[NOVA]: मैं NOVA हूँ।

[ALLOY]: और मैं ALLOY हूँ, और यह AgentStack Daily है। आज होस्ट और कोडिंग सरफेस से शुरू होता है: OpenClaw v2026.5.18 और Codex rust-v0.131.0।

[NOVA]: OpenClaw में टाइप्ड प्लगइन टूलिंग, डायलॉग-अवेयर ब्राउज़र ऑटोमेशन, तेज़ गेटवे रेडीनेस, HTTPS प्रॉक्सी सपोर्ट, रियलटाइम Android Talk Mode, सुरक्षित मीडिया हैंडलिंग, मज़बूत चैनल डिलीवरी, और टाइटर Codex app-server behavior जुड़ा है। Codex में बेहतर TUI स्टेटस, यूनिफाइड मेंशन्स, प्लगइन मार्केटप्लेस कमांड्स, रिमोट-कंट्रोल प्लंबिंग, कॉन्फ़िगर्ड रिमोट एनवायरनमेंट्स, एक Python SDK, और codex doctor जुड़ा है।

[ALLOY]: यह एपिसोड की उपयोगी शक्ल है। पहले, एजेंट होस्ट। फिर, CLI और app-server लेयर जिसे डेवलपर्स पूरे दिन छूते हैं। उसके बाद, GitHub Copilot एजेंट सेशन्स को कुछ ऐसा बनाता है जिसे आप ज़्यादा जगहों से स्टीयर कर सकते हैं और छोटे मॉडल्स के साथ प्राइस कर सकते हैं। और Anthropic Claude को वेब सर्च के लिए फाइनेंशियल रिसर्च एजेंट्स के लिए अमीर SEC फाइलिंग डेटा देता है।

[NOVA]: व्यावहारिक सवाल यह नहीं है कि एजेंट्स को ज़्यादा फीचर्स मिल रहे हैं। मिल रहे हैं। सवाल यह है कि कौन से टुकड़े एजेंट वर्क को ज़्यादा observable, ज़्यादा recoverable, और लंबे, रिमोट, मल्टीमॉडल, या पॉलिसी-कंस्ट्रेंड रन में भरोसे के लायक बनाते हैं।

[ALLOY]: तो हम कॉन्क्रीट रहेंगे: प्लगइन कॉन्ट्रैक्ट्स, ब्राउज़र मॉडल स्टेट, रेडीनेस प्रोब्स, रनटाइम पैरिटी चेक्स, वॉइस रिले बिहेवियर, TUI स्टेटस, परमिशन एन्वेलप्स, रिमोट सेशन्स, टास्क मल्टीप्लायर्स, Actions रिपेयर, और फाइनेंशियल क्लेम्स के लिए सोर्स मेटाडेटा। ...

[NOVA]: Agent-stack रिलीज़ रीडआउट OpenClaw से शुरू होता है क्योंकि होस्ट वह जगह है जहाँ एजेंट स्टैक या तो ड्यूरेबल लगता है या इम्प्रोवाइज़्ड। एक होस्ट को मॉडल्स, टूल्स, चैनल्स, ब्राउज़र्स, मोबाइल क्लाइंट्स, मीडिया इनपुट्स, परमिशन्स, और app-server ब्रिजेस को कनेक्ट करना होता है। जब वह होस्ट रिलीज़ एक पास में प्लगइन शेप, ब्राउज़र स्टेट, गेटवे रेडीनेस, मोबाइल वॉइस, और Codex इंटीग्रेशन बदलती है, तो यह एपिसोड की शुरुआत के लायक है।

[ALLOY]: पहला बिल्डर-फेसिंग बदलाव प्लगइन शेप है। OpenClaw में defineToolPlugin और openclaw plugins init, openclaw plugins build, और openclaw plugins validate कमांड्स जुड़े हैं टाइप्ड सिम्पल टूल प्लगइन के लिए। इससे प्लगइन ऑथर्स को जेनरेटेड मैनिफेस्ट मेटाडेटा, ऑप्शनल डिक्लेरेशन्स, और कॉन्टेक्स्ट फैक्ट्रीज़ मिलती हैं, जबकि हर छोटे प्लगइन से हाथ से लिखा हुआ ग्लू नहीं माँगा जाता।

[NOVA]: यह डेवलपर एर्गोनॉमिक्स जैसा लगता है, और है भी, लेकिन यह एक रिलायबिलिटी फीचर भी है। टूल प्लगइन्स तब इंस्पेक्ट करने में बहुत आसान हो जाते हैं जब मैनिफेस्ट और डिक्लेरेशन्स टाइप्ड सोर्स से जेनरेटेड होते हैं। एक होस्ट प्लगइन के बारे में रीज़न कर सकता है कि वह क्या एक्सपोज़ करता है, वह क्या कॉन्टेक्स्ट एक्सपेक्ट करता है, और उसके इनपुट्स और आउटपुट्स क्या शेप लेने चाहिए। टूल के चारों ओर जितने कम अनडॉक्यूमेंटेड सरफेस होंगे, एजेंट रन के अंदर उतने कम सरप्राइज़ेज़ दिखेंगे।

[ALLOY]: यह इसलिए भी मायने रखता है क्योंकि रिलीज़ पुराने रिच-मैसेज प्रोड्यूसर सरफेस को डेप्रीकेट करती है, जिसमें लेगसी इंटरैक्टिव और Slack डायरेक्टिव पाथ्स शामिल हैं, जबकि चैनल प्रेजेंटेशन कैपेबिलिटी लिमिट्स जोड़ती है। यह एक स्वस्थ कॉन्ट्रैक्ट है। एक प्लगइन को पता होना चाहिए कि चैनल इंटरैक्टिव कंट्रोल रेंडर कर सकता है, रिच ब्लॉक, प्लेन मैसेज, अटैचमेंट, वॉइस नोट, या सिर्फ एक नैरो फॉलबैक।

[NOVA]: ठीक है। कई एजेंट टूल्स में गलती यह है कि वे हर चैनल को एक ही आउटपुट सतह की तरह मानते हैं। एक वेब चैट, एक Discord चैनल, एक Telegram टॉपिक, एक Slack थ्रेड और एक मोबाइल वॉयस सेशन के प्रेजेंटेशन नियम समान नहीं होते। यदि कोई प्लगइन ऐसा मानता है, तो एजेंट ऐसा ऑब्जेक्ट बना सकता है जिसे चैनल दिखा नहीं सकता। प्रेजेंटेशन क्षमता की सीमाएं होस्ट को यह बताने देती हैं कि अंतिम प्रतिक्रिया बनने से पहले वास्तव में क्या संभव है।

[ALLOY]: ब्राउज़र में बदलाव दूसरा प्रमुख होस्ट आइटम है। स्नैपशॉट अब लंबित और हाल ही में हैंडल किए गए मोडल डायलॉग्स को दिखाते हैं। जब कोई मोडल खुलता है, तो एक्शन blockedByDialog वापस कर सकते हैं। और डायलॉग आईडी वाला ब्राउज़र डायलॉग लंबित डायलॉग का जवाब दे सकता है। यह ठीक उसी तरह का छोटा स्टेट सुधार है जो ब्राउज़र एजेंटों को अस्पष्ट विफलताओं से बचाता है।

[NOVA]: ब्राउज़र ऑटोमेशन अक्सर उबाऊ तरीकों से विफल होता है। एक क्लिक काम नहीं करता क्योंकि एक अलर्ट खुल गया। एक फॉर्म सबमिट अटका हुआ लगता है क्योंकि एक कन्फर्म डायलॉग ने पेज को अपने कब्जे में ले लिया। एक एजेंट पुरानी पेज स्थिति के साथ इंटरेक्ट करने की कोशिश करता रहता है क्योंकि वह उस मोडल को नहीं देख सकता जिसे इंसान तुरंत नोटिस कर लेता। डायलॉग्स को स्पष्ट स्थिति के रूप में दर्शाकर, ब्राउज़र लेयर एजेंट को टाइमआउट से अनुमान लगाने के बजाय एक वास्तविक अगली कार्रवाई देती है।

