फायर-एंड-फॉरगेट कोडिंग: 2026 में बैकग्राउंड एजेंट्स का उदय

पिछले हफ्ते मैंने एक एजेंट को एक टिकट दिया, लैपटॉप बंद किया, और लंच के लिए चला गया। वापस आया तो एक पुल रिक्वेस्ट इंतज़ार में थी — टेस्ट हरे, एक संक्षिप्त सारांश, ग्यारह फ़ाइलों को छूने वाला diff। यह काम कर गया था। मैंने उसे मर्ज कर दिया।

उस सुबह भेजे गए बाकी तीन उतने अच्छे नहीं रहे। एक ने चुपचाप एक फीचर फ्लैग हटा दिया क्योंकि वह "रेफर नहीं हो रहा था" (वह था, एक कॉन्फ़िग फ़ाइल से जिसे एजेंट ने कभी पढ़ा ही नहीं)। एक ने यह पता लगाने में कुछ डॉलर जला दिए कि हमारे टेस्ट सूट को एक डेटाबेस कंटेनर की जरूरत है जिसे वह शुरू नहीं कर सका। एक ने इतना प्रशंसनीय और इतना गलत diff तैयार किया कि मैं उसे फोन स्क्रीन पर ही अप्रूव करने वाला था।

यही 2026 में बैकग्राउंड एजेंट्स की असली तस्वीर है। अच्छी रन धोखेबाजी जैसी लगती है। बुरी रन ऐसी लगती है जैसे एक ऐसे जूनियर को मैनेज कर रहे हों जो रात 3 बजे काम करता है, कोई सवाल नहीं पूछता, और बहुत आत्मविश्वासी है।

संक्षेप में: बैकग्राउंड एजेंट्स ने "जब मैं नहीं देख रहा तब कोड लिखो" की समस्या को मूल रूप से हल कर दिया है। जो उन्होंने हल नहीं किया — जो तर्क से बदतर बना दिया है — वह है समीक्षा। बाधा बदल गई। पहले यह था कि मॉडल कितनी तेज़ी से टाइप कर सकता है। अब यह है कि आप कितनी तेज़ी से वह काम पढ़, भरोसा कर, और मर्ज कर सकते हैं जिसे आपने लिखे जाते नहीं देखा। अगर आप इसके लिए कोई प्रक्रिया नहीं बनाते, तो आपको एक मल्टीप्लायर नहीं मिलता; आपको अधूरी पकी PRs की बैकलॉग मिलती है।

"बैकग्राउंड एजेंट" का अभी वास्तव में क्या मतलब है

एक बैकग्राउंड एजेंट एक async कोडिंग एजेंट है जो आपके फोरग्राउंड ध्यान के बाहर कहीं चलता है — आमतौर पर एक क्लाउड VM — काम करता है, और बाद में आपको परिणाम देता है। आप काम असाइन करते हैं और चले जाते हैं। यही पूरा पिच है, और 2026 के मध्य तक हर प्रमुख हार्नेस इसका कोई न कोई संस्करण शिप करता है।

Cursor ने अपना पूरा इंटरफ़ेस संस्करण 3.0 में इसके इर्द-गिर्द पुनर्निर्मित किया। रिलीज़ नोट नए केंद्र के बारे में स्पष्ट है: आप "रेपोज़ और एनवायरनमेंट में कई एजेंट्स को समानांतर में चला सकते हैं: स्थानीय रूप से, worktrees में, क्लाउड में, और रिमोट SSH पर" (cursor.com/changelog/3-0)। उनके क्लाउड एजेंट्स सैंडबॉक्स में चलते हैं, "जब तक वे अपने आउटपुट को वैलिडेट नहीं कर लेते तब तक इटरेट करते हैं," और Linear या Jira की issues को सीधे PRs में बदलते हैं (cursor.com/cloud)। Futurum की 3.2 फॉलो-अप की रीडिंग ने IDE को "एजेंट एग्ज़ीक्यूशन रनटाइम के रूप में पुनर्निर्मित" कहा (futurumgroup.com) — मार्केटिंग-आसन्न, लेकिन दिशात्मक रूप से सही।

