Claude AI गाइड: टिप्स और बेस्ट प्रैक्टिस

जुलाई 2026 के दो AI-कोडिंग दिग्गजों, Claude Opus 4.8 (28 मई) और GPT-5.6 के शीर्ष Sol (9 जुलाई) की गहन तुलना। इनकी ताकत लगभग विपरीत है: Sol टर्मिनल संचालन व समग्र एजेंट क्षमता में आगे (TerminalBench 2.1 88.8% vs Opus 78.9%, Agents' Last Exam 53.6, Coding Agent Index 80), जबकि Opus 4.8 प्रोडक्शन-स्तरीय कोडिंग में आगे (SWE-bench Pro 69.2% vs Sol 64.6%) और ईमानदारी को सामने रखता है (अपने कोड की खामियाँ बिना बताए जाने देने की दर पिछली पीढ़ी की लगभग एक-चौथाई; अहम विफलताएँ सिर्फ़ 3.7% मामलों में नहीं बताता)। अघोषित बताए गए GPQA Diamond और FrontierMath, OpenAI की मूल्यांकन तालिका में हैं और उनमें Sol आगे है (GraphWalks 1M में भी), और SWE-bench Pro में OpenAI की अपनी तालिका में भी Opus आगे है, इसलिए कोडिंग के असली किले में Opus बढ़त पर है। हम स्पेक तालिका, बेंचमार्क विवरण, अघोषित-बेंचमार्क समस्या, वास्तविक लागत ($25 vs $30 यूनिट मूल्य बनाम +54% टोकन दक्षता), ताकत/कमज़ोरी नक्शा, उपयोग-केस चयन और डुअल-वेंडर रणनीति को कवर करते हैं।

Claude Code व API में अचानक आने वाला "API Error: 400 Output blocked by content filtering policy" — यह न usage limit है, न कॉन्टेक्स्ट का ओवरफ्लो, बल्कि Claude जो "आउटपुट" लौटाने वाला था उसे सेफ्टी फिल्टर ने रोक दिया। मुख्य उद्देश्य मौजूदा कॉपीराइट सामग्री के शब्दशः पुनरुत्पादन को रोकना है, और MIT/Apache जैसी मानक लाइसेंस का पूरा टेक्स्ट जनरेट करने, मौजूदा स्रोत से "मिलान" वाले काम, या लंबे दस्तावेज़ की नकल में बिना बुरी नीयत के भी गलत पहचान (false positive) अक्सर होती है। यह लेख आधिकारिक व्याख्या, असली Claude Code Issue में दिखे पैटर्न (OSS रिपॉजिटरी सेटअप, सूची मिलान, लंबे एजेंट रन के अंत में टोकन लिमिट का गलत निदान), तुरंत ठीक करने के तरीके (टूल से हासिल करना, प्रॉम्प्ट को जनरेशन/सारांश की ओर झुकाना, Esc से रिट्राई लूप रोकना, टास्क बांटना, सपोर्ट रिपोर्ट), और Prompt is too long / usage limit / 529 Overloaded / max_tokens से फर्क तक को व्यवस्थित करता है।

आप Claude Code की weekly token limit तक पहुँचे, फिर भी सात दिन बीतने से पहले allowance पूरी भर गई — एक बार नहीं, कई बार। ऑनलाइन तो ऐसे "छिपे तंत्र" वाले लेख भी हैं जो दावा करते हैं कि weekly limit हर 72 घंटे में reset होती है। क्या यह सच है? यह लेख उस परिघटना को मूल स्रोतों तक ले जाता है। पर Anthropic ने आंतरिक reset तंत्र प्रलेखित नहीं किया है, और limit बदलती रहती है, इसलिए हम स्पष्ट रूप से तीन तरह की जानकारी को लेबल करते हैं: आधिकारिक स्रोतों से पुष्ट तथ्य, ऐसी घटनाएँ जिन्हें कई उपयोगकर्ता पुनरुत्पादित रूप से देखते हैं पर जिन पर Anthropic ने कुछ नहीं कहा, और एकल-स्रोत अपुष्ट अनुमान। सार यह: जल्दी पूरी recovery ज़्यादातर मामलों में Anthropic के अनियमित global reset हैं (@ClaudeDevs ने बार-बार घोषणा की); दिखाया गया reset समय भी स्पष्ट रूप से अस्थिर है; और प्रचलित "72-घंटे cadence" एकल-प्रेक्षक, अपुनरुत्पादित, और एक अन्य अवलोकन (24 घंटे) से विरोधाभासी है, इसलिए इसे तथ्य नहीं माना जा सकता। सितंबर 2026 से एक नया रूप भी जुड़ा है: दिया गया reset, जिसे आप जब चाहें ख़ुद इस्तेमाल करें (web या Claude Desktop में Settings > Usage का "Reset for free"; terminal वाले Claude Code में यह button नहीं है)। जहाँ कुछ नहीं कहा जा सकता, हम वैसा ही कहते हैं — सितंबर 2026 तक की स्थिति पर एक जाँच।