[ALLOY]: महत्वपूर्ण वाक्यांश है स्पष्ट स्थिति। एक मोडल केवल पेज के ऊपर का शोर नहीं है। यह पेज के इंटरेक्शन कॉन्ट्रैक्ट को बदलता है। जब कोई एक्शन blockedByDialog देता है, तो एजेंट यह दिखावा करना बंद कर सकता है कि उसे सामान्य DOM समस्या है और सीधे डायलॉग को हैंडल कर सकता है।

[NOVA]: इससे ब्राउज़र एजेंटों का ऑडिट करना भी आसान हो जाता है। यदि किसी रन का ट्रांसक्रिप्ट कहता है कि कार्रवाई एक डायलॉग द्वारा ब्लॉक कर दी गई थी, तो ऑपरेटर समझ सकता है कि एक सीक्वेंस क्यों रुका। यदि होस्ट केवल क्लिक विफलता की रिपोर्ट करता है, तो डीबगिंग का रास्ता बहुत खराब हो जाता है: नेटवर्क, सेलेक्टर, iframe, टाइमिंग, auth, पेज क्रैश, या कुछ और ही।

[ALLOY]: गेटवे स्टार्टअप और प्रॉक्सी व्यवहार अगले हैं। OpenClaw अब स्टार्टअप लॉगिंग और प्लगइन-सर्विस स्टार्टअप को चैनल साइडकार्स के साथ ओवरलैप करता है जबकि readyz साइडकार गेटिंग को बनाए रखता है। पुनरारंभ ट्रेसेस जांच, कॉन्फिग, रनटाइम, और रिसोर्स-काउंट लागतों को दर्शाते हैं, जिससे रेडीनेस सिमेंटिक्स में कोई बदलाव नहीं होता।

[NOVA]: यह एक सूक्ष्म लेकिन मूल्यवान ऑपरेटर परिवर्तन है। तेज स्टार्टअप उपयोगी है, लेकिन अधिक महत्वपूर्ण बात सबूत है। यदि पुनरारंभ धीमा है, तो एक ऑपरेटर को यह जानना होगा कि लागत जांच का समय, कॉन्फिग लोड, रनटाइम स्टार्टअप, साइडकार कार्य, प्लगइन सेवा स्टार्टअप, या रिसोर्स काउंटिंग है या नहीं। एजेंट इंफ्रास्ट्रक्चर में कई चलते-फिरते हिस्से होते हैं, इसलिए रेडीनेस को रूढ़िवादी और व्याख्या योग्य दोनों होना चाहिए।

[ALLOY]: और रेडीनेस सिमेंटिक्स को बनाए रखना मायने रखता है। किसी सेवा को यह कहकर गति देना आसान है कि वह निर्भरताएँ तैयार होने से पहले तैयार है। यह कोई सुधार नहीं है। यह केवल विफलता को डाउनस्ट्रीम ले जाता है। उपयोगी संस्करण वह है जहाँ सुरक्षित हो वहाँ काम को ओवरलैप करना, लेकिन फिर भी readyz का मतलब यह हो कि होस्ट वास्तव में उन सतहों को सेवा दे सकता है जिनका वह वादा करता है।

[NOVA]: प्रॉक्सी का काम भी व्यावहारिक है। इस रिलीज में HTTPS प्रबंधित फॉरवर्ड-प्रॉक्सी एंडपॉइंट्स और स्कोप्ड proxy.tls.caFile ट्रस्ट जोड़े गए हैं। यह डिप्लॉयमेंट्स को प्रॉक्सी कॉन्फ़िगरेशन को वैश्विक भरोसे के निर्णय में बदले बिना TLS-निरीक्षित या निजी प्रॉक्सी पाथ के माध्यम से ट्रैफिक रूट करने का एक स्वच्छ तरीका देता है।

[ALLOY]: यह एंटरप्राइज़ और लैब वातावरण में मायने रखता है जहाँ आउटबाउंड ट्रैफिक केवल खुला इंटरनेट नहीं होता है। एजेंट API कॉल करते हैं, पेज प्राप्त करते हैं, डॉक्स एक्सेस करते हैं, मॉडल एंडपॉइंट्स तक पहुँचते हैं, और मीडिया ट्रांसफर करते हैं। यदि प्रॉक्सी पाथ को विशेष भरोसे की आवश्यकता है, तो वह भरोसा प्रॉक्सी कॉन्फ़िगरेशन तक ही सीमित होना चाहिए। इसे पूरे रनटाइम में बेतरतीब ढंग से विश्वास का विस्तार नहीं करना चाहिए।

[NOVA]: QA-Lab ब्लॉक शिप करने वालों के लिए एजेंट होस्ट के लिए सबसे महत्वपूर्ण हिस्सा हो सकता है। OpenClaw first-hour 20-turn और ऑप्शनल 100-turn runtime parity scenarios जोड़ता है, openclaw qa suite runtime parity tier, openclaw qa coverage tools के जरिए tool fixture coverage, live runtime token-efficiency artifacts, और standard Codex-vs-Pi tier में required OpenClaw dynamic runtime-tool drift के लिए एक hard gate।

[ALLOY]: सादे शब्दों में, यह रिलीज चेक करती है कि अलग-अलग runtimes असली एजेंट प्रेशर में काफी हद तक एक जैसा व्यवहार करती हैं या नहीं। यह इससे काफी ज्यादा उपयोगी है कि सिर्फ यह चेक करना कि प्रोसेस बूट होती है या नहीं। एजेंट regressions अक्सर tool vocabulary drift, बुरा tool selection, बदला हुआ token use, गायब fixtures, या runtime का गलत surface चुनना जैसी समस्याओं के तौर पर दिखती हैं।

[NOVA]: बिल्कुल। एक smoke test कह सकता है कि सर्वर जिंदा है जबकि एजेंट चुपचाप बदतर हो रहा है। Runtime parity scenarios एक कठिन सवाल पूछती हैं: अगर एक ही टास्क अलग-अलग runtime paths से गुजरता है, तो क्या tool choices, capabilities, और outputs एक expected envelope के भीतर रहते हैं? यही वो तरीका है जिससे आप उस तरह की release regression पकड़ सकते हैं जिसे यूजर्स "एजेंट अब अलग लग रहा है" के तौर पर बर्दाश्त करते हैं।

[ALLOY]: 20-turn और 100-turn shape मायने रखती है क्योंकि छोटे एजेंट टेस्ट बहुत ज्यादा माफ करने वाले होते हैं। एक-turn tool call यह नहीं बताता कि context trimming, tool state, permissions, error recovery, और model routing एक असली session के बाद stable रहते हैं या नहीं। लंबे scenarios धीमी failures को उजागर करते हैं।

[NOVA]: Android Talk Mode को भी एक बड़ा runtime change मिलता है। Android app Talk Mode को realtime Gateway relay voice sessions में बदल देता है streaming microphone input, realtime audio playback, tool-result bridging, और on-screen transcripts के साथ।

[ALLOY]: यह mobile voice को एक active session surface बनाता है। यह सिर्फ speech-to-text in और text-to-speech out नहीं है। एक realtime voice session tool results को Gateway के जरिए वापस ला सकती है, transcript को visible रख सकती है, और assistant को continuous महसूस करा सकती है जब tools चल रहे हों।

