AI डेवलपमेंट और प्रोग्रामिंग: AI से ऐप बनाएं

अगर Claude Code में जवाब के बीच "API Error: The response stopped arriving. The response above may be incomplete." दिखे, तो इसका मतलब है कि कनेक्शन खुला रहा पर डेटा आना बंद हो गया, और Claude Code के वॉचडॉग टाइमर ने उसे काट दिया। पूरा हुआ आउटपुट बचा रहता है, इसलिए काम की स्थिति जाँचकर continue भेजें, तो काम वहीं से आगे बढ़ जाता है। यह संदेश v2.1.227 से पहले "Response stalled mid-stream" के रूप में दिखने वाले संदेश का नया नाम है। आधिकारिक एरर रेफ़रेंस और नेटवर्क कॉन्फ़िगरेशन दस्तावेज़ों के आधार पर हमने समझाया है कि यह Connection lost mid-response, The response stalled before a response was produced और Streaming response ended before any complete data was received से कैसे अलग है, इसे दोबारा क्यों नहीं भेजा जाता, -p और सबएजेंट में क्या होता है, वर्ज़न, नेटवर्क का रास्ता और वॉचडॉग टाइमर कैसे जाँचें, और रिपोर्ट करते समय कौन-सी जानकारी रखें। GitHub पर पढ़ी गई 5 रिपोर्टों को आधिकारिक व्याख्या से अलग, अपुष्ट मामलों के रूप में रखा गया है।

Claude Code में “Login expired · Please run /login” दिखे, तो इसका मतलब है कि सहेजे गए लॉगिन का अपने-आप नवीनीकरण ठुकरा दिया गया और Claude Code ने क्रेडेंशियल मिटा दिए। इसके बाद के निर्देश API तक नहीं जाते, मशीन पर ही रुक जाते हैं, इसलिए दोबारा कोशिश करने के बजाय /login से फिर साइन इन करें। आधिकारिक त्रुटि संदर्भ के आधार पर हमने समझाया है कि यह Not logged in, OAuth token has expired और Your account is on hold से कैसे अलग है; v2.1.206 में संदेश कैसे बदला; /status से जाँचने से लेकर दोबारा साइन इन तक के कदम; -p और CI में क्या करें; और बार-बार आने पर संस्करण, कीचेन, घड़ी और CLAUDE_CONFIG_DIR की जाँच। GitHub की 6 रिपोर्टों को अलग से ऐसे मामलों के रूप में रखा गया है जिनका कारण तय नहीं है।

Codex में इतिहास पढ़ा जा सकता है, फिर भी “thread not found” से संदेश न भेज पाने पर बातचीत गायब नहीं होती। सहेजे गए इतिहास और निष्पादन के लिए लोड बातचीत का अंतर चित्र से समझाया गया है। हमारे वातावरण में दोबारा लोड होने के बाद भेजना सफल हुआ, और दोबारा खोलना, ऐप रीस्टार्ट, छोटे संदेश का क्रम और न सुधरने पर हस्तांतरण व रिपोर्ट के तरीके बताए गए हैं।

Jev, TypeSafe का AI मॉडल है जो टेक्स्ट लिखने के बजाय विकल्प, मूल्यांकन-मान और Yes/No की संभावना लौटाता है। इसमें Choice, Score और Noul का अंतर, confidence पढ़ने का तरीका और पूछताछ को सही टीम में भेजने वाली API का ढाँचा समझाया गया है। तय प्रारूप से सही निर्णय की गारंटी नहीं मिलती, इसलिए गणना, तारीख और भ्रामक इनपुट जैसी कमज़ोरियाँ, कीमत, इनपुट सीमा और हिंदी में उपयोग से पहले मूल्यांकन के तरीके भी लेख में हैं।

