंट की रिपोर्ट पर भरोसा न करें।
- diff को commit के हिसाब से पढ़ें। छोटे commit ग़लत बदलाव पहचानना और हटाना आसान बनाते हैं।
- जो रखना है उसे squash या rebase करें, फिर एक सामान्य pull request खोलें।
ज़्यादातर सुबह आप ज़्यादातर काम रखेंगे और कुछ commit हाथ से ठीक करेंगे। बुरी सुबह आप एक ब्रांच डिलीट कर देंगे। दोनों हालात में, आपके बिना main को कुछ नहीं छूता।
पहली रात इसे सुरक्षित तरीक़े से कैसे आज़माएँ?
एक साफ़ परिभाषित टास्क, एक एजेंट और एक सेशन से शुरू करें। रात भर कुछ भी चलता छोड़ने से पहले यह जाँचने के लिए कि सैंडबॉक्स, ब्रांच और गार्ड का सेटअप काम करता है, एक Meteor घंटा ($1) काफ़ी है। एजेंट के लिए, Aider गाइड में सटीक कनेक्शन सेटिंग हैं, कोडिंग एजेंट के लिए सबसे अच्छा ओपन मॉडल मॉडल चुनने में मदद करता है, और प्लान सेशन कैसे काम करते हैं key और सेशन को कवर करता है।