[NOVA]: इंजीनियरिंग risk interruption और timing है। Streaming microphone input को clean cancellation चाहिए। Realtime audio playback को तब रुकना चाहिए जब यूजर interrupt करे। Tool-result bridging को stale output पढ़ने से बचना चाहिए जब यूजर दिशा बदल चुका हो। और transcripts को इतनी close align करना चाहिए कि यूजर बता सके कि एजेंट ने क्या सुना और क्या किया।

[ALLOY]: इसीलिए mobile voice एक host feature है, सिर्फ client feature नहीं। Client audio capture कर सकता है, लेकिन host को session identity, tool events, streaming responses, cancellation, और channel policy coordinate करनी होती है। अगर host घबरा गया, तो voice UX confusing हो जाती है भले ही audio खुद ठीक लगे।

[NOVA]: fixes block वो जगह है जहाँ कई production upgrades रिलीज महसूस करेंगे। Generated media completions अब requester-agent handoff में topic IDs preserve करके Telegram forum topics पर वापस आ जाते हैं। Image metadata probing unrecognized bytes पर external decoder delegates को invoke करने से बचती है। Sharp fallbacks के साथ install है - native imaging tools, ImageMagick, GraphicsMagick, या ffmpeg।

[ALLOY]: ये glamorous items नहीं हैं, लेकिन यही वो चीजें हैं जो एजेंट systems को work खोने से रोकती हैं। अगर generated image response गलत topic में जाता है, तो user experience टूट जाता है। अगर metadata probing unknown bytes पर external decoder delegates को call करती है, तो media handling में unnecessary security और reliability risk होती है। अगर image processing एक native module path पर depend करती है और वो fail करती है, तो पूरी media feature brittle हो जाती है।

[NOVA]: डिस्कॉर्ड वॉइस सेशन को भी ध्यान मिलता है। इस रिलीज में फॉलो-अप टर्न्स को OpenAI रियलटाइम के साथ काम करते हुए रखा गया है और असिस्टेंट प्लेबैक को प्रीबफर करके चॉपी स्टार्ट्स को कम किया गया है।

[ALLOY]: प्रीबफर पॉइंट छोटा है लेकिन मानवीय है। रियलटाइम वॉइस का मूल्यांकन टाइमिंग से होता है। अगर असिस्टेंट चॉप्ड ऑडियो के साथ शुरू होता है या अगला टर्न नहीं सुन पाता, तो यूजर जल्दी से भरोसा खो देता है। टेक्निकली सही वॉइस स्टैक भी टर्न-टेकिंग खराब होने पर टूटा हुआ लगता है।

[NOVA]: मैसेज और TTS डायरेक्टिव्स मैसेज-टूल सेंड डिलीवरी पाथ से पहले लागू होते हैं, इसलिए जो रूम्स वॉइस नोट्स में ऑप्ट-इन करते हैं उन्हें raw टैग्स की जगह वॉइस नोट्स मिलते हैं। यह एक और चैनल कॉन्ट्रैक्ट फिक्स है। डायरेक्टिव मैसेज भेजने से पहले डिलीवरी को आकार देना चाहिए, यूजर के पास टेक्स्ट के रूप में लीक नहीं होना चाहिए।

[ALLOY]: OpenClaw के Codex ऐप-सर्वर मरम्मत मिक्स्ड एजेंट स्टैक्स के लिए खास तौर पर relevant हैं। मौजूदा इनबाउंड इमेज अटैचमेंट क्यूd रन से पहले hydrate होते हैं, इसलिए Responses-बैक्ड एजेंट चैनल इमेज को नेटिव विज़न इनपुट के रूप में receive करते हैं। नेटिव कोड मोड बिना कोड-मोड-ओनली जबरदस्ती किए उपलब्ध रहता है, जो OpenClaw डायनामिक टूल टर्न्स को ऐप-सर्वर ब्रिज के ज़रिए पूरा होने देता है।

[NOVA]: नेटवर्क एक्सेस ओपनClaw सैंडबॉक्स आउटबाउंड egress की अनुमति देता है तो sandboxed Codex कोड-मोड टर्न्स के लिए preserve रहता है। पर-एजेंट कोड-मोड कॉन्फ़िगरेशन schema, रनटाइम कैटलॉग एक्टिवेशन, और मॉडल पेलोड फ़िल्टरिंग में सम्मानित किया जाता है। restricted चैट या सेन्डर पॉलिसी अब restricted टर्न्स के लिए नेटिव कोड, ऐप, एनवायरनमेंट, और यूजर MCP सतहों को डिसेबल करके बंद हो जाती है।

[ALLOY]: यह आखिरी हिस्सा सिक्योरिटी बाउंड्री है। एक एजेंट होस्ट में, restricted टर्न्स को सिर्फ मॉडल के अच्छा व्यवहार करने पर निर्भर नहीं रहना चाहिए। रनटाइम को सतहों को हटाना चाहिए जिनका सेन्डर उपयोग करने की अनुमति नहीं रखता। बंद होने पर, restricted यूजर को accident से नेटिव कोड, लोकल ऐप एक्सेस, एनवायरनमेंट एक्सेस, या यूजर MCP सतहें नहीं मिलतीं।

[NOVA]: इमेज hydration फिक्स भी important है। एक यूजर जो चैनल के ज़रिए screenshot भेजता है वह expects है कि एजेंट screenshot देखे, न कि कोई placeholder या फ़ाइल पाथ जिसे मॉडल inspect नहीं कर सकता। क्यूd रन से पहले इमेजes hydrate करने से multimodal कॉन्टेक्स्ट actual टर्न से जुड़ा रहता है।

[ALLOY]: और जब पॉलिसी अनुमति देती है तो sandboxed नेटवर्क एक्सेस preserve रखना matter करता है क्योंकि कोड-मोड टास्क्स को often पैकेज मेटाडेटा, docs, APIs, या tests की ज़रूरत होती है जो बाहरी संसाधनों को कॉल करते हैं। होस्ट को accident से नेटवर्क एक्सेस strip नहीं करना चाहिए अगर कॉन्फ़िगर्ड सैंडबॉक्स envelope इसे permit करता है।

[NOVA]: माइग्रेशन नोट्स concrete हैं। न्यूनतम समर्थित Node.js 22 लाइन 22.19 तक बढ़ जाती है। Pi पैकेज 0.75.1 पर जाते हैं। Docker और Podman बिल्ड्स को OPENCLAW_IMAGE_APT_PACKAGES को prefer करना चाहिए, जबकि OPENCLAW_DOCKER_APT_PACKAGES legacy fallback के रूप में रहता है। Obsidian स्किल अब third-party obsidian-cli की जगह official obsidian CLI को target करती है। Repo-local Codex closeout review स्किल और helper का नाम बदलकर autoreview किया गया है।

[ALLOY]: व्यावहारिक अपग्रेड पाथ बदली हुई सतहों को test करना है। एक छोटा प्लगइन बनाएं और validate करें। एक ब्राउज़र मॉडल trigger करें और ensure करें कि डायलॉग पाथ visible है। गेटवे को restart करें और readiness traces inspect करें। HTTPS proxy पाथ को exercise करें अगर आपकी डिप्लॉयमेंट प्राइवेट ट्रस्ट use करती है। interruption के साथ Android Talk Mode try करें। उन चैनल्स के ज़रिए media send करें जो आप actually use करते हैं। इमेजes, sandboxed नेटवर्क, कोड मोड, और restricted सेन्डर पॉलिसी के साथ Codex ऐप-सर्वर टर्न्स run करें।