आप चाहते हैं कि योजना बनाने का काम ही समझदार मॉडल करे, और कार्यान्वयन तेज़ और सस्ता मॉडल। Claude Code का opusplan यही अपने-आप करने वाली मॉडल सेटिंग है। यह प्लान मोड के दौरान Opus पर और बाक़ी समय Sonnet पर चलता है, और /model opusplan या settings.json के model से इस्तेमाल होता है। लेकिन यह /model की सूची में नहीं दिखता, और प्लान मोड में जाने और निकलने पर हर बार मॉडल बदलता है, इसलिए हर बदलाव पर पूरी बातचीत बिना कैश के दोबारा पढ़ी जाती है। यह लेख 15 सितंबर 2026 तक के आधिकारिक दस्तावेज़, बदलाव-इतिहास और GitHub issue के आधार पर बताता है: सेट करने का तरीक़ा (वर्ज़न टिकाना और 1M कॉन्टेक्स्ट सहित), प्लान मोड से मंज़ूरी देकर कार्यान्वयन तक का क्रम, v2.0.0 में चुनने वाली स्क्रीन से हटाए जाने की पृष्ठभूमि और Anthropic के कर्मचारी का स्पष्टीकरण, बदलाव से होने वाली कैश लागत का अनुमान और उसे कम रखने के तरीक़े, advisor टूल और सबएजेंट से अंतर, और यह किस तरह के इस्तेमाल में ठीक बैठता है और किसमें नहीं।

क्या Claude Code का मुख्य सत्र Opus 5 पर रखकर, अनुवाद या बड़ी संख्या वाली जाँच जैसे काम ही Sonnet या Haiku वाले सबएजेंट को सौंपे जा सकते हैं? जवाब है, हाँ। सबएजेंट का मॉडल इस क्रम में तय होता है: बुलाते समय दिया गया मॉडल, परिभाषा फ़ाइल का model, एनवायरनमेंट वेरिएबल CLAUDE_CODE_SUBAGENT_MODEL, और फिर मुख्य सत्र का मॉडल, और प्रयास (effort) भी हर सबएजेंट के लिए अलग सेट किया जा सकता है। यह लेख 15 सितंबर 2026 तक के आधिकारिक दस्तावेज़ के आधार पर बताता है कि यह क्रम वर्ज़न के हिसाब से कैसे बदलता है, सभी सबएजेंट को एक ही मॉडल पर टिकाने वाला CLAUDE_CODE_SUBAGENT_MODEL_FORCE, प्रदाता के हिसाब से उपनाम किस मॉडल पर जाते हैं, और यह कि v2.1.198 से बिल्ट-इन Explore मुख्य सत्र का मॉडल लेता है। इसके बाद, सबएजेंट को सच में अलग मॉडल पर चलाकर बातचीत लॉग में जो देखा, वह साझा करता है: वे बताए गए मॉडल पर ही चले, हर एक ने सिर्फ़ शुरू होने में दसियों हज़ार टोकन पढ़े, सब्सक्रिप्शन पर भी सबएजेंट का कैश 5 मिनट में ख़त्म हो जाता है, और एक ही अनुवाद Opus 5, Sonnet 5 और Haiku 4.5 को दो-दो बार देने पर समय, लागत और अनुवाद की गुणवत्ता में क्या फ़र्क़ आया। आख़िर में, लागत और उपयोग सीमा पर इसका असर, और कौन-सा काम सस्ते मॉडल को देना है, यह तय करने की कसौटियाँ।

