गलती 1: लक्ष्य को पर्याप्त स्पष्ट रूप से न बताना

"मुझे LinkedIn के लिए एक लीड स्क्रैपर चाहिए।"

आइए देखें, जब इस एक वाक्य को Claude Code में डालते हैं तो क्या होता है। एजेंट यह नहीं जान पाता कि आप किस उद्योग के लीड चाहते हैं। उसे यह भी नहीं पता कि किस पद को लक्ष्य करना है। नतीजा यह होता है कि वह यादृच्छिक प्रोफ़ाइलें खींचना शुरू कर देता है। समय और मॉडल के टोकन बर्बाद होते हैं, और एक बेकार Excel फ़ाइल रह जाती है।

पिछले अध्याय में 622 नौकरी विज्ञापनों के वेब सूचना-संग्रह वाले क्षण को याद करें। योजना मोड में आपने URL दिया, पृष्ठों की संख्या बताई, और वांछित फ़ील्ड समझाए। तब Claude Code से जो सवाल आए, वे बहुत साफ़ थे। क्या अलग-अलग डिटेल पेज भी खंगालने हैं, सेव करने का रास्ता क्या है, कोई फ़िल्टर शर्त है या नहीं. इन सवालों के जवाब देने के बाद ही एजेंट ने कार्य-योजना बनाई।

अस्पष्टता की श्रृंखला प्रतिक्रिया

लक्ष्य धुंधला हो तो एजेंट का हर फैसला अनिश्चित हो जाता है। अगर आप सिर्फ "लीड स्क्रैपर" कह देते हैं, तो एजेंट को ये फैसले खुद लेने पड़ते हैं।

• किस वेबसाइट से डेटा लाना है?
• नाम, ईमेल, फोन नंबर में से कौन-सी जानकारी चाहिए?
• कितने रिकॉर्ड इकट्ठा करना पर्याप्त होगा?
• क्या क्षेत्रीय सीमा है?
• आउटपुट फ़ॉर्मेट Excel होगा, CSV, या Google Sheets?

इनमें से एक भी फैसला गलत हुआ, तो पूरा नतीजा बिगड़ जाता है। एजेंट सवाल पूछ सकता है, लेकिन यह तभी होता है जब आपने योजना मोड में पर्याप्त संदर्भ दिया हो। बायपास परमिशन मोड में धुंधला निर्देश देंगे, तो एजेंट अपने दम पर अनुमान लगाकर आगे बढ़ेगा।

स्पष्ट लक्ष्य-निर्धारण का सूत्र

अच्छा लक्ष्य-निर्धारण एक पैटर्न का पालन करता है।

अस्पष्ट अनुरोध:

"LinkedIn पर CEO प्रोफ़ाइलें ढूँढकर दें।"

स्पष्ट अनुरोध:

"मुझे तकनीकी कंपनियों के CEO की LinkedIn प्रोफ़ाइल की 75 प्रविष्टियाँ चाहिए। नाम, कंपनी का नाम, ईमेल, और प्रोफ़ाइल लिंक को स्प्रेडशीट में व्यवस्थित करें। 75 प्रविष्टियाँ मिलते ही काम पूरा मानें।"

अंतर साफ़ है। दूसरे अनुरोध में लक्ष्य, मात्रा, ज़रूरी डेटा, आउटपुट फ़ॉर्मेट, और पूरा होने की शर्त, सब कुछ शामिल है।

[चित्र 18-1] अस्पष्ट अनुरोध बनाम स्पष्ट अनुरोध के परिणामों में अंतर की तुलना]

एजेंट को विशेषज्ञ की तरह समझें

यहाँ एक अहम दृष्टि-परिवर्तन चाहिए। एजेंट कोई ऐसा औज़ार नहीं है जो निर्देशों को यंत्रवत पूरा कर दे। वह विशेषज्ञ है। उपयोगकर्ता प्रबंधक (manager) की भूमिका निभाता है, और तकनीकी बारीकियाँ एजेंट को सौंप देता है।

मान लीजिए आप किसी सॉफ़्टवेयर डेवलपर से ऐप बनवाते हैं। अगर आप सिर्फ यह कहें, "एक ऐप बना दीजिए," तो डेवलपर भी असमंजस में पड़ जाएगा। काम शुरू करने के लिए उसे पता होना चाहिए कि कौन-सी सुविधाएँ चाहिए, कौन इसका उपयोग करेगा, और समय-सीमा क्या है। एजेंट के साथ भी यही होता है।