[NOVA]: इस रिलीज के बाद एक अच्छा बिल्डर वर्कफ़्लो यह है कि हर सरफेस के लिए एक असली टास्क चुनें। प्लगइन के लिए, एक छोटा टूल बनाएं जो इनपुट पढ़ता है, स्ट्रक्चर्ड आउटपुट देता है, और केवल उस कॉन्टेक्स्ट की घोषणा करता है जो उसे चाहिए। ब्राउज़र ऑटोमेशन के लिए, एक टेस्ट पेज बनाएं जो एक अलर्ट, एक कन्फर्म, और एक प्रॉम्प्ट खोलता है, फिर वेरिफाई करें कि एजेंट ब्लॉक्ड डायलॉग स्टेट देख सकता है और उसका जवाब दे सकता है। मीडिया के लिए, एक छोटी इमेज, एक खराब इमेज, और एक जेनरेटेड इमेज रिक्वेस्ट उस असली चैनल पाथ से भेजें जिसे आप सपोर्ट करते हैं।

[ALLOY]: गेटवे रेडीनेस के लिए, वर्कफ़्लो में सामान्य लोड के तहत एक रिस्टार्ट शामिल होना चाहिए, फिर एक स्लो साइडकॉर या प्लगइन सर्विस के साथ रिस्टार्ट। लक्ष्य केवल तेज़ बूट नहीं है। लक्ष्य यह समझना है कि कौन सा प्रोब, कॉन्फ़िग, रनटाइम, या रिसोर्स स्टेप समय लेता है। अगर कोई टीम OpenClaw को इंटरनल इन्फ्रास्ट्रक्चर के तौर पर शिप करती है, तो वह रिस्टार्ट ट्रेस सपोर्ट वर्कफ़्लो का हिस्सा बन जाता है जब कोई कहता है कि डिप्लॉय के बाद एजेंट होस्ट धीमा है।

[NOVA]: एंड्रॉइड टॉक मोड के लिए, उपयोगी वर्कफ़्लो एक असली इंटरप्शन टेस्ट है। एक वॉइस सेशन शुरू करें, टूल-बैक्ड जवाब मांगें, ऑडियो बजने के दौरान इंटरप्ट करें, फिर एक फॉलो-अप मांगें जो पिछले टूल रिज़ल्ट पर निर्भर करता है। एक अच्छा रिज़ल्ट केवल यह नहीं है कि स्पीच काम करती है। एक अच्छा रिज़ल्ट यह है कि कैंसलेशन काम करता है, ट्रांसक्रिप्ट सुसंगत रहते हैं, और टूल रिज़ल्ट स्टेल स्पीच के तौर पर नहीं आते जब यूज़र आगे बढ़ गया है।

[ALLOY]: रिस्ट्रिक्टेड सेंडर पॉलिसी के लिए, बिल्ड वर्कफ़्लो को जानबूझकर विपरीत होना चाहिए। एक रिस्ट्रिक्टेड सेंडर से एक टर्न आज़माएं जो लोकल कोड, ऐप एक्सेस, एनवायरनमेंट एक्सेस, और यूज़र MCP एक्सेस मांगता है। सही बिहेवियर मॉडल से एक विनम्र इनकार नहीं है। सही बिहेवियर यह है कि वे रनटाइम सरफेस मॉडल के पहुंचने से पहले ही अनुपस्थित हैं।

[NOVA]: यह OpenClaw रीडआउट है: होस्ट वर्क जो प्लगइन्स को ज्यादा टाइप्ड बनाता है, ब्राउज़र फेलियर्स को ज्यादा स्पष्ट बनाता है, स्टार्टअप को ज्यादा ऑब्ज़र्वेबल बनाता है, प्रॉक्सी ट्रस्ट को ज्यादा स्कोप्ड बनाता है, QA को ज्यादा रनटाइम-अवेयर बनाता है, मोबाइल वॉइस को ज्यादा रियलटाइम बनाता है, मीडिया को सुरक्षित बनाता है, चैनल्स को ज्यादा भरोसेमंद बनाता है, और Codex इंटीग्रेशन को ज्यादा पॉलिसी-अवेयर बनाता है। ...

[ALLOY]: एजेंट-स्टैक रिलीज रीडआउट का दूसरा भाग Codex rust-v0.131.0 है। अगर OpenClaw होस्ट सरफेस है, तो Codex कोडिंग सरफेस है: TUI, ऐप सर्वर, रिमोट-कंट्रोल पाथ, SDK, सैंडबॉक्स, ऑथ, स्टेट, और टूल ब्रिज जिनके बीच डेवलपर्स रहते हैं।

[NOVA]: पहला दृश्य परिवर्तन TUI स्टेटस है। Codex अब डेटा-ड्रिवन सर्विस-टियर कमांड्स, ब्लेंडेड टोकन यूसेज, परमिशन और अप्रूवल मोड, एफेक्टिव वर्कस्पेस रूट्स, और रेस्पॉन्सिव Markdown टेबल्स एक्सपोज़ करता है। यह डिस्प्ले वर्क जैसा लगता है, लेकिन यह ऑपरेटर्स के लंबे सेशन्स को मैनेज करने के तरीके को बदल देता है।

[ALLOY]: लंबी कोडिंग रन के दौरान, आप पर्मिशन एनवेलप जानना चाहते हैं। एजेंट रीड-ओनली पोस्चर में है, वर्कस्पेस-राइट पोस्चर में है, या कुछ ज्यादा परमिशिव में है? कौन सा अप्रूवल मोड असल में एक्टिव है? कौन से वर्कस्पेस रूट्स एफेक्टिव हैं? कौन सी सर्विस टियर इन यूज़ में है? कितना टोकन बजट खर्च हुआ है? अगर TUI उन फैक्ट्स को दिखाता है, तो ऑपरेटर को उन्हें बिखरे हुए कॉन्फ़िग और मेमोरी से रीकंस्ट्रक्ट करने की ज़रूरत नहीं है।

[NOVA]: यह इसलिए मायने रखता है क्योंकि फेलियर केसेस महंगे होते हैं। अगर यूज़र सोचता है कि एजेंट एक डायरेक्टरी में लिख सकता है लेकिन एफेक्टिव रूट अलग है, तो एडिट्स गलत जगह जा सकते हैं या अनपेक्षित रूप से फेल हो सकते हैं। अगर अप्रूवल मोड गलत समझा गया, तो एक टास्क उन प्रॉम्प्ट्स पर ब्लॉक हो सकता है जिनकी ऑपरेटर को उम्मीद नहीं थी। अगर टोकन यूसेज अदृश्य है, तो एक लंबा सेशन बिना चेतावनी के महंगे या डिग्रेडेड बिहेवियर में बह सकता है।

[ALLOY]: मेंशन्स भी बड़े हो गए हैं। एट-साइन सर्च अब फाइल्स, डायरेक्टरीज़, प्लगइन्स, और स्किल्स को एक पिकर में कवर करता है, ऐप-सर्वर प्लगइन मेटाडेटा द्वारा बैक्ड। यह बिल्डर्स के सोचने के तरीके से मेल खाता है। वह चीज जो आपको चाहिए वो एक सोर्स फाइल हो सकती है, एक फोल्डर, एक लोकल स्किल, या एक प्लगइन कैपेबिलिटी। इंटरफेस को उन्हें चार अलग डिस्कवरी पाथ में नहीं धकेलना चाहिए।

[NOVA]: सावधानी है context discipline। unified picker उपयोगी है क्योंकि यह friction कम करता है, लेकिन friction कभी-कभी session को bloat से बचा रहा था। सबसे अच्छा उपयोग है सबसे छोटा artifact जोड़ना जो ज़रूरी context लेकर आए: एक file, एक directory, एक skill, या एक plugin reference, adjacent दिखने वाली हर चीज़ का ढेर नहीं।

[ALLOY]: Plugin workflows आगे बढ़ते हैं। Codex marketplace CLI commands, version-aware sharing, share checkout, clearer shared-workspace buckets, और default-enabled plugin hooks जोड़ता है। यह plugins को loose local folders से managed development artifacts की तरफ shift है।

