AI प्रोजेक्ट्स के लिए डेव एनवायरनमेंट और इंफ्रा गाइड

आपने OpenAI पर बनाया, फिर Claude आज़माना चाहा और Gemini से तुलना करनी चाही — और हर प्रोवाइडर के अलग SDK, फ़ॉर्मैट, तथा error handling में घंटों गँवा दिए। LLM gateway (AI gateway / LLM proxy) एक रिले है जिसे आप अपनी ऐप और प्रोवाइडर्स के बीच लगाते हैं: यह हर मॉडल तक पहुँचने के लिए एक OpenAI-compatible API पेश करता है और cross-cutting काम अपने ज़िम्मे लेता है — fallback, cost tracking, virtual keys, caching, rate limiting, और observability। यह गाइड बताती है कि आपको इसकी ज़रूरत क्यों है, gateway असल में क्या है, तीन प्रकार (self-hosted proxy = LiteLLM / hosted = OpenRouter / SDK = Vercel AI SDK), LiteLLM, OpenRouter, और Vercel AI SDK में से कैसे चुनें, न्यूनतम सेटअप कोड जो सिर्फ़ endpoint बदलता है, और सीमाएँ — एक hop latency, gateway एक नया failure point, शुल्क (OpenRouter खरीद पर 5.5% लेता है), फ़ीचर का नुकसान, और privacy।

Claude Code को काफ़ी समय तक इस्तेमाल करें तो आप एक दुविधा में फँसते हैं: हर कमांड पर प्रॉम्प्ट आपका प्रवाह रोकता है, फिर भी bypass से सब बंद करना ख़तरनाक है। sandbox इस दो-टूक स्थिति को तोड़ता है, OS स्तर पर छुई जा सकने वाली चीज़ों की बाड़ लगाकर, ताकि कमांड भीतर बिना प्रॉम्प्ट के स्वतंत्र रूप से चलें जबकि कुछ भी बाहर न पहुँचे। यह गाइड दो अलगाव (फ़ाइलसिस्टम और नेटवर्क), /sandbox से शुरुआत (macOS सीधे काम करता है, Linux/WSL2 को bubblewrap+socat चाहिए, नेटिव Windows समर्थित नहीं), auto-allow बनाम regular मोड, settings.json कॉन्फ़िगर करना (allowWrite/denyRead, credentials, allowedDomains), यह कैसे एक तीसरी OS-लागू परत के रूप में permission मोड और नियमों को पूरक करता है, इसकी सीमाएँ (बिना-जाँचे TLS, Unix सॉकेट), और dev container या VM कब चुनें, को कवर करता है। Anthropic बताता है कि आंतरिक उपयोग में इसने permission प्रॉम्प्ट 84% घटाए।

क्या आप AWS संचालन AI को सौंप सकते हैं? 2026 में काफी कुछ सौंपा जा सकता है। AWS खुद Amazon Q Developer और Agent Toolkit for AWS (May 2026 — 40+ agent skills + एक मैनेज्ड AWS MCP Server + प्लगइन्स) प्रदान करता है, जिससे AI, IaC जनरेशन से रिसोर्स ऑपरेशन तक पहुँच सकता है। यह गाइड "सौंपने" को तीन स्तरों में समझाती है (① कोड/IaC जनरेशन, ② पढ़ने-केंद्रित ऑपरेशन/जाँच, ③ एक स्वायत्त एजेंट जो सचमुच AWS संचालित करता है), मुख्य टूल्स को कवर करती है (Amazon Q Developer, Agent Toolkit, AWS MCP Server, Terraform MCP, Bedrock AgentCore) — जिसमें Claude Code या Codex को AWS CLI देकर शेल से "aws" चलवाने वाला अपना-लाओ रास्ता भी शामिल है — फायदे (तेज़ IaC, स्वचालित ट्राइएज, कॉस्ट-ऑप्टिमाइज़ेशन के विचार, ज्ञान का लोकतंत्रीकरण), और फिर असली मुद्दा, नुकसान (IAM permission sprawl, गलतियों/प्रॉम्प्ट इंजेक्शन के लिए ब्लास्ट-रेडियस बढ़ाने वाली अधिक-अनुमति, कार्य के बाद बची अनुमतियाँ, कॉस्ट रनअवे — 2025-26 की वास्तविक प्रोड-DB-डिलीशन घटनाओं के साथ), AWS आधिकारिक और सुरक्षा-वेंडर स्रोतों के आधार पर। मुख्य पेच: सवाल "क्या यह हो सकता है?" नहीं बल्कि "बिना रनअवे या बिल विस्फोट के आप इसे कैसे सौंपें" है — और AWS द्वारा खुद Agent Toolkit में IAM गार्डरेल्स, CloudTrail ऑडिट और सैंडबॉक्सिंग शामिल करना उत्तर की रूपरेखा दिखाता है। इसमें पाँच सिद्धांत (न्यूनतम-विशेषाधिकार IAM, विनाशकारी ऑपरेशन के लिए मानवीय अनुमोदन, ऑब्ज़र्वेबिलिटी, JIT अल्पकालिक क्रेडेंशियल्स, सैंडबॉक्सिंग) और एक FAQ शामिल है।

