17 AI-Native डेवलपर स्किल्स

17 स्किल्स क्या हैं

17 AI-native स्किल्स 7-level AI-Native Developer model की परिचालन रीढ़ हैं। लेवल्स बताते हैं कि आप कितने परिपक्व हैं (L1 Chat-Assisted से L7 Universal AI Creator तक); 17 स्किल्स बताती हैं कि वहाँ पहुँचने के लिए आप वास्तव में क्या करते हैं। हर स्किल उस लेवल से जुड़ी है जहाँ वह आदर्श बनती है, उसका एक नुमेरिक KPI है जो दिखाता है कि आप वाकई उसे करते हैं या नहीं, और ProCoders के अनुशंसित टूल्स भी हैं।

स्किल्स को एक फ्लैट लिस्ट नहीं, बल्कि एक क्रमिक प्रगति की तरह पढ़ें। Skill #1 (एजेंट के ज़रिए कोड करना) L2 पर शुरू होती है। L3 क्लस्टर एजेंट को भरोसेमंद बनाता है: MCP, skills और plugins, प्रोजेक्ट मेमोरी, प्लानिंग, वेरिफिकेशन। बड़ा L4 क्लस्टर आपको कोडर से डायरेक्टर बनाता है: रिसर्च, हार्नेस, पैरेलल एजेंट्स, model routing, evals, worktrees, रिमोट कंट्रोल, सेफ्टी गेट्स, कोड रिव्यू, और डेमो। Skill #12 (पूर्ण स्वायत्त PRD-to-result ऑर्केस्ट्रेशन) L5 का कैपस्टोन है।

17 स्किल्स एक नज़र में

#	Skill	आदर्श बनती है	यह क्या साबित करती है
1	मेरे पास Claude (या समकक्ष) है और मैं हाथ से कोड नहीं लिखता	L2	एजेंट आपका मुख्य प्रोडक्शन मेकेनिज्म है, चैट कंसल्टेंट नहीं
2	MCP installed	L3	एजेंट आपके असली सोर्सेज़ से जुड़ा है: docs, repo, DB, issues
3	Skills और plugins installed	L3	एक दोहराने योग्य वर्कफ्लो, ad-hoc prompting नहीं
4	प्रोजेक्ट मेमोरी repo का हिस्सा	L3	प्रोजेक्ट का ज्ञान repo में रहता है, सिर्फ आपके दिमाग में नहीं
5	Plan-before-code	L3	कोई भी इम्प्लीमेंटेशन बिना अप्रूव्ड प्लान के नहीं शुरू होती
6	प्लानिंग के दौरान Playground और deep-research skills	L4	कठिन कार्यों की रिसर्च और प्रोटोटाइपिंग कोड से पहले होती है
7	प्रोजेक्ट-स्पेसिफिक हार्नेस बनाना; दोहराव को skills में बदलना	L4	आप बार-बार आने वाली समस्याओं को प्रोडक्टाइज़ करते हैं, बार-बार prompt नहीं करते
8	Parallel agents / subagent-driven development	L4	आप एक चैट नहीं, roles की पूरी टीम चलाते हैं
9	Verification harness — AI खुद को टेस्ट करता है	L3	भरोसे की जगह सबूत: एजेंट अपने काम को खुद साबित करता है
10	स्पीड और टोकन के लिए model routing	L4	हर काम के लिए सही मॉडल, ट्रैक और जस्टिफाइड
11	Eval-driven improvement / acceptance-criteria loop	L4	हर टिकट में acceptance criteria हैं जो एजेंट को पूरी करनी होती हैं
12	एक पूर्ण स्वायत्त PRD-to-result साइकिल ऑर्केस्ट्रेट करना (>5h)	L5	एजेंट डिलीवरी लूप चलाता है जबकि आप सुपरवाइज़ करते हैं
13	Worktrees के ज़रिए concurrent development	L4	कई टास्क आइसोलेटेड चलते हैं, बिना फ़ाइल टकराव के
14	नोटिफिकेशन / मोबाइल कंट्रोल के साथ remote mode	L4	आप कहीं से भी लंबे समय तक चलने वाले एजेंट्स को स्टीयर करते हैं
15	Hooks / permissions / safety gates कॉन्फ़िगर करना	L4	निर्धारक गार्डरेल्स, ज़ीरो लीक्ड सीक्रेट्स
16	AI कोड रिव्यू एक अलग प्रक्रिया के रूप में	L4	लिखने वाला कभी रिव्यूअर नहीं होता
17	रिज़ल्ट डेमो: वीडियो डेमो, इंटरेक्टिव रिपोर्ट	L4	शिपिंग में रिज़ल्ट दिखाना शामिल है, AI के ज़रिए जेनरेट करके