Claude Code उसी रास्ते पर गया लेकिन शब्दावली को सटीक रखा। इसके डॉक्स चार तरीकों को अलग करते हैं: सबएजेंट्स (एक सेशन के भीतर प्रतिनिधि वर्कर), एजेंट व्यू (claude agents — "बैकग्राउंड में चल रहे सेशन को डिस्पैच और मॉनिटर करें," एक रिसर्च प्रीव्यू), एजेंट टीम्स (वर्कर्स को कोऑर्डिनेट करने वाला एक लीड, "प्रयोगात्मक और डिफ़ॉल्ट रूप से अक्षम"), और डायनेमिक वर्कफ़्लो (एक स्क्रिप्ट जो कई सबएजेंट्स को फैन आउट करती है और उन्हें क्रॉस-चेक करती है) (code.claude.com/docs/en/agents)। चारों परस्पर विनिमेय नहीं हैं, और नाम वास्तविक काम कर रहे हैं।

Devin, जिसने इस श्रेणी की शुरुआत की, ने 2026 में एक स्वायत्त एजेंट को कई में बदलने में समय बिताया। इसके 19 मार्च के रिलीज़ ने "Devin Manages Devins" जोड़ा — एक कोऑर्डिनेटर सेशन जो काम को स्कोप करता है और "समानांतर में काम करने वाले मैनेज्ड Devins की टीम" को डेलीगेट करता है, प्रत्येक अपने अलग VM पर (docs.devin.ai/release-notes/2026)।

साझा धागा: अलग-थलग एनवायरनमेंट, async हैंड-ऑफ, अंत में PR। अंतर इस बात में हैं कि आपको कितनी रस्सी मिलती है और समीक्षा आप पर कैसे वापस आती है।

वे वास्तव में किसमें अच्छे हैं

यहाँ विशिष्ट रहें कि यह कहाँ फायदेमंद होता है, क्योंकि हाइप इसे समतल कर देती है।

बैकग्राउंड एजेंट्स सीमित, अच्छी तरह से निर्दिष्ट, सत्यापन योग्य काम में अच्छे हैं। स्वीट स्पॉट वह कार्य है जहाँ (a) आप "हो गया" को एक वाक्य में वर्णित कर सकते हैं, (b) एक टेस्ट या टाइप-चेकर इसे साबित कर सकता है, और (c) इसमें स्वाद की जरूरत नहीं है। पासिंग सूट के साथ डिपेंडेंसी बंप। किसी ज्ञात स्टैक में एक फील्ड जोड़ना। स्पष्ट यूनिट टेस्ट लिखना। कई फ़ाइलों में मैकेनिकल रिफैक्टर — Claude Code का /batch स्किल इसी के लिए बनाया गया है, जो "एक बड़े बदलाव को 5 से 30 worktree-अलग सबएजेंट्स में विभाजित करता है जो प्रत्येक एक पुल रिक्वेस्ट खोलता है" (code.claude.com/docs/en/agents)।

वे समानांतर चौड़ाई में अच्छे हैं। Cursor का /best-of-n एक ही कार्य को कई मॉडलों पर चलाता है, "प्रत्येक अपने अलग-थलग worktree में, फिर परिणामों की तुलना करता है" (cursor.com/changelog/3-0)। किसी उलझे हुए बग के लिए जहाँ आप वास्तव में सही दृष्टिकोण नहीं जानते, तीन प्रयास फायर करना और सबसे अच्छा रखना उन चीजों को चलाने में सक्षम होने का एक वास्तविक उपयोग है जिसे आप नहीं देख रहे हैं।

और वे एक व्यक्ति को एक बार में एक से अधिक काम करने देने में अच्छे हैं। एक सोलो बिल्डर के रूप में, बाधा कभी आइडियाज़ नहीं थी — यह है कि मैं एक बार में केवल एक फ़ाइल में हो सकता हूँ। बोरिंग आधे को डिस्पैच करते हुए दिलचस्प आधे को खुद करना — यही असली जीत है। "AI मेरा ऐप बनाता है" नहीं — वह अभी भी एक फंतासी है। "AI मेरे छोटे स्पष्ट चीजों की बैकलॉग को साफ करता है जब मैं सोचता हूँ" आज शिप करने योग्य है।