AI एजेंट को असली काम में उतारने की पहली बाधा है "इसे किस फ्रेमवर्क पर बनाएँ।" डेवलपर और तकनीक-चयनकर्ता के नज़रिए से यह लेख छह प्रमुख फ्रेमवर्कों की तुलना करता है — LangGraph, CrewAI, AutoGen (Microsoft Agent Framework में समाहित, GA अप्रैल 2026), OpenAI Agents SDK, Google ADK और Claude Agent SDK — ऑर्केस्ट्रेशन दृष्टिकोण (दिशात्मक ग्राफ़ / भूमिका-आधारित क्रू / संवादात्मक GroupChat / हैंडऑफ़ / श्रेणीबद्ध वृक्ष / स्वायत्त टूल लूप), भाषा, सीखने की चढ़ाई, नियंत्रण, प्रोडक्शन परिपक्वता, टोकन लागत और सबसे उपयुक्त उपयोग-परिदृश्य के आधार पर। मुख्य चेतावनी: जो फ्रेमवर्क "प्रोटोटाइप में सबसे तेज़" है (CrewAI) वही प्रोडक्शन में सबसे महँगा हो सकता है — करीब 3× टोकन (एक बेंचमार्क में LangGraph 18.5k के मुकाबले 41k) और अनिर्धारक, जो वित्त और स्वास्थ्य के लिए खराब फिट है। यह भी बताता है कि 2026 में MCP (टूल) और A2A (एजेंट-टू-एजेंट) से इंटरऑप कैसे आया, जिससे अलग-अलग फ्रेमवर्कों के एजेंट अब मिलकर काम कर सकते हैं और लॉक-इन कमज़ोर पड़ गया। इसमें उपयोग-परिदृश्य चयन गाइड और FAQ शामिल हैं।

Claude Code के परमिशन रूल्स से आप settings.json में allow/ask/deny लिखकर बारीकी से तय कर सकते हैं कि कौन-से टूल, कमांड, फ़ाइल और डोमेन बिना पूछे चलें, पुष्टि माँगें या वर्जित रहें। यह गाइड प्राथमिकता क्रम, रूल सिंटैक्स, settings.json की पदानुक्रम और व्यावहारिक रेसिपी समझाती है।

Claude Code में प्रॉम्प्ट बॉक्स के बगल वाला "अनुमति मोड" सेलेक्टर तय करता है कि Claude कितनी बार रुककर अनुमति मांगेगा। यह गाइड 5 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।

आप शायद मानते हों कि किसी LLM को क्लाउड में ही चलना पड़ता है, पर 2026 में AI को पूरी तरह अपने ही PC के अंदर चलाना — यानी "लोकल LLM" — एक व्यावहारिक विकल्प है। लोकल LLM का मतलब है ChatGPT या Claude जैसी मॉडल को क्लाउड के बजाय सीधे अपनी मशीन पर चलाना। इसके तीन बड़े आकर्षण हैं: प्राइवेसी (इनपुट कभी डिवाइस से बाहर नहीं जाता), शून्य लागत (कोई API शुल्क नहीं) और ऑफलाइन उपयोग (इंटरनेट के बिना भी चलता है)। कमज़ोरियाँ: यह सबसे ऊपरी क्लाउड AI जितना समझदार नहीं, इसे एक ठीक-ठाक सक्षम PC चाहिए, थोड़ा सेटअप लगता है, और इसके पास ताज़ा जानकारी नहीं होती। यह शुरुआती गाइड बताती है कि लोकल LLM क्या है (स्ट्रीमिंग-बनाम-डाउनलोडिंग की उपमा), फायदे और कमज़ोरियाँ, ज़रूरी स्पेक्स और क्वांटिज़ेशन (GGUF फ़ॉर्मैट, जिसमें Q4_K_M सबसे पसंदीदा है जो गुणवत्ता बनाए रखते हुए मेमोरी को लगभग एक-चौथाई कर देता है; 4-बिट पर प्रति 1B पैरामीटर लगभग 0.5 GB मेमोरी), शुरुआत कैसे करें (शुरुआती लोगों के लिए LM Studio का GUI, डेवलपर्स के लिए Ollama का CLI — 2026 की पहली तिमाही में 5.2 करोड़ मासिक डाउनलोड), सुझाई गई 2026 मॉडल्स (Llama 3.2 7B, Google Gemma 4, Alibaba Qwen3.5, साथ ही DeepSeek और Mistral — सभी ओपन), और लोकल बनाम क्लाउड का उपयोग कब करें (गोपनीय, अधिक-मात्रा और ऑफलाइन काम के लिए लोकल; कठिन समस्याओं के लिए क्लाउड)। सबसे तेज़ पहला कदम: LM Studio में एक छोटी 3B–7B मॉडल चलाएँ।