Claude Code sandbox OS स्तर पर sandbox के shell और उनके child processes की फ़ाइल और नेटवर्क पहुँच सीमित करता है। /sandbox सेटअप, लेखन स्थान, पढ़ने की रोक, अनुमत domains और regular तथा auto-allow अनुमतियाँ समझें। अंतर्निहित Read/Edit/Write, MCP, hooks, excluded कमांड और sandbox के बाहर retries अलग रास्ते हैं। यह हर विनाशकारी कार्य, अनुमत क्षेत्र में डेटा भेजने या गुप्त डेटा लीक को रोकने की गारंटी नहीं देता; गाइड मोड के अनुसार अनजान host के निर्णय और अपवाद सेटिंग समझाता है।

"AI से आख़िर पूछें क्या?" पर अटक जाने वालों के लिए, बस कॉपी करके पेस्ट करते ही मज़ेदार जवाब लौटाने वाले 30 "प्रॉम्प्ट" इकट्ठा किए। 6 श्रेणी × 5 सवाल: खुद को जानें (छुपी ख़ूबियाँ, साझा मूल्य, जानवर से तुलना), सोच फैलाएँ · काल्पनिक दुनिया (आम चीज़ का अनोखा इस्तेमाल, गुरुत्वाकर्षण आधा हो जाए तो, कोई न मौजूद त्योहार गढ़ना), समझ में आ जाने वाली व्याख्या (क्वांटम मैकेनिक्स 5 साल के बच्चे को, चक्रवृद्धि ब्याज तीन रूपकों में, इंटरनेट पिज़्ज़ा-डिलीवरी की तरह), शब्दों का खेल (10 शैलियों में दोबारा लिखना, 2 वाक्यों की अति-लघुकथा, उपनाम गढ़ना, पैलिंड्रोम), रोल-प्ले · सलाह (सख़्त लाइफ़ कोच, नई कहावत गढ़ने वाले ऋषि, भविष्य के आप से चिट्ठी, उलझन में पड़ा एलियन), काम की फिर भी मज़ेदार (बहाने को सूक्ति, 5 स्तर की ना, रूखे संदेश का सुधार, नाटकीय व्यंजन-नाम, ToDo में मज़ेदार बहकावा)। सब मुफ़्त ChatGPT, Claude या Gemini पर चलता है। मज़ेदार बनाने की तरकीबें ("और" पर "और", किरदार व शर्त, AI बदलना) और सावधानियाँ, साथ में सहयोगी लेख "AI इस्तेमाल के 15 मज़ेदार तरीके" की ओर राह भी।

जब भी AI की बात होती है तो हमेशा गंभीर चीज़ें ही सामने आती हैं, पर AI शायद खेलने में ही सबसे ज़्यादा चमकता है। यह लेख AI इस्तेमाल के 15 मज़ेदार तरीके दिखाता है, हर एक के साथ एक कॉपी-पेस्ट प्रॉम्प्ट जिसे आप अभी आज़मा सकते हैं। शब्दों का खेल & कॉमेडी (① कॉमेडी बैटल ② पैरोडी-गाना/रैप मशीन ③ नाम-फ़ैक्ट्री), रोल-प्ले & संवाद (④ ऐतिहासिक हस्ती से बातचीत ⑤ दो AI को बहस करवाएँ ⑥ डेविल्स-एडवोकेट बॉट से बहस का अभ्यास), गेम्स (⑦ AI गेम मास्टर वाला टेक्स्ट एडवेंचर ⑧ अपना क्विज़ शो ⑨ गुनहगार पकड़ने वाला मिस्ट्री गेम), रचनात्मक (⑩ काल्पनिक जीवों की फ़ील्ड-गाइड ⑪ एक कहानी जहाँ नायक आप हों ⑫ इमेज जनरेशन के साथ खेल), और रोज़मर्रा & अनोखे (⑬ बचे-खुचे सामान का शेफ़ ⑭ प्राचीन रोम या चाँद की ट्रैवल प्लान ⑮ मनोरंजक भविष्यवक्ता)। सब कुछ मुफ़्त ChatGPT, Claude या Gemini पर चलता है (सिर्फ़ #12 इमेज बनाना Claude नहीं कर सकता, उसके लिए ChatGPT या Gemini)। मज़े की तीन कुंजियाँ — इसे रोल दें, शर्तों में बाँधें, "और" पर "और" चढ़ाएँ — जो प्रैक्टिकल प्रॉम्प्टिंग की बुनियाद भी हैं। साथ में सावधानियाँ (तथ्य बनाम कल्पना, निजी जानकारी, बच्चों के साथ खेल) और एक FAQ भी।