वे वास्तव में किसमें बुरे हैं

विफलता के तरीके अजीब नहीं हैं। वे नीरस हैं और बार-बार होते हैं।

संदर्भ की भूख। एक बैकग्राउंड एजेंट केवल वही जानता है जो उसने चलना शुरू करने से पहले इकट्ठा किया था। यह मध्य-रन में आपसे स्पष्टीकरण प्रश्न नहीं पूछ सकता — या यदि पूछ सकता है, तो आप लंच पर हैं। तो यह अनुमान लगाता है। मेरी डिलीट-हुई-फीचर-फ्लैग घटना शुद्ध संदर्भ की भूख थी: एजेंट ने उन फ़ाइलों पर सही ढंग से तर्क किया जो उसके पास थीं और एक गलत निष्कर्ष पर पहुँचा क्योंकि प्रासंगिक तथ्य कहीं और रहता था जिसे उसने नहीं देखा। समाधान पहले से है: बेहतर कार्य फ्रेमिंग, एक AGENTS.md जो बताए कि चीजें कहाँ रहती हैं, issue के लिंक। कचरा अंदर, आत्मविश्वास से कचरा बाहर।

साइलेंट ड्रिफ्ट। डरावनी विफलता वह PR नहीं है जो स्पष्ट रूप से टूटी हुई है — वह आपको मिल जाएगी। यह वह है जो 90% सही और सूक्ष्म रूप से गलत है, एक साफ सारांश के साथ जो सही व्यवहार का वर्णन करता है जबकि diff कुछ और करता है। सारांश इरादे से उत्पन्न होता है, न कि उससे जो कोड करता है। diff पर भरोसा करें, विवरण पर नहीं।

मर्ज कॉन्फ्लिक्ट्स और एक-दूसरे पर कदम रखना। एक रेपो के खिलाफ छह एजेंट्स चलाएं और वे टकरायेंगे। पूरे उद्योग का जवाब worktree अलगाव है — प्रत्येक एजेंट को अपना git checkout मिलता है ताकि समानांतर सेशन "कभी एक ही फ़ाइलें संपादित न करें" (code.claude.com/docs/en/agents)। यह रन के दौरान एजेंट्स की लड़ाई को हल करता है। यह छह शाखाओं के मंगलवार की दोपहर को main पर उतरने के बारे में कुछ नहीं करता, प्रत्येक थोड़ा पुराना। कॉन्फ्लिक्ट सिर्फ मर्ज टाइम पर चला जाता है, जिसका मतलब है कि यह आप पर चला जाता है। Devin ने फरवरी में समीक्षा में मर्ज-कॉन्फ्लिक्ट डिटेक्शन शिप किया ठीक इसलिए क्योंकि यहीं समानांतर सपना वास्तविकता से मिलता है (docs.devin.ai/release-notes/2026)।

अनियंत्रित लागत। Async का मतलब है कि कोई मीटर नहीं देख रहा। बैकग्राउंड एजेंट्स सबसे महंगे मॉडलों पर निर्भर करते हैं, और एक ईमानदार तुलना ने Cursor के बैकग्राउंड एजेंट पर "आसान PR" को पूर्वावलोकन के दौरान लगभग $4.63 में मापा (aitechfy.com)। यह एक असली टिकट के लिए ठीक है और एक टाइपो के लिए बेतुका है। लागत "नए काम पर अप्रत्याशित हो जाती हैं," और प्रति-कार्य खर्च "अपारदर्शी रहता है जब तक आप उपयोग डैशबोर्ड जाँचें नहीं" (techsy.io)। Anthropic के अपने डॉक्स इसे सीधे रखते हैं: एक साथ कई एजेंट्स चलाना "टोकन उपयोग को कई गुना बढ़ा देता है" (code.claude.com/docs/en/agents)। फायर-एंड-फॉरगेट से पहले खर्च सीमाएं निर्धारित करें, इनवॉइस के बाद नहीं।