[NOVA]: Version-aware sharing बड़ी बात है। अगर दो users या दो machines एक ही plugin के बारे में बात कर रहे हैं, तो उन्हें पता होना चाहिए कि वे actual में same version use कर रहे हैं या नहीं। Share checkout और clearer workspace buckets explicit बनाने में help करते हैं। Default-enabled hooks experience को smoother बनाते हैं, लेकिन trust bar भी raise करते हैं।

[ALLOY]: Hooks powerful हैं क्योंकि ये development process के आसपास run होते हैं। इसका मतलब provenance, scope, version gates, और workspace boundaries matter करते हैं। Plugin marketplace सिर्फ convenience feature नहीं है। यह agent behavior के supply chain का हिस्सा बन जाता है।

[NOVA]: Remote work इस Codex release में major pieces में से एक है। Release daemon-managed codex remote-control, runtime enable और disable APIs, status reads, registry-backed और configured remote environments, और remote environments और desktop-owned config namespaces के लिए app-server API contracts जोड़ता है।

[ALLOY]: Remote control सिर्फ "कहीं और run करो" नहीं है। Real remote environment को identity, lifecycle, status, cleanup, configuration boundaries, और permission behavior चाहिए। अगर ये explicit नहीं हैं, तो remote agent work एक nicer label वाला shell process बन जाता है।

[NOVA]: Daemon-managed shape matter करता है क्योंकि long-running agent work को coordinator चाहिए। Daemon status expose कर सकता है, runtime enablement manage कर सकता है, और remote-control state को single terminal session से अलग रख सकता है। Demo में काम करने वाली feature और day-to-day use में survive करने वाली feature में यही फर्क है।

[ALLOY]: Configured remote environments teams और power users के लिए भी matter करते हैं। Remote environment हर बार improvised target नहीं होना चाहिए। इसका नाम होना चाहिए, discoverable होना चाहिए, policy-aware होना चाहिए, और recoverable होना चाहिए। App-server contract integrations को terminal output scrape करने के बजाय structured कुछ call करने देती है।

[NOVA]: Python SDK अब openai-codex है और openai_codex के रूप में import होती है। इसमें pinned runtime-generated types, concurrent turn routing, approval modes, और integration coverage शामिल हैं। यह Python applications को Codex turns drive करने का real path देता है बिना CLI को text-only subprocess की तरह treat किए।

[ALLOY]: Turn routing key mechanism है। अगर कोई app एक से ज़्यादा agent turn drive करता है, तो उसे IDs और structured events चाहिए। वरना approvals, tool activity, notifications, और outputs wires cross कर सकते हैं। Structured routing के बिना concurrent work वह जगह है जहाँ subtle bugs awful बन जाते हैं: एक turn के लिए intended approval दूसरे से associate हो जाता है, या tool event गलत task के नीचे appear होता है।

[NOVA]: SDK में approval modes को स्पष्ट रूप से बताना भी ज़रूरी है। एक Python ऐप जो Codex को embed करता है, उसे पता होना चाहिए कि किसी turn में permission माँगी जा सकती है, वो tools execute कर सकता है या नहीं, वो लिख सकता है या नहीं, और ये approvals controlling application तक कैसे पहुँचती हैं। यह कोई ऐच्छिक plumbing नहीं है। यह safety model है।

[ALLOY]: Codex एक और चीज़ जोड़ता है - codex doctor - जो runtime, auth, terminal, network, config, और local state में diagnostics करता है। यह वो तरह का command है जो तब तक छोटा लगता है जब तक पहला messy upgrade नहीं हो जाता।

[NOVA]: एक failed coding agent कई कारणों से fail हो सकता है - stale auth, terminal quirks, network policy, config conflicts, local state database trouble, runtime mismatches, sandbox behavior, या app-server startup। diagnostics के बिना, support एक guessing game बन जाती है। एक doctor command support-ready evidence इकट्ठा कर सकता है और "यह टूट गया" से "यह टूटा हुआ layer है" तक का रास्ता छोटा कर सकता है।

[ALLOY]: यह release app-server और local state startup को भी safer बनाता है - SQLite data preserve करके, जब state नहीं खुलती तो closed fail करके, recovery paths जोड़कर, और optional metadata sync failures को soften करके। यह combination good engineering है। Durable state preserve करो। अगर required state नहीं खुलती तो unsafe तरीके से आगे न बढ़ो। जब संभव हो recover करो। Optional metadata sync को primary path को crash न होने दो।

[NOVA]: Hardening block बहुत बड़ा है। Windows sandbox behavior deny-read rules, scoped write roots, ineffective firewall policy, और PowerShell edge cases के आसपास सुधरता है। Managed read restrictions permission escalation बच जाते हैं। Workspace-root permission profile resolution साफ़ हो जाता है।

[ALLOY]: Git और auth reliability root worktree hooks के ज़रिए सुधरती है, helper commands में repo hook और fsmonitor config ignore करके, local MCP OAuth callbacks bind करके, और superseded login tokens revoke करके। Remote और Windows cleanup को longer exec-server transport timeouts, quieter taskkill, और non-queued plugin reads मिलते हैं।

[NOVA]: Pattern है recoverability। एक coding agent तभी useful है अगर वो real repositories, real auth flows, real Windows shells, real sandbox policies, और real app-server state के अंदर काम कर सके। वो environments messy होते हैं। यह release एक flashy capability के बारे में कम और long sessions को observable, recoverable, और safer बनाने के बारे में ज़्यादा है।

[ALLOY]: Codex के लिए migration advice सीधी है: update करने के बाद, TUI status line, service-tier commands, unified mentions, plugin marketplace और share commands, remote-control flows, configured remote environments, Python SDK turn routing, codex doctor, relevant होने पर Windows sandbox cases, और app-server state recovery को exercise करो।

[NOVA]: Permission visibility भी test करो। एक session अपने expected approval mode और workspace roots के साथ शुरू करो, फिर verify करो कि TUI same reality दिखाता है। At-sign mentions एक file, एक directory, एक skill, और एक plugin के साथ use करो ताकि picker useful रहे बिना turn को overload किए। Remote environments के लिए, सिर्फ़ start नहीं, status reads और cleanup भी check करो।

[ALLOY]: SDK builders के लिए, concurrent turns को deliberately test करो। दो छोटी jobs run करो, दोनों में approval या tool activity trigger करो, और ensure करो कि notifications सही IDs के नीचे आएँ। यहीं पर एक structured SDK trust कमाता है।

[NOVA]: unified mention picker के लिए भी एक अच्छी workflow है। जब काम local हो तो सिर्फ file mention से शुरू करें। directory mention पर तभी जाएं जब agent को nearby tests या related modules की जरूरत हो। skill mention का उपयोग तब करें जब important context एक procedure हो, source code नहीं। plugin mention का उपयोग तब करें जब काम किसी capability पर निर्भर हो। यह workflow session को focused रखता है और नए picker को valuable भी बनाता है।

[ALLOY]: Plugin sharing के लिए workflow में version checks जरूर शामिल करें। एक plugin share करें, दूसरे workspace में check करें, loaded version verify करें, फिर उन्हें बड़े repository में trust करने से पहले छोटे repository में default-enabled hooks को test करें। Smooth plugin sharing useful है, लेकिन यह hook behavior को invisible नहीं बनाना चाहिए।

[NOVA]: Remote-control काम के लिए एक lifecycle test बनाएं। Session शुरू करें, remote control enable करें, status पढ़ें, दूसरे surface से छोटा correction send करें, permission request का answer दें, remote control disable करें, और cleanup confirm करें। यह वह workflow है जो mismatched state को पकड़ता है। अगर start काम करता है लेकिन status गलत है, तो feature operate करना मुश्किल होगा। अगर disable काम करता है लेकिन cleanup stale state छोड़ता है, तो अगला session confusion inherit कर सकता है।

[NOVA]: तो Codex readout है: TUI में clearer operating state, unified mentions के through broader context attachment, more managed plugin sharing, daemon-backed remote control, configured remote environments, structured turn routing वाला Python SDK, diagnostics, और sandbox, auth, Git, Windows, app-server, और state repairs की एक लंबी सूची।

[ALLOY]: OpenClaw के साथ मिलाकर यह एक ही दिशा में इशारा करता है। Agent tools कम magical और ज्यादा inspectable हो रहे हैं। Host बता सकता है कि वह क्या render कर सकता है और किस dialog ने block किया। CLI बता सकता है कि कौन सा permission mode और workspace roots active हैं। SDK ID के basis पर concurrent turns को route कर सकता है। Agent work operate करना इसी तरह आसान होता है। ...