कई सत्र एक साथ चलाने पर यह सवाल उठने लगता है कि आपकी साप्ताहिक सीमा कौन-सा सत्र खा रहा है। फिर भी Claude Code का /usage सिर्फ़ मौजूदा सत्र के आँकड़े और स्किल, सबएजेंट, प्लगइन व MCP सर्वर के हिसाब से बँटी पूरे प्लान की खपत दिखाता है, और हर सत्र ने कितना हिस्सा लिया, यह न डेस्कटॉप ऐप की उपयोग रिंग में दिखता है, न claude.ai के सेटिंग पेज पर (सितंबर 2026 तक)। जवाब आपकी मशीन पर सहेजे गए बातचीत लॉग (~/.claude/projects की JSONL फ़ाइलें) में है, पर उन्हें जैसे हैं वैसे जोड़ने से नतीजा ग़लत आता है, क्योंकि एक जवाब कई पंक्तियों में, हर सामग्री खंड की एक पंक्ति के रूप में, लिखा जाता है, और सबएजेंट के रिकॉर्ड अलग फ़ाइलों में रहते हैं। मेरी अपनी मशीन पर मापने पर सीधा जोड़ सही मान का लगभग दोगुना निकला, और क्योंकि त्रुटि का आकार हर सत्र में अलग था, क्रम तक बदल गया। यह लेख बताता है कि आधिकारिक स्क्रीन क्या दिखाती हैं और क्या नहीं, लगभग 50 पंक्तियों की गिनती स्क्रिप्ट से लॉग को सही ढंग से कैसे गिनें, वह माप जिसमें एक सत्र ने कुल उपयोग का लगभग एक-तिहाई लिया, आँकड़े कहाँ तक कुछ बता सकते हैं, और समय के साथ नज़र रखनी हो तो OpenTelemetry कैसे सेट करें।

स्किल ज़रूरत से ज़्यादा डाल दो तो वे कॉन्टेक्स्ट को दबा देती हैं — इसमें आधा सच है और आधा ग़लत। Claude Code के आधिकारिक दस्तावेज़ के अनुसार, स्किल सूची को मॉडल के कॉन्टेक्स्ट विंडो का 1%, इतना तय बजट मिलता है, और आप चाहे जितनी स्किल जोड़ें, बात वहीं रुक जाती है। सूची फैलने के बजाय जो होता है वह यह है कि स्किल बुलाई जानी बंद हो जाती हैं — बजट से बाहर छलकते ही Claude Code सबसे कम बार बुलाई गई स्किल से विवरण गिराता है और सिर्फ़ नाम छोड़ देता है। जिस स्किल का विवरण मिट गया वह आपकी माँग से जुड़ना बंद कर देती है, फिर भी कोई त्रुटि नहीं आती और कुछ धीमा भी नहीं होता। यह लेख तीन मापक साधनों (/context, /usage और /skill-doctor) के अलग-अलग काम, कैश मिस की परिभाषा में 5% और 2,000 टोकन की शर्त, प्लान के हिसाब से कैश की उम्र का 1 घंटे से 5 मिनट पर आ जाना, MCP की टूल परिभाषाएँ डिफ़ॉल्ट रूप से लेज़ी-लोड होने के बाद भी CLI के हल्का बने रहने की वजह, CLAUDE.md को 200 पंक्तियों से कम रखने का आधार, और माप लेने के बाद सबसे पहले क्या घटाना है — यह सब उतना ही रखता है जितना आधिकारिक दस्तावेज़ पर पुष्ट किया जा सका।