असली बाधा समीक्षा है, और अब यह आपकी है

यहाँ वह हिस्सा है जिसे डेमो छोड़ देते हैं। जब जनरेशन धीमा कदम था, समीक्षा मुफ्त थी — आपने कोड को लाइन दर लाइन प्रकट होते देखा, और जैसे-जैसे यह आया, आपने इसे अप्रूव किया। बैकग्राउंड एजेंट्स ने इसे तोड़ दिया। कोड तब प्रकट होता है जब आप गए होते हैं। अब आप उस काम के समीक्षक हैं जिसे आपने नहीं देखा, जितने एजेंट्स आपने डिस्पैच किए उसकी मात्रा में।

विक्रेता स्पष्ट रूप से यह जानते हैं, क्योंकि 2026 की सबसे दिलचस्प शिपिंग जनरेशन में नहीं थी — यह समीक्षा में थी। Devin ने जनवरी में एक पूरा समीक्षा उत्पाद लॉन्च किया जो संबंधित परिवर्तनों को समूहित करता है, "कॉपी किए गए कोड, बग और सुरक्षा मुद्दों का पता लगाता है," और अप्रैल तक ऑटो-मर्ज और "Devin के साथ ऑटो-फिक्स" बटन जोड़ा (docs.devin.ai/release-notes/2026)। यह बताता है कि दर्द कहाँ है।

लेकिन सावधान रहें कि आप क्या चाहते हैं। वही तुलना जिसने इन उपकरणों की कीमत लगाई, यह भी नोट करती है कि "हर टीम जिसे हम जानते हैं मर्ज से पहले मानव समीक्षा की आवश्यकता है" और ऑटो-मर्ज को "एक फुट-गन" कहती है (techsy.io)। मैं सहमत हूँ। एक एजेंट की किसी अन्य एजेंट की समीक्षा करने का बिंदु आपकी कतार को ट्राइएज करना है — उन तीन PRs को फ्लैग करना जिन्हें आपकी आँखों की जरूरत है और बोरिंग दो को रबर-स्टैम्प करना — आपको हटाना नहीं। जिस दिन आप एक एजेंट को बिना निगरानी के किसी अन्य एजेंट के काम को main में अप्रूव करने देते हैं, वह दिन है जब आपने सूक्ष्म बग के उत्पादन को स्वचालित किया है।

तो 2026 में जो कौशल वास्तव में मायने रखता है वह प्रॉम्प्टिंग नहीं है। यह डूबे बिना एक समीक्षा कतार चलाना है। ठोस रूप से:

• पढ़ने से पहले ट्राइएज करें। पहले सस्ता, मैकेनिकल सिग्नल: क्या टेस्ट पास हुए, क्या टाइप-चेकर पास हुआ, क्या diff छोटा है। एक PR जो अपने गेट से फेल होती है वह अभी तक आपका ध्यान नहीं कमाती।
• diff पढ़ें, सारांश कभी नहीं। सारांश एजेंट का इरादा है। diff वह है जो होता है। वे चुपचाप अलग हो जाते हैं।
• "हो गया" को साबित करने योग्य बनाएं। यदि आप एक चेक नहीं लिख सकते जो कार्य की पुष्टि करे, तो आपके पास एक बैकग्राउंड-एजेंट कार्य नहीं है — आपके पास एक ऐसी चीज़ है जिसे आप वैसे भी बेबीसिट करेंगे। सत्यापन को एजेंट के रन में धकेलें ताकि यह स्व-परीक्षण करे; Cursor के क्लाउड एजेंट "जब तक वे अपने आउटपुट को वैलिडेट नहीं कर लेते तब तक इटरेट करते हैं" (cursor.com/cloud), और वह गेट किसी भी प्रॉम्प्ट ट्वीक से अधिक मूल्यवान है।
• कतार की गहराई को सीमित करें। उस बिंदु से आगे जो आप समीक्षा कर सकते हैं, अधिक एजेंट्स अधिक आउटपुट नहीं हैं। यदि PRs उतरती हैं जितनी तेज़ी से आप उन्हें साफ करते हैं, तो आपने एक बैकलॉग जनरेटर बनाया है, न कि एक मल्टीप्लायर।

एक दिन की ज़िंदगी जो वास्तव में काम करती है

यहाँ वह लूप है जिसे मैं एक सोलो बिल्डर के रूप में चलाता हूँ। यह जानबूझकर सांसारिक है।