[NOVA]: GitHub ने May 18 के तीन updates के साथ Copilot agents को एक multi-surface, lower-cost work queue में बदल दिया है: mobile, web, VS Code, और JetBrains में Copilot CLI sessions के लिए remote control अब generally available है; Copilot cloud agent tasks सरल काम के लिए सस्ते models का उपयोग कर सकते हैं; और failing GitHub Actions workflow logs page से Copilot को repair काम दे सकते हैं।

[ALLOY]: Remote-control mechanics स्पष्ट हैं। User copilot remote से शुरू कर सकता है, session के अंदर remote on से remote control enable कर सकता है, या Copilot settings file में remoteSessions configure कर सकता है। Attached होने के बाद, remote surface session activity stream कर सकता है, queued input accept कर सकता है, permission prompts answer कर सकता है, session stop कर सकता है, और user को original terminal से away work steer करने दे सकता है।

[NOVA]: यह CLI-agent work की shape बदलता है। Local terminal execution anchor बना हुआ है, लेकिन supervision बढ़ सकता है। Builder desk पर task शुरू कर सकता है, फिर mobile या browser से progress check कर सकता है, permission request answer कर सकता है, correction queue कर सकता है, या session stop कर सकता है - बिना same editor में रहे।

[ALLOY]: Constraints matter करते हैं। Session चलाने वाली machine को online रहना होगा, और GitHub docs longer work के लिए keep-alive emphasize करते हैं। Sessions user-specific हैं। Business और Enterprise use remote control और CLI features के लिए admin policies पर निर्भर हो सकते हैं। तो यह detached cloud compute नहीं है। यह एक live session है जिसमें remote control plane है।

[NOVA]: यह distinction important है। Remote steering useful है क्योंकि यह local context preserve करता है और supervision बढ़ने देता है। लेकिन इसका मतलब यह भी है कि local environment, branch state, credentials, network, और terminal session अभी भी matter करते हैं। अगर laptop sleep में चला जाता है, तो session magically कहीं और नहीं चल रहा।

[ALLOY]: दूसरा GitHub अपडेट Copilot क्लाउड एजेंट टास्क के लिए सस्ते मॉडल चयन के बारे में है। Claude Haiku 4.5 और GPT-5.4-mini सरल काम के लिए 0.33x मल्टीप्लायर पर उपलब्ध हैं। यह सही प्रोडक्ट दिशा है क्योंकि एजेंट टास्क सभी एक जैसे कठिन नहीं होते।

[NOVA]: एक छोटा डिपेंडेंसी बंप, लिंट फिक्स, टाइपो करेक्शन, मैकेनिकल रिफैक्टर, टेस्ट एक्सपेक्टेशन अपडेट, या सीधा फेलिंग टेस्ट को हमेशा सबसे मजबूत मॉडल की जरूरत नहीं होती। एक सस्ता मॉडल टास्क को हैंडल कर सकता है जबकि उन कामों के लिए बजट बचाता है जिन्हें गहरी रीजनिंग की जरूरत है: अस्पष्ट बग, आर्किटेक्चर बदलाव, सिक्योरिटी-सेंसिटिव पैच, या मल्टी-फाइल बिहेवियर बदलाव।

[ALLOY]: एंट्रीपॉइंट यहां भी मायने रखते हैं। GitHub का कहना है कि मॉडल चयन सपोर्टेड फ्लोज़ से उपलब्ध है जैसे कि इश्यू असाइन करना, पुल रिक्वेस्ट कमेंट में Copilot का जिक्र करना, एजेंट सरफेस से शुरू करना, GitHub Mobile, या Raycast। जहां कोई पिकर नहीं है, Auto का उपयोग किया जाता है।

[NOVA]: इसका मतलब है कि बिल्डर्स को मॉडल चॉइस को टास्क ट्रिएज का हिस्सा मानना चाहिए। अगर एंट्रीपॉइंट पिकर एक्सपोज करता है, तो जानबूझकर चुनें। अगर टास्क मैकेनिकल है, तो छोटा मॉडल यूज़ करें। अगर यह डिज़ाइन-भारी या रिस्की है, तो मजबूत रास्ते के लिए पैसे दें। अगर कोई पिकर नहीं है और Auto यूज़ होता है, तो उस अनसर्टेंटी को ध्यान में रखते हुए रिज़ल्ट रिव्यू करें।

[ALLOY]: तीसरा बदलाव है GitHub Actions के फेल होने पर वन-क्लिक रिपेयर। वर्कफ्लो रन लॉग पेज से, Copilot Business और Enterprise सब्सक्राइबर्स Fix with Copilot पर क्लिक कर सकते हैं। क्लाउड एजेंट फेलियर की जांच करता है, ब्रांच पर फिक्स पुश करता है, और रिव्यू के लिए यूज़र को टैग करता है।

[NOVA]: यह एक मजबूत एजेंट एंट्रीपॉइंट है क्योंकि कॉन्टेक्स्ट बंडल मजबूत है: फेलिंग जॉब लॉग, ब्रांच स्टेट, रिपॉजिटरी इंस्ट्रक्शन, और क्लाउड डेवलपमेंट एनवायरनमेंट। लॉग को चैट में कॉपी करने के बजाय, यूज़र उस जगह से डेलिगेट करता है जहां फेलियर पहले से दिख रहा है।

[ALLOY]: लेकिन रिव्यू डिसिप्लिन खत्म नहीं होता। एजेंट द्वारा पुश किया गया ब्रांच फिक्स अभी भी एक कोड चेंज है। रिव्यूअर को यह चेक करना होगा कि एजेंट ने असली कारण ठीक किया या नहीं, डिज़ाइन प्रिज़र्व किया या नहीं, ब्रॉड हैक से बचा या नहीं, और सिर्फ ग्रीन CI के लिए ऑप्टिमाइज़ नहीं किया।

[NOVA]: यह Actions फेलियर्स के साथ और भी सच है। सबसे आसान फिक्स टेस्ट ढीला करना, केस स्किप करना, पुराना डिपेंडेंसी पिन करना, या CI कॉन्फ़िगरेशन ऐसे बदलना हो सकता है जो बग छुपा दे। सही फिक्स गहरा हो सकता है। एजेंट ड्राफ्ट कर सकता है, लेकिन ह्यूमन रिव्यू अभी भी इंजीनियरिंग जजमेंट की ओनरशिप रखता है।

[ALLOY]: बड़ी प्रोडक्ट दिशा स्पष्ट है। GitHub Copilot एजेंट्स को एक वर्क क्यू में बदल रहा है जो सरफेस पर फैला हुआ है। लोकल CLI सेशन को रिमोटली स्टीयर किया जा सकता है। क्लाउड टास्क सरल काम के लिए छोटे मॉडल यूज़ कर सकते हैं। CI फेलियर्स लॉग पेज से डेलिगेटेड रिपेयर जॉब बन सकते हैं।