Claude पर काम करते हुए हाथ रुक जाए और जो संदेश दिखा उसे ज्यों का त्यों खोजने पर कुछ न मिले, ऐसे वाक्य मौजूद हैं। The model returned no content because the response was blocked by content filtering, The response was blocked by the provider's content filter, Streaming response ended before any complete data was received, Could not locate the Claude CLI on PATH और Connection to Claude's response was lost. Claude may still be working, ये पाँच उसी के उदाहरण हैं। इन सबमें एक बात समान है कि ये Claude इस्तेमाल करते हुए दिखे फिर भी Claude की सामग्री में ढूँढ़ने पर मिलते नहीं, और वजह सीधी है, क्योंकि स्क्रीन पर जो संदेश है उसे लिखने वाला वही प्रोग्राम हो यह ज़रूरी नहीं जिसे आप सोच रहे हैं। यह लेख हर कारण को शुरू से समझाने के बजाय यह पहचानने का दरवाज़ा है कि संदेश किसने लिखा, ताकि सही लेख तक पहुँचा जा सके। पहले संदेश लिख सकने वाली परतें चार हिस्सों में बाँटी गई हैं, यानी मॉडल देने वाला बैकएंड, Claude Code ख़ुद, लॉन्च करने वाला IDE एक्सटेंशन या रैपर, और तीसरे पक्ष का क्लाइंट। फिर सचमुच मिलान करने पर पाँच में से दो Claude Code के आधिकारिक एरर रेफ़रेंस में प्रविष्टि के रूप में मिले। Streaming response ended… की आधिकारिक परिभाषा है कि हेडर लौटे मगर बॉडी में Claude API का कोई संदेश नहीं था, यानी बीच में कटने की बात नहीं। Could not locate the Claude CLI on PATH को आधिकारिक दस्तावेज़ Wrapper and IDE errors नाम के अलग अध्याय में रखते हैं, यानी इसे लॉन्च करने वाला प्रोग्राम छापता है। दूसरी ओर content filter वाले दो वाक्य तीसरे पक्ष की शब्दावली के हैं, और OpenCode का Issue #35736 रिपोर्ट करता है कि Vertex का 404, सॉकेट का टूटना और असली इनकार, ये तीन अलग-अलग नाकामियाँ सब एक ही blocked by content filter बनकर दिखती हैं। तीनों में से शब्द सिर्फ़ एक पर ठीक बैठते हैं। GitHub का आधिकारिक दस्तावेज़ भी लिखता है कि Claude इस्तेमाल करते समय इनपुट और आउटपुट GitHub Copilot के कंटेंट फ़िल्टर से गुज़रते हैं, इसलिए Claude चलाते हुए भी रोकने वाला Anthropic का फ़िल्टर ही हो यह ज़रूरी नहीं। बचा हुआ एक वाक्य न आधिकारिक रेफ़रेंस में मिला न Remote Control के दस्तावेज़ों में, इसलिए उसका स्रोत पहचाना नहीं जा सका और लेख किसी का नाम नहीं लेता, बल्कि ख़ुद पहचानने के चार कदम देता है। जो तय है और जो तय नहीं, दोनों लेबल लगाकर अलग किए गए हैं।

Claude Code जवाब के बीच में API Error: Connection lost mid-response. The response above may be incomplete. दिखाकर रुक जाता है, और इस वाक्य को ज्यों का त्यों खोजने पर लगभग कुछ नहीं मिलता, क्योंकि वाक्य ख़ुद नया है। आधिकारिक एरर रेफ़रेंस इसे सीधे लिखता है: v2.1.227 से पहले Connection lost mid-response को Connection closed mid-response के रूप में दिखाया जाता था, और उसी बदलाव में Response stalled mid-stream, The response stopped arriving बन गया तथा Connection closed while thinking, before producing a response, Connection lost before a response was produced बन गया। घटना नई नहीं है, सिर्फ़ स्क्रीन पर दिखने वाला शब्द बदला है; इसीलिए पुराने नाम से लिखी सामग्री आज भी ज्यों की त्यों लागू होती है और issue खोजते समय दोनों वाक्य आज़माने पड़ते हैं। इसी नाम-परिवर्तन से शुरू करके यह लेख सिर्फ़ आधिकारिक दस्तावेज़ और सार्वजनिक Issue पर टिका रहता है। इसमें बीच में कटने वाले छहों संदेशों की आधिकारिक परिभाषा है (Server error, Connection lost, Your computer went to sleep, The response stopped arriving, Part of the response never arrived और The response stream was malformed), यह भी कि स्क्रीन पर आ चुका आउटपुट जानबूझकर क्यों रखा जाता है, क्योंकि रिक्वेस्ट दोबारा भेजने पर वही टूल कॉल दो बार चल सकती है, और यह भी कि रिकवरी का तरीक़ा शुरू से दोहराना नहीं बल्कि continue लिखकर भेजना है। फिर आधिकारिक Automatic retries के विभाजन से समझाया गया है कि अपने आप दोबारा कोशिश क्यों नहीं होती: कुछ भी पूरा होने से पहले का कटाव एक्सपोनेंशियल बैकऑफ़ के साथ अधिकतम 10 बार दोबारा भेजा जाता है, सोच के बाद पर आउटपुट से पहले का कटाव अधिकतम 2 बार, और उसके बाद टर्न Connection lost before a response was produced पर ख़त्म हो जाता है, जबकि कोई ब्लॉक पूरी हो जाने के बाद का कटाव दोबारा भेजा ही नहीं जाता। इसके आगे स्ट्रीम टूटने की तीन परतें हैं, यानी अपना डिवाइस और लाइन, प्रॉक्सी तथा गेटवे वाला रास्ता, और सर्वर की ओर के साथ कनेक्शन का दोबारा इस्तेमाल; आसानी से छूट जाने वाली चौथी वजह mTLS सर्टिफ़िकेट रोटेशन और v2.1.232 से उसका दोबारा पढ़ा जाना; तथा नौ कदमों की छँटाई चेकलिस्ट। चार स्ट्रीम निगरानी टाइमर उनके डिफ़ॉल्ट मानों के साथ दिए हैं (first byte 180 सेकंड, event level 300 सेकंड, byte level 180 सेकंड, body idle 5 मिनट) और साथ में CLAUDE_CODE_MAX_RETRIES, CLAUDE_CODE_RETRY_WATCHDOG, API_TIMEOUT_MS तथा दो स्ट्रीम टाइमआउट वेरिएबल, यह साफ़ करते हुए कि रीट्राई की संख्या बढ़ाने से यह ख़ास संदेश कम नहीं होता। एक तुलना तालिका आठ मिलते-जुलते संदेशों को अलग करती है, और दो सार्वजनिक रिपोर्टें, #86473 तथा #85979, दिखाती हैं कि सादा HTTPS और curl पूरे हो जाते हैं जबकि सिर्फ़ CLI ECONNRESET से गिरता है। अंत में जो आधिकारिक रूप से पुष्ट है और जो सिर्फ़ रिपोर्ट है, दोनों अलग किए गए हैं, जिसमें यह भी शामिल है कि v2.1.222 से पहले के वर्शन जवाब पूरा होने पर भी यही सूचना दिखा सकते थे।