Claude Fable 5 और Opus 5 दोनों टॉप-टियर हैं, लेकिन जवाब न "हमेशा Fable 5" है न "हमेशा Opus 5" — टास्क के हिसाब से चुनें। और 24 जुलाई 2026 को आए Opus 5 ने इस जवाब को काफ़ी बदल दिया: पिछली पीढ़ी का Opus 4.8 "Fable 5 से थोड़ा नीचे, पर आधी कीमत" वाली जगह पर था, जबकि Opus 5 वही $5 / $25 कीमत बनाए रखते हुए agentic बेंचमार्क पर Fable 5 की बराबरी करता है या आगे निकल जाता है (Frontier-Bench 43.3% बनाम 33.7% और OSWorld 2.0 70.6% बनाम 66.1%, दोनों Anthropic की तुलना-तालिका से; CursorBench 3.2 पर Anthropic का कहना है कि यह लगभग आधी लागत में Fable 5 के 0.5% के भीतर पहुँचता है)। जहाँ अंतर छोटा है, वहाँ क्रम तालिका पर निर्भर है: DeepSWE v1.1 पर Anthropic की तालिका में Fable 5 69.7% बनाम 68.8% से आगे है, और OpenAI की तालिका में Opus 5 73.7% बनाम 69.9% से। स्पेक में 1M कॉन्टेक्स्ट विंडो और 128K अधिकतम आउटपुट समान हैं; fast mode (लगभग 2.5×) सिर्फ़ Opus 5 में है, पर उसकी कीमत 2× है और वह सिर्फ़ Claude API पर मिलता है, और नॉलेज कटऑफ़ Opus 5 का ज़्यादा नया है (मई 2026)। फैसले का फ्लो: पहले Opus 5 आज़माएँ और सिर्फ़ वहीं Fable 5 तक जाएँ जहाँ Opus 5 की सीमा आ जाए। व्यवहार में "Opus 5 आधार, मुश्किल हिस्सों के लिए Fable 5" सर्वोत्तम है — साथ में ऐप-साइड सेफ़्टी-ब्लॉक ऑटो-स्विच और नया API फ़ॉलबैक "default" मोड। इसमें उपलब्धता (जून निलंबन, जुलाई पुनः-तैनाती), एकल-मॉडल निर्भरता से बचाव, लागत के लिए effort ट्यूनिंग और एक FAQ शामिल है — Fable 5 क्लस्टर को Opus 5 रिलीज़ गाइड से जोड़ते हुए।

1 जुलाई 2026 को, Anthropic ने अपने फ्लैगशिप मॉडल Claude Fable 5 को विश्वभर में फिर से तैनात किया (Mythos 5 केवल कुछ अमेरिकी संगठनों के लिए लौटा) — 12 जून को एक अमेरिकी निर्यात-नियंत्रण आदेश के तहत पूर्ण निलंबन के महज 19 दिन बाद। वापसी का सीधा कारण: अमेरिकी वाणिज्य विभाग ने 30 जून को निर्यात नियंत्रण हटा दिए। मूल वजह Amazon के शोधकर्ताओं की जेलब्रेक रिपोर्ट थी, पर Anthropic लगातार यह दलील देता रहा कि 'Fable 5 में कोई अनूठी आक्रामक क्षमता नहीं है', और नियंत्रणों का हटना उसी रुख के अनुरूप मामले को सुलझाता है। यह केवल ज्यों का त्यों वापस नहीं आया: रिपोर्ट की गई दरकिनार तकनीक को पहचानने के लिए प्रशिक्षित एक नया classifier इसे 99% से अधिक मामलों में रोकता है, और सक्रिय होने पर अनुरोध अपने-आप Opus 4.8 पर रीरूट होता है (ऐप में "किसी संदेश पर फ़्लैग लगने पर मॉडल स्विच करें" टॉगल)। फ़िलहाल एक अस्थायी सीमा लागू है — 7 जुलाई तक Pro, Max, Team और चुनिंदा Enterprise प्लान पर साप्ताहिक सीमा के अधिकतम 50% तक, उसके बाद उपयोग क्रेडिट के ज़रिए। Fable 5, Opus 4.8 की तुलना में उपयोग तेज़ी से खपत करता है, और क्लाउड पहुँच (AWS, Google Cloud, Microsoft Foundry) चरणबद्ध तरीके से लौटती है (अभी तारीख नहीं)। निलंबन के फ़ॉलो-अप के रूप में, यह लेख बताता है कि वापसी कैसे संभव हुई, क्या बदला, उपयोग की सावधानियाँ, और किसी एक मॉडल पर निर्भर न रहने वाले डिज़ाइन की सीख — आधिकारिक घोषणा और मीडिया रिपोर्टों पर आधारित।

