Claude Code 2026 में: Tools से ज़्यादा ज़रूरी हैं Layers

मैंने gstack, Superpowers और Compound Engineering एक ही हफ्ते में install किए। Claude Code के तीन जाने-माने extensions, हर एक के अपने चाहने वाले। मेरी उम्मीद थी कि productivity में बढ़ोतरी पर बढ़ोतरी होगी। बदले में मिला features का overlap, coverage में gaps, और एक चुभने वाली feeling कि मैं बिना किसी evaluation framework के tools जमा कर रहा हूं।

तीनों को साथ-साथ कुछ दिन चलाने के बाद, असली समस्या पता चली। मैं tools चुनने में बुरा नहीं था। मैं layers देखने में बुरा था।

Layers व्यवहार में कैसी दिखती हैं

AI coding ने इंसान की भूमिका code लिखने से agents coordinate करने पर shift कर दी है। Coordination के लिए एक mental model चाहिए, और जो model मुझे आखिरकार समझ आया उसमें तीन layers हैं: decision, process और knowledge। मैंने जितनी भी tools देखीं, हर एक किसी एक layer में strong थी और बाकी में कमज़ोर। जैसे ही यह दिखा, overlap और gaps दोनों समझ में आने लगे।

Decision layer

gstack का /plan-ceo-review काम को product के नज़रिए से जांचता है। /plan-eng-review उसे architecture के नज़रिए से जांचता है। दोनों एक भी line code लिखने से पहले run होते हैं। मकसद है बुरे ideas को जल्दी खत्म करना।

मुझे लगता था कि coding phase ही bottleneck होगा। नहीं था। सबसे बड़ा time sink था ऐसी features बनाना जो शुरू ही नहीं होनी चाहिए थीं। दो हफ्ते gstack के gates इस्तेमाल करने के बाद मुझे दिखा कि quality का फर्क बेहतर code लिखने से कम और कम ज़रूरी code लिखने से ज़्यादा आया। कहा जाता है कि Garry Tan ने इस setup से 60 दिनों में 600,000 lines ship किए। /qa command एक real browser खोलता है और app में एक user की तरह click करता है, जो unit tests से छूट जाने वाली problems पकड़ता है।

gstack कहां कमज़ोर पड़ता है: sessions के बीच कोई memory नहीं है। हर review शून्य context से शुरू होता है।

Process layer

Superpowers काम को brainstorm, plan, execute, review के cycle में organize करता है। GitHub के 120,000 stars deserve किए गए हैं। “बस AI से करवाओ” से एक repeatable workflow पर जाने से output consistency में तुरंत फर्क पड़ा।

मुझे लगा यह काफी होगा। नहीं था। Workflow एक session के अंदर अच्छे से चलता है, लेकिन अगले दिन नई session शुरू करते ही जो कुछ भी सीखा था वो गायब। Subagent-based spec reviewers और code quality reviewers शामिल हैं और ठीक से काम करते हैं। लेकिन system का कोई भी हिस्सा यह record नहीं करता कि कल क्या हुआ ताकि वह आज का काम inform कर सके।

Knowledge layer

Compound Engineering का /ce:compound command किसी task के पूरा होने के बाद run होता है। पांच subagents parallel में activate होते हैं: conversation context trace करते हैं, solution निकालते हैं, duplicate documentation check करते हैं, prevention strategy generate करते हैं, और result categorize करते हैं। सब कुछ docs/solutions/ में जाता है।

इसे use करने के एक हफ्ते बाद मुझे एक error मिला जो पहले solve किए गए जैसा था। Planning phase में system ने पिछला record ढूंढा और solution सामने रख दिया। एक debugging session जो घंटों लेती, मिनटों में खत्म हुई। /ce:review कम से कम छह independent reviewers parallel में चलाता है। /ce:plan कुछ भी suggest करने से पहले git logs और project history check करता है।

अगर Anthropic की progress files workers के बीच shift-handoff notes हैं, तो Compound Engineering का docs/solutions/ वह recipe binder है जिसे पूरी team रोज़ पढ़ती है।

अपनी खाली layer खोजें

बात यह नहीं है कि आपको यही तीन specific tools install करने चाहिए। बात यह है कि जब आप तीन layers देख सकते हैं, तब आप किसी भी tool को evaluate कर सकते हैं, या अपना खुद का बना सकते हैं।

मैंने तीनों को एक हफ्ते साथ चलाया और तब जाकर पता चला कि redundancy process layer में concentrated थी जबकि knowledge layer महीनों से खाली थी। उस gap को identify करना किसी भी tool के किसी भी individual feature से ज़्यादा काम आया।

अपने workflow को देखें। क्या कोई decision gate है जो बुरे ideas को code बनने से रोकता है? क्या कोई defined process है जो हर बार एक जैसे तरीके से चलती है? क्या कोई knowledge system है जो याद रखता है कि पिछले हफ्ते आपने क्या सीखा? पहले खाली layer ढूंढें। फिर उसे भरें, भले ही इसका मतलब हो कि किसी और का framework install करने की बजाय खुद एक SKILL.md file लिखें।

Layers देखने की यह क्षमता ecosystem में किसी भी specific tool से ज़्यादा टिकाऊ साबित होगी।