17 स्किल्स विस्तार से

Agentic coding और model routing (skills 1, 10)

1. मेरे पास Claude (या समकक्ष) है और मैं हाथ से कोड नहीं लिखता (L2). आप कोड लिखने, बदलने और रिफैक्टर करने के लिए AI एजेंट को प्राथमिक मेकेनिज्म के रूप में उपयोग करते हैं; कीबोर्ड केवल सर्जिकल फिक्स, क्रिटिकल पैच, या आर्किटेक्चर निर्णयों के लिए छूते हैं। KPI: बेसलाइन कम से कम 80% रूटीन कोड एजेंट के ज़रिए, मज़बूत है 100%, और हर हफ्ते कम से कम एक AI-जेनरेटेड PR। Tools: डिफ़ॉल्ट के रूप में Claude Code, Codex, Cursor, या Antigravity भी स्वीकार्य; artifacts में PRs, एजेंट लॉग्स, और diff summaries शामिल हैं। agentic coding tooling map देखें।

10. स्पीड और टोकन के लिए model routing (L4). आप काम के हिसाब से मॉडल चुनते हैं: आर्किटेक्चर और डीबगिंग के लिए मज़बूत reasoning मॉडल, इम्प्लीमेंटेशन के लिए तेज़ मॉडल, कोडिंग और रिव्यू के लिए code मॉडल, docs और summaries के लिए सस्ता मॉडल। KPI: 2 घंटे से अधिक के टास्क में मॉडल चॉइस रिकॉर्ड होती है, कम से कम 2 model tiers के साथ; seniors 3+ models/routes और हर PR पर cost/time लॉग चलाते हैं। Tools: Claude Opus/Sonnet, Codex, Cursor models, Antigravity। tooling guide में routing पर अधिक जानकारी।

टूलिंग और कॉन्टेक्स्ट (skills 2, 3, 4)

2. MCP installed (L3). आप एजेंट को कार्यशील सोर्सेज़ से जोड़ते हैं: documentation, GitHub, डेटाबेस, Linear/Jira, ब्राउज़र, Context7, Supabase/Postgres, लॉग्स, CI/CD — और permissions व blast radius समझते हैं। KPI: हर प्रोजेक्ट में कम से कम 2 कार्यशील MCP, seniors के लिए 4+ (docs/library lookup और issue/repo access सहित), 0 exposed secrets। Tools: .mcp.json, Context7 MCP, GitHub MCP, Supabase/Postgres MCP, Playwright/browser MCP। tooling guide देखें।

3. Skills और plugins installed (L3). आप skill/plugin सिस्टम को प्लानिंग, TDD, रिव्यू, डीबगिंग, docs, हार्नेस, और डिप्लॉयमेंट के लिए अपने स्टैंडर्ड वर्कफ्लो के रूप में उपयोग करते हैं। KPI: कम से कम 5 active skills, जिनमें से कम से कम 3 आपके अंतिम 5 टास्क में वास्तव में उपयोग हुई हों; seniors अपनी खुद की skill बना सकते हैं। Tools: Superpowers plugin (Anthropic का official marketplace), anthropics/claude-code-skills, Superpowers-V, Claude /skills, Codex skills/plugins; artifacts में skills/*/SKILL.md और skill usage लॉग शामिल हैं।

4. प्रोजेक्ट मेमोरी repo का हिस्सा (L3). आप प्रोजेक्ट की मेमोरी — आर्किटेक्चर, नियम, कन्वेंशन, ज्ञात समस्याएं, टेस्ट कमांड्स, लाइब्रेरी निर्णय, domain facts — बनाए रखते हैं और टास्क, गलतियों और रिव्यू के बाद अपडेट करते हैं। KPI: हर production repo में AGENTS.md या CLAUDE.md है, हर significant PR के बाद कम से कम 1 अपडेट, और मेमोरी कभी 14 दिनों से अधिक पुरानी नहीं होती। Tools: AGENTS.md, CLAUDE.md, .github/copilot-instructions.md, docs/superpowers/*।

प्लानिंग और रिसर्च (skills 5, 6)