लेकिन, हर तकनीकी बारीकी जानना ज़रूरी नहीं है। अगर आप पूछें, "मुझे ऐसा नतीजा चाहिए, तो कौन-सा तरीका बेहतर होगा?" तो एजेंट Opus 4.5 जैसे reasoning मॉडल की क्षमता से पाँच तरीकों की तुलना करेगा और सबसे उपयुक्त विकल्प चुन देगा।

गलती 2: 'पूरा होने' की कसौटी तय न करना

पहली गलती "क्या" से जुड़ी है, तो दूसरी गलती "कब रुकना है" से जुड़ी है।

अगर एजेंट को साफ़ समाप्ति-बिंदु न दिया जाए, तो तीन समस्याएँ पैदा होती हैं। अनावश्यक जटिलता, बेकार दोहराव, और अंतहीन शोध। एजेंट जब समझता है कि और बेहतर नतीजा बनाया जा सकता है, तो वह कोशिश जारी रखता है। यही उसकी ताकत भी है, और कमजोरी भी।

अंतहीन लूप का जोखिम

दंत चिकित्सक लीड के वेब सूचना-संग्रह वाले उदाहरण को फिर देखें। आपने सिर्फ इतना कहा, "अमेरिका के दंत चिकित्सकों को ढूँढकर संपर्क जानकारी इकट्ठा करें।" अगर एजेंट 120 रिकॉर्ड जुटाने के बाद भी यह माने कि वह और इकट्ठा कर सकता है, तो क्या होगा? वह नए शहर जोड़ सकता है, नए डेटा स्रोत खोज सकता है, और वेब सूचना-संग्रह टूल को सुधारते-सुधारते रुक ही न पाए।

कॉन्टेक्स्ट खत्म हो जाता है, मॉडल के टोकन की लागत बढ़ती जाती है, और असली काम का नतीजा सामने नहीं आता।

पूर्णता की शर्तें कैसे बनती हैं

पूर्णता की शर्तें दो धुरी पर बनती हैं। मात्रात्मक कसौटी और गुणात्मक कसौटी।

मात्रात्मक कसौटी के उदाहरण:

• संग्रहित रिकॉर्ड: "150 रिकॉर्ड मिलते ही रोक दें"
• पृष्ठ संख्या: "अधिकतम 10 पृष्ठों तक ही वेब सूचना-संग्रह"
• समय सीमा: "5 मिनट में जितना हो सके उतना"

गुणात्मक कसौटी के उदाहरण:

• डेटा पूर्णता: "सिर्फ वे रिकॉर्ड मान्य हैं जिनमें फोन नंबर और पता दोनों हों"
• आउटपुट फ़ॉर्मेट: "Excel फ़ाइल में सेव करें, और कॉलम फ़िल्टर लागू रहें"
• सत्यापन विधि: "सेव करने के बाद फ़ाइल खोलकर पहले 10 पंक्तियाँ जाँचें"

यूरोपीय सेल्स-लीड वेब सूचना-संग्रह मामले में हमने यह सिद्धांत काम करता देखा। "500 रिकॉर्ड" का लक्ष्य दिया गया था, और जब एजेंट को यूरोप में सिर्फ 52 रिकॉर्ड मिले, तो उसने खुद विकल्प दिए। ऐसा इसलिए हुआ क्योंकि पूरा होने की शर्त साफ़ थी। एजेंट ने लक्ष्य और मौजूदा स्थिति के बीच का अंतर खुद पहचान लिया।

[चित्र 18-2] पूर्णता की शर्त वाले और बिना शर्त वाले वर्कफ़्लो की निष्पादन-राह की तुलना]

प्रोजेक्ट आवश्यकताएँ दस्तावेज़ को एजेंट के साथ मिलकर लिखना

दोनों गलतियों का समाधान एक ही दिशा में जाता है। प्रोजेक्ट आवश्यकताएँ दस्तावेज़ (Project Requirements Document, PRD) को एजेंट के साथ मिलकर लिखना।

आवश्यकताएँ दस्तावेज़ को साथ मिलकर बनाने की वास्तविक प्रक्रिया

योजना मोड चालू करें। और फिर यह कहें।

"मेरे पास एक मोटा idea है. इसे मजबूत PRD में बदल दीजिए.

brainstorm कीजिए, research कीजिए और जरूरी सवाल पूछिए.


तभी इस workflow को अच्छी गुणवत्ता से बनाया जा सकता है."