Claude Code के अनुमति नियम settings.json में allow, ask और deny से टूल कॉल नियंत्रित करते हैं। सेटिंग प्राथमिकता, कमांड और पथ मिलान तथा व्यावहारिक उदाहरण समझें। गाइड वैकल्पिक Bash रूप, मनमानी स्क्रिप्ट, Read/Edit के नकारात्मक पैटर्न और mods से निर्णय बदलने की शर्तें भी बताता है। ये नियम हर रास्ते से गुप्त फ़ाइल या नेटवर्क पहुँच रोकने की गारंटी नहीं देते।

Claude Code में प्रॉम्प्ट बॉक्स के बगल वाला "अनुमति मोड" सेलेक्टर तय करता है कि Claude कितनी बार रुककर अनुमति मांगेगा। यह गाइड 6 मोड, Shift+Tab से स्विच करने का तरीका, ऑटो मोड की कार्यप्रणाली, और कब कौन सा मोड सुरक्षित रूप से चुनें, इन सबको समझाता है।

Claude Code का "तेज़ ↔ स्मार्टर" डायल हर जवाब में लगने वाली सोच और टोकन तय करता है। जानें कि 5 API प्रयास स्तर (low–max) और Ultracode मोड कैसे काम करते हैं, "अतिरिक्त" (xhigh) और "अधिकतम" (max) में क्या अंतर है, और /effort कमांड से इसे कैसे सेट करें।

Agent evals यह व्यवस्थित रूप से मापने की प्रक्रिया है कि एक agent—जो टूल्स का उपयोग करता है और किसी लक्ष्य तक पहुँचने के लिए कई चरण लेता है—सचमुच अपने कार्य पूरे कर सकता है या नहीं। ये LLM evals का विकास हैं, जो लक्ष्य को "एक आउटपुट" से बढ़ाकर "क्रियाओं का एक अनुक्रम" बना देते हैं। चूँकि एक agent योजना बनाता है, टूल्स कॉल करता है, और स्टेट अपडेट करता है, इसलिए केवल अंतिम आउटपुट पर्याप्त नहीं है; Google कहता है कि आपको agent की क्रियाओं के पीछे का "क्यों" समझना होगा और मूल्यांकन को final response तथा trajectory में बाँटता है। पाँच आयाम हैं: outcome (कार्य की सफलता, अंतिम स्टेट से आँकी गई—क्या DB में आरक्षण मौजूद है, न कि "मैंने बुक कर दिया" कथन), trajectory (उचित चरण, सही क्रम में सही टूल्स), टूल-उपयोग की शुद्धता (सही टूल और आर्गुमेंट, फ़ंक्शन नाम व प्रकार जाँचना), दक्षता (चरण, टोकन, लागत, latency—अक्सर observability संकेत जो मूल्यांकन में लाए जाते हैं), और अंतिम-प्रतिक्रिया की गुणवत्ता (LLM-as-judge या रूब्रिक से)। ग्रेडर हैं code (तेज़/सस्ता/पुनरुत्पाद्य पर भंगुर), LLM-as-judge (लचीला पर अनिर्धारणीय और कैलिब्रेशन चाहिए), और human (स्वर्ण-मानक पर महँगा—हो सके तो टालें)। Anthropic पथ नहीं, बल्कि परिणाम को ग्रेड करने की सलाह देता है: रटी-रटाई trajectory मैचिंग "बहुत कठोर और भंगुर" है क्योंकि agents वैध विकल्प खोज लेते हैं, जबकि Google और Microsoft विफलताओं के निदान के लिए trajectory-match मेट्रिक्स देते हैं। अनोखी मुश्किलें हैं अनिर्धारणीयता (pass^k), संयोजी त्रुटियाँ (p^t), reward hacking (DeepMind का रोबोट आर्म पकड़ का नाटक करते हुए), और पुराने या contaminated eval सेट। Anthropic के अनुसार व्यावहारिक रणनीति: 20-50 प्रोडक्शन विफलताओं को टेस्ट केस में बदलें, CI में स्वचालित ग्रेडिंग चलाएँ, capability और regression evals अलग करें, और इन्हें जल्दी लिखें। SWE-bench, tau-bench, WebArena, GAIA, OSWorld, और BFCL जैसे बेंचमार्क उपयोगी संदर्भ हैं (स्कोर वर्शन के साथ बदलते हैं, इसलिए उन्हें अंकित मूल्य पर न लें)। आधिकारिक जानकारी पर आधारित, अनिश्चितताओं को चिह्नित करते हुए।