5. Plan-before-code (L3). किसी भी कोड से पहले, एजेंट repo का अध्ययन करता है और एक प्लान बनाता है: फ़ाइल मैप, जोखिम, acceptance criteria, टेस्ट स्ट्रेटेजी, रोलबैक स्ट्रेटेजी। कोई प्लान नहीं, कोई कोड नहीं। KPI: 2 घंटे से अधिक के 100% टास्क में एक plan artifact होता है (goal, affected files, tasks, verification, rollback), और बिना अप्रूव्ड प्लान के इम्प्लीमेंटेशन शुरू नहीं हो सकती। Tools: Superpowers brainstorming और writing-plans, Claude Plan Mode, premortem skill; artifacts docs/superpowers/plans/ में रहते हैं।

6. प्लानिंग के दौरान Playground और deep-research skills (L4). जटिल या अपरिचित काम के लिए आप पहले रिसर्च करते हैं — docs, APIs, competitors, user pain, edge cases, ताज़े library versions, deprecation risks — और इम्प्लीमेंटेशन से पहले PoC या playground बना सकते हैं। KPI: 4 घंटे से अधिक या अज्ञात domain के टास्क के लिए, कम से कम 1 research note और 3 verified sources/docs या एक PoC, और बिना कारण के stale libraries पर आधारित 0 निर्णय। Tools: Superpowers brainstorming, Playground Tool और AskUserTool, और documentation validation के लिए Context7।

वेरिफिकेशन और क्वालिटी (skills 9, 11, 16)

9. Verification harness — AI खुद को टेस्ट करता है (L3). आप मैनुअल टेस्टिंग में समय बर्बाद करना बंद करते हैं और इसकी बजाय एक हार्नेस बनाते हैं जहाँ एजेंट tests, evals, build, lint, typecheck, और security checks चलाता है, फिर खुद ठीक करता है जब तक वे पास न हो जाएं। KPI: 80% PRs में evidence checks होते हैं (seniors के लिए 90–95%), मैनुअल QA टास्क टाइम का अधिकतम 20%, और बिना evidence के PR पूरा नहीं माना जाता। Tools: Superpowers test-driven-development और verification-before-completion, nizos/tdd-guard, Claude /run और /verify, साथ ही CI, Jest/Vitest/Pytest, और Playwright।

11. Eval-driven improvement / acceptance-criteria loop (L4). एजेंट एक लूप चलाता है: implement, checks run करें, acceptance criteria और evals से तुलना करें, fix करें, rerun करें, evidence produce करें। "done and trusted" नहीं, बल्कि "proven and passed।" KPI: हर टिकट में acceptance criteria हैं; AI/RAG/agentic features को 5–20 eval cases मिलते हैं; critical eval pass rate कम से कम 95%, और failed loops लॉग होते हैं। Tools: Superpowers executing-plans, Promptfoo/evals, CI में custom eval scripts; artifacts में evals/ और acceptance.md हैं।

16. AI कोड रिव्यू एक अलग प्रक्रिया के रूप में (L4). आप प्रोडक्शन और कंट्रोल को अलग रखते हैं: implementer कभी reviewer नहीं होता। एक reviewer spec और code quality जाँचता है; एक tester/security एजेंट हार्नेस, regressions, और vulnerabilities जाँचता है। KPI: किसी भी छोटे बदलाव से बड़े PR के लिए, 100% को independent AI review मिलती है; critical PRs को 3 agents (writer, reviewer, tester/security) मिलते हैं, और review report के बिना merge करना मना है। Tools: Superpowers requesting-code-review और receiving-code-review, Anthropic का official Code Review plugin (/code-review), Codex review, CodeRabbit।

ऑर्केस्ट्रेशन और स्वायत्तता (skills 7, 8, 12, 13, 14)

7. प्रोजेक्ट-स्पेसिफिक हार्नेस बनाना; दोहराव को skills में बदलना (L4). जब कोई समस्या बार-बार आए, तो आप फिर से prompt नहीं करते — आप एक reusable skill, plugin, या हार्नेस बनाते हैं (technical, expert, QA, security, migration, refactoring, docs)। KPI: एक समस्या के 2–3 बार दोहराने के बाद एक skill/playbook/हार्नेस होनी चाहिए; एक mature repo में कम से कम 3 project-specific skills हैं। Tools: Superpowers writing-skills, test-driven-development, systematic-debugging; artifacts में SKILL.md, scripts/, और references/ हैं।