[NOVA]: टीमों के लिए, पॉलिसी लेयर मायने रखती है। रिमोट कंट्रोल, क्लाउड एजेंट्स, मॉडल सिलेक्शन, और Actions रिपेयर सभी को एडमिन सेटिंग्स, रिपॉजिटरी इंस्ट्रक्शन, और रिव्यू नॉर्म्स की जरूरत है। इनके बिना, एजेंट क्यू बनाना आसान है जो कन्वीनिएंट लेकिन इनकंसिस्टेंट हो।

[ALLOY]: उपयोगी बिल्ड पैटर्न यह है कि टास्क को असाइन करने से पहले उन्हें क्लासिफाई करें। सिंपल ब्रांच मेंटेनेंस सस्ते क्लाउड मॉडल पर जा सकती है। CI फेलियर रिपेयर वर्कफ्लो लॉग्स से शुरू हो सकती है। जो काम डेवलपर के लोकल स्टेट पर निर्भर है वो CLI में रह सकता है लेकिन रिमोटली सुपरवाइज्ड हो। रिस्की डिज़ाइन काम के लिए अभी भी स्ट्रॉन्गर मॉडल और क्लोज़र रिव्यू की जरूरत है।

[NOVA]: और सुपरविजन सरफेस काम के हिसाब से मैच करना चाहिए। अगर एजेंट परमिशन माँग रहा है, तो सिंपल और जानी-पहचानी ऑपरेशन के लिए मोबाइल अप्रूवल काफी हो सकता है। अगर बदलाव बड़ा है, तो डेस्कटॉप रिव्यू बेहतर है। बात ये नहीं है कि हर एजेंट टास्क रिमोट बनाओ। बात ये है कि कंट्रोल प्लेन को तब हिलने दो जब वो असल में मदद करता हो।

[ALLOY]: उपयोगी टीम वर्कफ्लो यह है कि कॉस्ट और रिस्क के हिसाब से रूट करो। छोटे फिक्सेस के लिए जिनके क्लियर टेस्ट हैं, छोटे क्लाउड-एजेंट मॉडल इस्तेमाल करो। जब इश्यू में एम्बिगुएस बिहेवियर, सिक्योरिटी इम्प्लिकेशन, या बड़ा डिज़ाइन इम्पैक्ट है, तब स्ट्रॉन्गर मॉडल इस्तेमाल करो। जब टास्क को लोकल स्टेट की जरूरत है लेकिन इंसान टर्मिनल में नहीं बैठ सकता, तब रिमोट CLI स्टीयरिंग इस्तेमाल करो। जब फेलियर कॉन्टेक्स्ट पहले से CI लॉग्स में कंस्ट्रेटेड है, तब Actions रिपेयर इस्तेमाल करो।

[NOVA]: रिव्यू वर्कफ्लो भी उतना ही एक्सप्लिसिट होना चाहिए। चीप-मॉडल चेंज के लिए, चेक करो कि एजेंट ने नैरो टास्क के अंदर ही रहा या नहीं। रिमोट CLI चेंज के लिए, लोकल डिफ और कमांड हिस्ट्री चेक करो। Actions रिपेयर के लिए, चेक करो कि एजेंट ने प्रोडक्ट कोड, टेस्ट, डिपेंडेंसी, या CI कॉन्फिगरेशन बदला है या नहीं। एजेंट का कन्वीनियंट एंट्रीपॉइंट से आना रिव्यू स्टैंडर्ड नहीं बदलता।

[ALLOY]: इसीलिए ये GitHub अपडेट रिलीज ब्लॉक के साथ फिट बैठते हैं। ये सिर्फ फीचर अनाउंसमेंट नहीं हैं। ये उसी ऑपरेशनल शिफ्ट का हिस्सा हैं: एजेंट्स को लाइफसाइकल कंट्रोल, पॉलिसी गेट्स, कॉस्ट टियर्स, और वर्कफ्लो जगहों से बेहतर एंट्रीपॉइंट्स की जरूरत है। ...

[NOVA]: Anthropic, Claude को SEC फाइलिंग डेटा से भरपूर करता है ताकि साइटेड फाइनेंशियल एजेंट्स को बेहतर जानकारी मिले। 18 मई का Claude Platform नोट नैरो है, लेकिन जो भी एजेंट अर्निंग्स सारांशित करता है, पब्लिक कंपनियों की तुलना करता है, ड्यू डिलिजेंस नोट्स ड्राफ्ट करता है, या रिस्क डिस्क्लोज़र्स मॉनिटर करता है, उसके लिए ये मायने रखता है।

[ALLOY]: जेनेरिक वेब रिजल्ट और फाइलिंग-अवेयर सर्च में फर्क सोर्स क्वालिटी में है। फाइनेंशियल रिसर्च एजेंट्स को ये जानना जरूरी है कि वो 10-K, 10-Q, 8-K, प्रॉक्सी स्टेटमेंट, रजिस्ट्रेशन स्टेटमेंट, या कोई और प्राइमरी फाइलिंग देख रहे हैं। उन्हें इतना मेटाडेटा भी चाहिए कि सिटेशन मॉडल दावे को सारांशित करने के बाद भी अटैच रहे।

[NOVA]: फेलियर मोड परिचित है। मॉडल वेब सर्च करता है, फाइनेंशियल दावा ढूंढता है, सारांशित करता है, और प्राइमरी फाइलिंग्स, प्रेस रिलीज़, एनालिस्ट कमेंट्री, और न्यूज़ आर्टिकल्स के बीच की बाउंड्री खो देता है। फाइनल आंसर भरोसेमंद लग सकता है, लेकिन एविडेंस चेन कमजोर है।

[ALLOY]: रिचर SEC फाइलिंग डेटा टूल लेयर को बेहतर एविडेंस मॉडल के कॉन्टेक्स्ट में ले जाने में मदद करता है। इससे एप्लिकेशन को फाइलिंग आइडेंटिटी, फाइलिंग टाइप, तारीख, कंपनी, सोर्स URL, साइटेड टेक्स्ट, और रिट्रीवल मेटाडेटा प्रेज़र्व रखने का बेहतर मौका मिलता है। लेकिन एप्लिकेशन को वो इन्फॉर्मेशन रखनी होगी। अगर वो सबकुछ प्रोज़ में कॉलैप्स कर देता है, तो फायदा गायब हो जाता है।

[NOVA]: प्रैक्टिकल रिकमेंडेशन यह है कि सर्च रिजल्ट्स को एविडेंस ऑब्जेक्ट्स की तरह ट्रीट करो। URL, टाइटल, फाइलिंग टाइप, तारीख, साइटेशन टेक्स्ट, कंपनी आइडेंटिटी, और रिट्रीवल टाइमस्टैम्प रखो। अगर एजेंट मेमो लिखता है, तो हर मैटीरियल क्लेम वापस फाइलिंग पॉइंट करना चाहिए, और जब एवेलेबल हो, तो सेक्शन या एक्सर्प्ट तक। अगर एजेंट स्ट्रक्चर्ड नोट्स लिखता है, तो फाइलिंग सोर्स एक फील्ड होनी चाहिए, बीच में प्रोज़ में दबा हुआ सेंटेंस नहीं।

[ALLOY]: यह मूल्यांकन को भी बदल देता है। एक वित्तीय शोध एजेंट का मूल्यांकन केवल इस पर नहीं होना चाहिए कि सारांश सुनने में सही लगता है या नहीं। इसका मूल्यांकन इस पर होना चाहिए कि दावे प्राथमिक स्रोतों से ट्रेस करने योग्य हैं या नहीं, द्वितीयक टिप्पणी फाइलिंग से अलग है या नहीं, तारीखें सुरक्षित हैं या नहीं, और परस्पर विरोधी साक्ष्यों को चिकना करने के बजाय चिह्नित किया गया है या नहीं।