Claude Fable 5.1 पर माइग्रेट करना सिर्फ़ मॉडल ID बदलकर काम खत्म मान लेने का मामला नहीं है। Anthropic तीन बदलावों को ब्रेकिंग बताता है, और उनमें से दो वहाँ दिखते हैं जहाँ से वे पैदा नहीं हुए। पहला तुरंत एरर देता है: tool_choice में type any या type tool देने पर 400 invalid_request_error लौटता है, क्योंकि कॉल ज़बरदस्ती कराने से वह रीज़निंग छूट जाती है जो यह मॉडल हमेशा करता है, और उसी के साथ आर्ग्युमेंट की गुणवत्ता भी गिरती है। दूसरा चुपचाप काम करता है। थिंकिंग ब्लॉक अब दर्ज करते हैं कि उन्हें किस मॉडल ने बनाया और वे सिर्फ़ एक ही दिशा में आगे जाते हैं, इसलिए Fable 5.1 पर आने वाली बातचीत अपनी रीज़निंग बचाए रखती है जबकि कोई राउटर या फ़ॉलबैक उसे वापस पिछली पीढ़ी पर ले जाए तो वह पूरा टर्न खो देता है। डिफ़ॉल्ट रूप से API उन अपठनीय ब्लॉक को मॉडल के सामने पहुँचने से पहले ही फेंक देता है, और चूँकि फेंके गए टोकन न input_tokens में गिने जाते हैं और न उनका बिल बनता है, इसलिए इनवॉइस में कुछ नहीं दिखता। इसे दिखाई देने लायक बनाने के लिए thinking-binding-controls-2026-08-01 बीटा हेडर चाहिए। तीसरे का दायरा सबसे चौड़ा है: Fable 5.1 के थिंकिंग ब्लॉक से पहले की किसी भी चीज़ को बदलना, चाहे वह सिस्टम प्रॉम्प्ट हो, tools ऐरे हो या कोई पुराना मैसेज, उसे और उसके बाद के हर ब्लॉक को अमान्य कर देता है। यह अनिवार्य है या नहीं, यह इस पर टिका है कि आपका अकाउंट कब बना था, यानी अभी-अभी खड़ा किया गया स्टेजिंग फेल हो सकता है जबकि प्रोडक्शन नहीं। लेख यह भी बताता है कि क्या नहीं बिगड़ा: इनपुट $10 और आउटपुट $50 प्रति दस लाख टोकन पर बना हुआ है, जबकि कैश रीड घटकर $0.25 यानी बेस इनपुट का 0.025 गुना रह गई है, बाकी हर Claude मॉडल के 0.1 गुना के मुकाबले। Anthropic सामान्य वर्कलोड पर लगभग 25% और एजेंट-भारी काम पर लगभग 45% तक कम लागत बताता है। बिना कोई कोड बदले सात व्यवहार बदल जाते हैं, जिनमें समानांतर टूल कॉल का घटना, high effort पर प्रगति का कम ब्योरा और low effort पर याददाश्त से ज़्यादा जवाब शामिल हैं; और Anthropic पाँच नई चीज़ें गिनाता है, जिनमें से एक कैश रीड की कीमत में कटौती है जिसे अध्याय 5 में अलग रखा गया है, जबकि बाकी चार में वे बीटा सुविधाएँ हैं जो ठीक उन्हीं पैटर्न की जगह लेने के लिए बनी हैं जिन्हें ब्रेकिंग चेंज मना करते हैं।