एनवायरनमेंट सेटअप वही जगह है जहाँ हर शुरुआती प्रोग्रामर अटकता है। 2026 में, जनरेटिव AI (Claude Code, Codex, Cursor) नियमित इन्फ्रास्ट्रक्चर कार्य के लिए वास्तव में उपयोगी है — लोकल एनवायरनमेंट सेटअप, Dockerfile जनरेशन, Terraform ड्राफ़्ट, CI/CD पाइपलाइन। HashiCorp ने 2026 में अपना आधिकारिक Terraform MCP Server जारी किया, और Anthropic ने Agent Skills जारी किया ताकि इन्फ्रास्ट्रक्चर विशेषज्ञता माँग पर लोड हो सके। लेकिन "सब कुछ सौंप दें" अलग प्रश्न है: खुला 0.0.0.0/0 security group, GitHub पर कमिट SSH कुंजी, $3,000 महीने-अंत AWS बिल — सभी 2026 की वास्तविक घटनाएँ। यह लेख पाँच सौंपने-सुरक्षित क्षेत्र, तीन "सत्यापित-फिर-भरोसा" जोखिम क्षेत्र, चार केवल-मानव क्षेत्र, एक चार-चरण शुरुआती-सुरक्षित वर्कफ़्लो, और नवीनतम 2026 टूलिंग (Claude Code, MCP, Agent Skills) को विभाजित करता है — क्षमता मूल्यांकन पर केंद्रित, करियर प्रभाव पर नहीं।

Claude Code या ChatGPT से वेब ऐप बनाने के बारे में पूछिए और आप लगभग निश्चित रूप से सुनेंगे "Next.js का उपयोग करें।" लेकिन वह सुझाव प्रशिक्षण-डेटा आवृत्ति से आता है, आपकी परियोजना के बारे में निर्णय से नहीं। यह लेख खोलता है: AI के तीन वैध कारण (प्रशिक्षण-डेटा प्रभुत्व / बैटरीज़-इनक्लूडेड / Vercel डिप्लॉय आसानी), JavaScript / React / Next.js संबंध की व्याख्या, 5-मिनट निर्णय प्रवाह (क्या बनाना है, SEO, DB, समय बजट, लक्ष्य होस्ट), चार वास्तविक विकल्प (Astro, Vite + React, SvelteKit, HTML + Vanilla) उपयोग-केसों के लिए, Next.js का उपयोग करने के लिए पाँच जानना-ज़रूरी मूल बातें (App Router, Server बनाम Client Components, फ़ाइल-आधारित रूटिंग, env चर, डिप्लॉय लक्ष्य), और शुरुआती के तीन जाल (हर जगह use-client, Vercel लॉक-इन, AI पुराना Pages-Router कोड लौटाता है) — सब मई 2026 के अनुसार कैलिब्रेटेड। Docker लेख के बाद "AI सिफारिश करता है..." श्रृंखला की दूसरी प्रविष्टि।

फ़रवरी 2026 में, Anysphere — Cursor की निर्माता कंपनी — ने $2B ARR पार कर लिया, सिर्फ़ तीन सालों में OpenAI और Anthropic की श्रेणी में एक SaaS revenue वक्र खींच दिया। यह लेख कवर करता है कि Cursor कैसे VS Code से अलग है — AI को सीधे rendering layer में embed करके (100ms से कम Tab completion, 272K-token codebase index, छह core फ़ीचर: Tab / Inline Edit / Composer / Agent / Background Agents / Bugbot), VS Code से पाँच ठोस अंतर, चार प्रतिद्वंद्वियों (Windsurf / Zed / Claude Code / GitHub Copilot) से side-by-side तुलना, Hobby-मुफ़्त / Pro $20 / Business $40 योजना संरचना, और "किसे वास्तव में स्विच करना चाहिए" के लिए निर्णय गाइड — मई 2026 तक तथ्य-आधारित।

क्या MCP server का मुद्रीकरण किया जा सकता है? मेरा उत्तर है 'हाँ, लेकिन 95% विफल होंगे।' मार्च 2026 तक 12,000+ सार्वजनिक MCP server में से 5% से भी कम सफलतापूर्वक मुद्रीकृत हुए हैं · बाकी 'उपयोगी लेकिन मुफ़्त' के कब्रिस्तान में बैठे हैं। एकल डेवलपर 21st.dev ने शून्य मार्केटिंग बजट के साथ 6 हफ़्तों में $10K MRR छू लिया, Apify Store पर शीर्ष डेवलपर $2,000/माह कमा रहा है। यह लेख कवर करता है 4 राजस्व पैटर्न (subscription / usage-based / API-key model / freemium), marketplace तुलना (MCPize 85% rev share, Apify, Glama, Smithery, अपनी साइट और Stripe), वास्तविक उदाहरण और संख्याएँ, 6 विफलता पैटर्न, एकल डेवलपर का 6-चरणीय playbook, enterprise रणनीति (MCP को funnel के रूप में), और 1 से 3 साल का पूर्वानुमान · उद्योग शोध और वास्तविक मामलों पर आधारित।