[NOVA]: SEC फाइलिंग संरचित कानूनी और वित्तीय कलाकृतियां हैं। 10-K जोखिम कारक त्रैमासिक परिचालन अपडेट के समान नहीं है। 8-K एक अलग घटना की घोषणा कर सकता है। प्रॉक्सी स्टेटमेंट गवर्नेंस और मुआवजे की व्याख्या कर सकता है। यदि कोई एजेंट उन्हें "कंपनी ने कहा" में समतल कर देता है, तो यह उस संदर्भ को खो देता है जो दावे को उपयोगी बनाता है।

[ALLOY]: बिल्डर वर्कफ़्लो के लिए डिज़ाइन पैटर्न सीधा है। रिट्रीवल लेयर साक्ष्य लौटाता है। रीज़निंग लेयर सारांशित और तुलना कर सकती है। रिपोर्ट लेयर को उद्धरणों को संरक्षित करना चाहिए। स्टोरेज लेयर में पर्याप्त मेटाडेटा रखना चाहिए ताकि बाद की ऑडिट यह पुनर्निर्मित कर सके कि दावा कहाँ से आया।

[NOVA]: यह डाउनस्ट्रीम स्प्रेडशीट, निवेश नोट्स, अनुपालन समीक्षाओं और क्लाइंट-फेसिंग रिसर्च के लिए विशेष रूप से महत्वपूर्ण है। कमजोर उद्धरणों वाला एक सुंदर सारांश एक दायित्व है। स्पष्ट स्रोत फ़ील्ड के साथ एक अधिक संरचित सारांश पर भरोसा करना, समीक्षा करना और सुधारना आसान है।

[ALLOY]: ठोस बिल्ड वर्कफ़्लो साक्ष्य वस्तुओं को जीवित रखना है। जब Claude वेब सर्च एक फाइलिंग परिणाम लौटाता है, तो फाइलिंग प्रकार, कंपनी, तारीख, URL, उद्धृत पाठ और पुनर्प्राप्ति समय को दावे के बगल में संग्रहीत करें। जब एजेंट एक तुलना का मसौदा तैयार करता है, तो उन फ़ील्ड को तुलना तालिका या मेमो में ले जाएं। जब एजेंट एक रिपोर्ट निर्यात करता है, तो पर्याप्त उद्धरण विवरण शामिल करें ताकि समीक्षक स्रोत को खोल सके और दावे को सत्यापित कर सके।

[NOVA]: वित्तीय एजेंटों के लिए, यह एक बेहतर विफलता वर्कफ़्लो का भी सुझाव देता है। यदि किसी दावे का कोई प्राथमिक फाइलिंग स्रोत नहीं है, तो इसे द्वितीयक टिप्पणी के रूप में लेबल करें। यदि दो फाइलिंग परस्पर विरोधी प्रतीत होती हैं, तो दोनों उद्धरण रखें और अंतर को चिकना करने के बजाय समीक्षा के लिए कहें। यदि फाइलिंग प्रकार अस्पष्ट है, तो मॉडल से अनुमान न लगने दें। एजेंट को अनिश्चितता को स्थिति के रूप में संरक्षित करना चाहिए, क्योंकि अनिश्चितता अक्सर वह सबसे महत्वपूर्ण चीज है जो उपयोगकर्ता को देखने की आवश्यकता है।

[ALLOY]: वित्त के बाहर भी यही पैटर्न लागू होता है, लेकिन वित्त दांव को स्पष्ट करता है। जब कोई दावा निर्णय को प्रभावित कर सकता है तो प्राथमिक-स्रोत ग्राउंडिंग एक अच्छी-से-होने वाली बात नहीं है। समृद्ध SEC फाइलिंग डेटा डेवलपर्स को बेहतर टूल परिणाम देता है; एप्लिकेशन को अभी भी उपयोगकर्ता तक पूरे रास्ते में ग्राउंडिंग सीमा को संरक्षित करना होगा।

[NOVA]: इसलिए Anthropic अपडेट सतह क्षेत्र में छोटा और निहितार्थ में बड़ा है। बेहतर सर्च मेटाडेटा वित्तीय एजेंटों को अधिक ऑडिट करने योग्य बनाता है, लेकिन केवल तभी जब बिल्डर्स पूरे पाइपलाइन में उद्धरणों को जीवित रखें। ...

[ALLOY]: OpenClaw के लिए अपग्रेड प्राथमिकता बदले हुए होस्ट सतहों का परीक्षण करना है, केवल रिलीज़ इंस्टॉल करना नहीं। प्लगइन इनिट, बिल्ड और वैलिडेशन को मान्य करें। ब्राउज़र मोडल हैंडलिंग को ट्रिगर करें। गेटवे रीस्टार्ट तत्परता का निरीक्षण करें। यदि आपको इसकी आवश्यकता है तो HTTPS प्रॉक्सी ट्रस्ट का प्रयोग करें। इंटरप्शन के साथ Android Talk Mode आज़माएं। मीडिया को Telegram topics और Discord voice के माध्यम से भेजें। छवियों, सैंडबॉक्स्ड नेटवर्क, कोड मोड और प्रतिबंधित प्रेषक नीति के साथ Codex app-server टर्न और छवि हैंडलिंग का परीक्षण करें।

[NOVA]: Codex के लिए, ऑपरेटिंग स्थिति को अपडेट और निरीक्षण करें। TUI स्थिति रेखा, सर्विस-टियर कमांड, अनुमतियां, अप्रूवल मोड, वर्कस्पेस रूट्स, यूनिफाइड मेंशन्स, मार्केटप्लेस और शेयरिंग कमांड, रिमोट-कंट्रोल फ्लो, कॉन्फ़िगर्ड रिमोट एनवायरनमेंट्स, Python SDK टर्न राउटिंग, codex doctor, प्रासंगिक होने पर Windows सैंडबॉक्स केस और app-server स्थिति पुनर्प्राप्ति की जांच करें।

[ALLOY]: Copilot के लिए, सिम्पल रिपेयर वर्क के लिए सस्ते क्लाउड-एजेंट मॉडल का उपयोग करें, रिमोट सेशन्स को पॉलिसी-गेटेड रखें, और वन-क्लिक एक्शन फिक्सेस को फाइनल जवाबों की जगह कोड चेंजेस के रूप में रिव्यू करें। Claude फाइनेंशियल एजेंट्स के लिए, SEC फाइलिंग मेटाडेटा और साइटेशन्स को सिर्फ टेक्स्ट नहीं बल्कि स्ट्रक्चर्ड एविडेंस के रूप में मेंटेन करें।

[NOVA]: इन अपडेट्स में से गुजरने वाला थ्रेड ऑपरेशनल मैच्योरिटी है। होस्ट टूल और चैनल कॉन्ट्रैक्ट्स को क्लियर बना रहे हैं। CLIs स्टेट और परमिशन्स एक्सपोज कर रहे हैं। रिमोट एजेंट्स को बेहतर कंट्रोल प्लेन्स मिल रहे हैं। सर्च टूल्स रिचर एविडेंस वापस कर रहे हैं। यह वही वर्क है जो एजेंट्स को शिप, डिबग और ट्रस्ट करना आसान बनाता है।

[ALLOY]: सोर्स लिंक्स और एपिसोड नोट्स Toby On Fitness Tech dot com पर उपलब्ध हैं।

[NOVA]: यह AgentStack Daily है। मैं NOVA हूं।

[ALLOY]: और मैं ALLOY हूं। हम जल्द वापस आएंगे।