इस अनुरोध के बाद एजेंट तीन चरणों से गुजरता है।

पहला चरण: ब्रेनस्टॉर्मिंग और शोध एजेंट बताए गए लक्ष्य के आधार पर संबंधित API, MCP कनेक्शन सर्वर, और डेटा स्रोतों की जाँच करता है। वह वेब खोज भी कर सकता है। YouTube विश्लेषण वर्कफ़्लो तैयार करते समय एजेंट ने YouTube Data API और MCP कनेक्शन सर्वर की तुलना की थी, यह इसी चरण से जुड़ा है।

दूसरा चरण: सवाल और जवाब एजेंट एक बार में कई सवाल पूछता है। "कौन-से चैनल ट्रैक करने हैं?", "रिपोर्ट कितनी बार चाहिए?", "क्या डेटा शीट में भी दर्ज करना है?", "रिपोर्ट किस ईमेल पर भेजनी है?" जैसे सवाल। ये सवाल आवश्यकताओं दस्तावेज़ की खाली जगहें भरते हैं।

तीसरा चरण: योजना निर्माण सवाल और जवाब पूरे होने के बाद एजेंट एक समग्र कार्य-योजना देता है। लक्ष्य, वर्कफ़्लो संरचना, ज़रूरी टूलों की सूची, इनपुट, आउटपुट, और एज केस(Edge Case) संभालने का तरीका, सब शामिल रहता है।

वर्कफ़्लो दस्तावेज़ की संरचना

जब तैयार वर्कफ़्लो दस्तावेज़ देखें, तो उसकी संरचना ही आवश्यकताएँ दस्तावेज़ होती है।

# workflow: scrape_job_listings




## लक्ष्य


Daily Remote से search term के आधार पर job postings scrape करना.





## required inputs


- search_term: search keyword


- max_pages: maximum scrape pages


- output_path: Excel file save path





## इस्तेमाल किए जाने वाले tools


- scrape_daily_remote_jobs





## चलाने के चरण


1. search term से first page  scraping


2. pagination detect then sequential  scraping


3. data clean करना और duplicates हटाना


4. Excel file बनाना और filter लागू करना





## expected output


- organized job postings .xlsx file





## edge case handling


- page load fail होने पर 3 बार retry


- missing data fields को empty value के रूप में रखना

यह दस्तावेज़ मौजूद होने पर अगली बार वही वर्कफ़्लो चलाते समय एजेंट एक जैसा नतीजा देता है। दस्तावेज़ न हो, तो हर बार तरीका बदल जाता है और परिणाम की गुणवत्ता डगमगाती रहती है।

[चित्र 18-3] आवश्यकताएँ दस्तावेज़-आधारित वर्कफ़्लो दस्तावेज़ का वास्तविक उदाहरण]

एजेंट वर्कफ़्लो के तीन लाभ: स्वचालित डिबगिंग, बोलकर नियंत्रण, स्व-सीख

गलतियों से बचने के तरीके देख लिए, अब आइए देखें कि एजेंट वर्कफ़्लो पारंपरिक स्वचालन से किन अर्थों में अलग है।

स्वचालित डिबगिंग: अब लॉग पढ़ने की ज़रूरत नहीं

पारंपरिक वर्कफ़्लो स्वचालन में रोज़मर्रा की कहानी कुछ यूँ थी। कुछ बनाया, चलाया, और किसी अप्रत्याशित एज केस में सिस्टम रुक गया। फिर लॉग खोलो, त्रुटि संदेश पढ़ो, रन डेटा को एक-एक कर ट्रेस करो, और कारण ढूँढो। एक घंटा कब बीत जाता था, पता ही नहीं चलता था।

एजेंट वर्कफ़्लो में यह प्रक्रिया स्वचालित हो जाती है। पिछले अध्याय में दंत चिकित्सक लीड वेब सूचना-संग्रह टूल ने जब सिर्फ 2 रिकॉर्ड निकाले थे, तब की बात याद करें। एजेंट ने खुद ही निदान किया कि "पार्सिंग पैटर्न में समस्या है," फिर रेगुलर एक्सप्रेशन बदला, टूल फ़ाइल अपडेट की, और फिर से चलाया। यह सब बिना किसी मानवीय हस्तक्षेप के हुआ।

इसे स्व-उपचार कहा जा सकता है, यानी अपने आप ठीक होना। व्यावहारिक रूप से इसका मतलब बहुत बड़ा है। दाएँ मॉनीटर पर एजेंट वर्कफ़्लो बनाता रहे, और बाएँ मॉनीटर पर आप दूसरा काम करते रहें। बीच-बीच में देख लें और दिशा दे दें। AI अनिश्चित (non-deterministic) है, इसलिए रास्ते से भटक भी सकता है, लेकिन ज़्यादातर त्रुटियाँ वह खुद ठीक कर लेता है।