अपने ही PC पर चलने वाले मॉडल से कोड लिखवाना कई साल से मुमकिन था, पर जो मुमकिन था वह सिर्फ़ कम्प्लीशन था; रिपॉज़िटरी पढ़ना, कई फ़ाइलें बदलना और टेस्ट चलाना लोकल मशीन के लिए बहुत भारी था। यह 2025 के आख़िर से बदला, और अब मॉडल बनाने वाले ख़ुद अपने मॉडल एजेंटिक कोडिंग के नाम पर बेचते हैं: Qwen का आधिकारिक मॉडल कार्ड CLINE का नाम सीधे लेता है, और Mistral ने 9 दिसंबर 2025 को Devstral 2 के साथ छोटे Devstral Small 2 (24B) को Apache 2.0 पर जारी किया। यह लेख सिर्फ़ प्राथमिक स्रोतों से बताता है कि आज कहाँ तक पहुँचा जा सकता है और कहाँ अटकते हैं। सबसे अहम बात वह सेटिंग है जिसे न बदलने पर सब कुछ चुपचाप टूटता है: Ollama की डिफ़ॉल्ट कॉन्टेक्स्ट लंबाई तय मान नहीं, बल्कि VRAM से चुनी जाती है, 24 GiB से कम पर सिर्फ़ 4k, 24 से 48 GiB पर 32k और 48 GiB से ऊपर 256k, इसलिए आम गेमिंग PC पर एजेंट का संदर्भ दरवाज़े पर ही कट जाता है और वह निर्देश भूलता है, वही काम दोहराता है और मक़सद खो देता है, बिना कोई एरर दिए। आधिकारिक सलाह कोडिंग जैसे भारी कामों के लिए कम से कम 64000 टोकन की है, पर बढ़ाने पर मेमोरी भी बढ़ती है, इसलिए ollama ps से जाँचना पड़ता है कि मॉडल पूरा GPU पर बैठा है। लेख Continue और Cline का फ़र्क़ खोलता है (एक हर भूमिका को अलग मॉडल देता है और हार्डवेयर की माँग कम रखता है, दूसरा स्वायत्त एजेंट है), VRAM के हिसाब से मॉडल चुनने की तालिका देता है (Qwen3.6-35B-A3B, 35B में 3B सक्रिय, SWE-bench Verified 73.4; Devstral Small 2, 24B, 68.0%), सेटअप के चार क़दम, यह क्यों अब नहीं कहा जा सकता कि लोकल क्लाउड के कितने प्रतिशत पर है, और यह कि लोकल मुफ़्त नहीं बल्कि अलग रूप की लागत है।