8. Parallel agents / subagent-driven development (L4). आप roles का एक समूह लॉन्च करते हैं — researcher, planner, implementer, reviewer, tester, security reviewer, docs writer — जो independent रहते हैं और एक-दूसरे के context को प्रदूषित नहीं करते। KPI: एक जटिल टास्क में कम से कम 3 agent roles (seniors के लिए 4–6), और हर meaningful PR के लिए कम से कम 1 independent reviewer। Tools: Superpowers subagent-driven-development और dispatching-parallel-agents, ruvnet/ruflo, wshobson/agents, Claude subagents।

12. एक पूर्ण स्वायत्त PRD-to-result साइकिल ऑर्केस्ट्रेट करना, 5 घंटे से अधिक (L5). आप एक delivery loop चलाते हैं: PRD, decomposition, tickets, agent allocation, implementation, verification, review, PR-ready result — जबकि आप केवल supervise करते और अवरोध हटाते हैं। KPI: 5+ घंटे का स्वायत्त run जिसमें अधिकतम 3 human interventions हों, और हर डेवलपर प्रति माह कम से कम 2 पूर्ण स्वायत्त साइकिल। Tools: Claude Code with Superpowers और Superpowers-V, plus an operator-shell; artifacts में PRD, tickets, plan, agent logs, evidence, और PR शामिल हैं।

13. Worktrees के ज़रिए concurrent development (L4). आप isolated workspaces और branches उपयोग करते हैं ताकि कई agents/tasks टकराएं नहीं; आप file sets को partition करते हैं और results को cleanly merge करते हैं। KPI: senior tasks के लिए कम से कम 2 active worktrees (advanced work के लिए 3–5) और 0 undocumented file collisions। Tools: Git worktrees, branches, tmux, devcontainers, Superpowers using-git-worktrees; artifacts में worktree map और partition report हैं।

14. नोटिफिकेशन / मोबाइल कंट्रोल के साथ remote mode (L4). आप long-running agents शुरू करते हैं और उन्हें remotely स्टीयर करते हैं: approve करें, redirect करें, output inspect करें, और blocked या done होने पर notify पाएं। KPI: 1 घंटे से अधिक के टास्क के लिए notifications on, हर blocker पर alert, और काम के घंटों में blocker का जवाब 30 मिनट के भीतर। Tools: Claude Remote Control, Claude mobile/web, और Notification hooks with desktop/mobile push।

सेफ्टी और ऑप्स (skill 15)

15. Hooks / permissions / safety gates कॉन्फ़िगर करना (L4). आप निर्धारक गार्डरेल्स बनाते हैं: edit के बाद format, commit से पहले tests, secrets ब्लॉक करें, .env protect करें, migrations/deletes/prod commands के लिए approval आवश्यक करें, और MCP calls audit करें। KPI: 100% repos में base gates हैं (secret scan, protected files, pre-commit/test gate), 0 leaked secrets, और dangerous commands के लिए approval आवश्यक है। Tools: Claude hooks (PostToolUse, Notification, command hooks), AgentShield, .claude/settings.json, .cursor/hooks.json, branch protection, secret scanners।

क्राफ्ट और सार्वभौमिकता (skill 17)

17. रिज़ल्ट डेमो: वीडियो डेमो, इंटरेक्टिव रिपोर्ट (L4). आप सिर्फ काम नहीं करते, आप उसे package करके दिखाते हैं: एक UI वीडियो डेमो रिकॉर्ड करें, एक इंटरेक्टिव रिपोर्ट असेंबल करें, या एक narrated overview जेनरेट करें। डेमो Definition of Done का हिस्सा है, इंटरेक्टिव रूप में और AI के ज़रिए जेनरेट होकर। KPI: हर significant feature/PR एक demo artifact के साथ शिप होता है (3 मिनट से कम का वीडियो या इंटरेक्टिव रिपोर्ट); client features और meeting outcomes के लिए यह 100% है, और डेमो skill से जेनरेट होता है, हाथ से नहीं। Tools: claude-ui-recorder (record, narrate, render to demo.mp4), Remotion skills, NotebookLM audio overviews, Loom।

लेवल के साथ स्किल्स कैसे गहरी होती हैं

जैसे-जैसे आप ऊपर चढ़ते हैं, वही स्किल और गहरी होती जाती है। L2 से L5 तक:

• एजेंट के ज़रिए कोड: L2 कोशिश करता है और सब कुछ हाथ से जाँचता है → L3 कम से कम 80% रूटीन एजेंट के ज़रिए → L4 ~90%, हाथ-कोडिंग केवल critical parts के लिए → L5 रूटीन का 100%, टीम का norm सेट करते हुए।
• MCP: L2 एक basic MCP → L3 2+ working MCP → L4 4+ MCP docs और repo को cover करते हुए → L5 MCP governance और policy।
• Skills / plugins: L2 ready-made install करता है → L3 5 active, 3 in use → L4 project skills बनाता है → L5 internal marketplace चलाता है।
• प्रोजेक्ट मेमोरी: L2 CLAUDE.md/AGENTS.md पढ़ता है → L3 बनाए रखता और अपडेट करता है → L4 repo standard सेट करता है → L5 company-wide सेट करता है।
• Plan-before-code: L2 बड़े टास्क प्लान करता है → L3 2h से अधिक के 100% टास्क प्लान करता है → L4 वर्कफ्लो डिज़ाइन करता है → L5 planning templates का मालिक।
• Deep research / playground: L2 request पर → L3 अपरिचित टास्क के लिए → L4 research note + PoC norm के रूप में → L5 एक research platform।
• Harnesses / reusable skills: L2 अभी नहीं → L3 दूसरों की उपयोग करता है → L4 अपनी बनाता है (3+) → L5 हार्नेस एक product बन जाती है।
• Parallel agents: L2 एक chat → L3 2–3 roles → L4 4–6 roles → L5 fleet orchestration।
• Verification harness: L2 manual checks → L3 evidence के साथ 80% PRs → L4 90–95% PRs, self-fixing → L5 एक eval platform।
• Model routing: L2 एक model → L3 2 tiers → L4 cost log के साथ 3+ routes → L5 routing policy और dashboard।
• Eval / acceptance loop: L2 हाथ से acceptance → L3 हर टिकट पर AC → L4 CI में 5–20 evals → L5 company eval platform।
• Autonomous cycle: L2 अभी नहीं → L3 1–2 घंटे supervised → L4 5+ घंटे → L5 multi-ticket orchestration।
• Worktrees: L2 एक branch → L3 1–2 worktrees → L4 parallel में 3–5 → L5 partition standard।
• Remote / notifications: L2 अभी नहीं → L3 basic alerts → L4 full remote control → L5 operator-shell mode।
• Hooks / safety gates: L2 defaults → L3 base gates → L4 full policy → L5 company security boundaries।
• AI कोड रिव्यू: L2 self-review → L3 independent AI review → L4 writer/reviewer/tester split → L5 SDLC review standard।
• रिज़ल्ट डेमो: L2 screenshot या text → L3 हाथ से वीडियो डेमो → L4 skill के ज़रिए auto-demo, 100% client features → L5 brand templates के साथ demo standard।

वे metrics जो आपका असली लेवल उजागर करती हैं

कुछ नंबर किसी भी self-assessment से तेज़ आपका असली लेवल सामने रख देते हैं। ProCoders इन्हें मापता और समय के साथ track करता है।

Metric	L2	L3	L4	L5
एजेंट के ज़रिए % कोड	कोशिश करता है	≥80%	~90%, हाथ-कोडिंग केवल critical	रूटीन का =100%
Autonomous run (सबसे लंबा uninterrupted run)	<30 min	1–2 h	5+ h	multi-ticket cycle
Human interventions / run	लगातार	बार-बार	≤3	केवल supervision
Plan / token budget (लेवल की ज़रूरत का subscription)	Pro (~$20)	Max 5× (~$100)	Max 20× ($200)	Max 20× ($200) + API
Cost / time log (टास्क प्रति tokens और समय ट्रैकिंग)	—	—	per PR	team/project dashboard

तर्क यह है: जितना ऊँचा लेवल, उतने अधिक parallel agents, autonomous घंटे, और evals — जो token consumption बढ़ाता है और plan tier भी। L4 से norm है Max 20× ($200), क्योंकि आप एक साथ कई worktree agents और verification loops चला रहे होते हैं। L5 पर आप cost measurement जोड़ते हैं (cost log to dashboard) ताकि खर्च सोच-समझकर हो। (कीमतें और plan नाम बदलते हैं; यह ProCoders की मौजूदा internal mapping को दर्शाता है, official price list नहीं।)

ऊपर के behaviors ठीक वही हैं जो हमारा assessment grade करता है। मुफ्त टेस्ट लें और देखें कि 17 में से कौन सी स्किल्स आपके पास पहले से हैं और आप किस लेवल पर हैं।