बोलकर नियंत्रण: नोड्स सीखने की ज़रूरत नहीं

n8n जैसे टूल में हर Node क्या करता है, कब इस्तेमाल होता है, उसके पैरामीटर और सेटिंग का क्या मतलब है, यह सीखना पड़ता था। API से जुड़ने के लिए दस्तावेज़ पढ़ना, एंडपॉइंट ढूँढना, JSON संरचना सही करना, और प्रमाणीकरण का तरीका समझना पड़ता था। प्रवेश-रोक बहुत ऊँची थी।

एजेंट वर्कफ़्लो में आप अपनी ज़रूरत प्राकृतिक भाषा में बताते हैं। एजेंट उपलब्ध टूलों को देखता है, MCP कनेक्शन सर्वर है या नहीं जाँचता है, और ज़रूरत हो तो API दस्तावेज़ खुद खंगाल लेता है। "यूरोपीय सेल्स पदों का वेब सूचना-संग्रह करें" जैसा एक वाक्य ही टूल चयन, फ़िल्टरिंग लॉजिक लागू करना, और Excel आउटपुट फ़ॉर्मेट तय करना, सब कुछ समेट लेता है।

इस फर्क को तालिका में रखें तो बात यूँ बनती है।

[चित्र 18-4] पारंपरिक स्वचालन और एजेंट वर्कफ़्लो की कार्य-प्रवाह तुलना आरेख]

स्व-सीख: जितना इस्तेमाल, उतना बेहतर

पहले ऑटोमेशन अपडेट करना हो, तो नोड को सीधे बदलना पड़ता था और फिर से सेट करना पड़ता था। एजेंट वर्कफ़्लो में एजेंट हर बार समस्या से टकराने पर सीखता है, और वर्कफ़्लो तथा टूलों को अपडेट करता है।

नौकरी-डेटा वेब सूचना-संग्रह वर्कफ़्लो की प्रगति याद करें। पहली रन में 209 रिकॉर्ड सफलतापूर्वक इकट्ठे हुए, दूसरी रन में पहले बनाए टूल का पुनः उपयोग किया गया। तीसरी रन (दंत चिकित्सक लीड) में बिल्कुल नया टूल बनाया गया, लेकिन पिछली अनुभूति से मिले वेब सूचना-संग्रह पैटर्न का इस्तेमाल किया गया। हर वर्कफ़्लो फ़ाइल और टूल फ़ाइल, हर रन के साथ और परिष्कृत होती जाती है।

मैनुअल ट्रिगर और शेड्यूल ट्रिगर का अंतर

एक फर्क साफ़ समझ लें। Claude Code के सामने बैठकर "यह काम कर दीजिए" कहना मैनुअल ट्रिगर (Human-triggered) है। इस स्थिति में एजेंट रीयल-टाइम में स्व-उपचार करता है और सीखता है।

दूसरी ओर, अगर इसे हर सोमवार सुबह 6 बजे अपने आप चलने के लिए डिप्लॉय कर दिया जाए, तो स्थिति बदल जाती है। जो डिप्लॉय होता है, वह वर्कफ़्लो और टूल हैं। एजेंट खुद डिप्लॉय नहीं होता। इसलिए अगर डिप्लॉय हुआ वर्कफ़्लो चलते-चलते त्रुटि से टकराए, तो वह खुद को नहीं सुधार सकता। वहाँ एजेंट मौजूद नहीं होता।

यह एजेंट वर्कफ़्लो की मौजूदा सीमा है। शेड्यूल ट्रिगर से चल रहे वर्कफ़्लो को सुधारना हो, तो Claude Code पर लौटकर वर्कफ़्लो संशोधित करना पड़ता है, और अपडेटेड संस्करण फिर से डिप्लॉय करना पड़ता है।

हमने देखा कि वर्कफ़्लो को मज़बूती से कैसे डिज़ाइन किया जाए, और एजेंटिक दृष्टिकोण क्या फायदे देता है। लक्ष्य को स्पष्ट करें, पूर्णता की शर्त तय करें, और आवश्यकताएँ दस्तावेज़ को एजेंट के साथ मिलकर बनाएँ, तो वर्कफ़्लो की गुणवत्ता तुरंत ऊपर जाती है। अब इन्हीं सिद्धांतों के साथ, Google द्वारा दिए गए शक्तिशाली टूल-परिसर को एजेंट से जोड़ने का तरीका देखेंगे।