सुबह: मैं अपनी issue सूची को दो बकेट में ट्राइएज करता हूँ — एजेंट-आकार (सीमित, परीक्षणयोग्य, बोरिंग) और मेरे-आकार (निर्णय, आर्किटेक्चर, पैसे या auth को छूने वाली कोई भी चीज़)। मैं तीन या चार एजेंट-आकार के टिकट डिस्पैच करता हूँ, प्रत्येक को अपने worktree या क्लाउड सैंडबॉक्स में, एक वास्तविक विवरण और issue के लिंक के साथ। फिर मैं वह विंडो बंद करता हूँ और पुराने तरीके से अपने-आकार की समस्या पर काम करने जाता हूँ, फोरग्राउंड में।

मैं उन्हें देखते हुए नहीं बैठता। पूरा बिंदु async है। एक बैकग्राउंड एजेंट को देखना बस अतिरिक्त कदमों और बदतर दृश्य के साथ एक सिंक्रोनस एजेंट है।

मध्य-सुबह, PRs उतरने लगती हैं। मैं ट्राइएज पास चलाता हूँ: पहले गेट स्टेटस, फिर बड़े से पहले छोटे diffs। दो जो साफ पास हुईं और दस लाइनें छूती हैं, मैं प्रत्येक को पाँच मिनट में पढ़ता और मर्ज करता हूँ। वह जो "सफल" हुई लेकिन मेरी अपेक्षा से अधिक फिर से लिखा, मैं ध्यान से पढ़ता हूँ — वहीं ड्रिफ्ट छुपता है। वह जो अपने टेस्ट में फेल हुई, मैं या तो नए संदर्भ के साथ फिर से तैयार करता हूँ और फिर से डिस्पैच करता हूँ, या लोकल में खींचता हूँ और खुद हाथ से खत्म करता हूँ। एक एजेंट जो टूटे हुए टेस्ट एनवायरनमेंट पर चालीस मिनट जला रहा है, बस मुझे बता रहा है कि मेरा सेटअप समस्या है; मैं इसे एक बार ठीक करता हूँ और अगली रन साफ होती है।

मैं एजेंट शाखाओं को एक-एक करके मर्ज करता हूँ, जैसे-जैसे जाता हूँ rebase करता हूँ, दिन के अंत में बैच में नहीं — यही तरीका है जिससे आप मंगलवार-दोपहर के कॉन्फ्लिक्ट पाइलअप से बचते हैं। और मैं एक कठोर नियम रखता हूँ: कुछ भी auth-, billing-, या migration-संबंधित बैकग्राउंड रन से बिना मुझे हर लाइन पढ़े शिप नहीं होता। यह मेरे-आकार का नहीं है क्योंकि यह कठिन है। यह मेरे-आकार का है क्योंकि विस्फोट त्रिज्या बड़ी है और एजेंट परिणाम नहीं महसूस करता।

दिन के लिए नेट: शायद छह टिकट बंद जहाँ मैंने दो किए होते। इसलिए नहीं कि एजेंट स्मार्ट हैं — उन PRs में से कुछ रीवर्क थे — बल्कि इसलिए कि बोरिंग आधा समानांतर में साफ हो गया जबकि मैंने अपना वास्तविक ध्यान उस आधे पर खर्च किया जिसे एक इंसान की जरूरत थी।

ज़मीनी नज़रिया

बैकग्राउंड एजेंट्स असली हैं, वे शिप करते हैं, और समानांतर-क्लाउड-VM-to-PR लूप एक सोलो बिल्डर के दिन बिताने के तरीके को बदलने के लिए पर्याप्त रूप से काम करता है। यह हाइप नहीं है। जो हाइप है वह निहित "और फिर आपको कुछ नहीं करना" है। आपको करना है। काम का आकार बदल गया — कोड टाइप करने से लेकर, उसे निर्दिष्ट करने, गेट करने, और समीक्षा करने तक।

उन्हें एक तेज़ जूनियर टीम की तरह मानें जो आपके सोते समय काम करती है और सुबह तक PRs का एक ढेर बनाती है: कुछ उत्कृष्ट, कुछ चुपचाप गलत, सभी आत्मविश्वासी। भुगतान तब असली है जब आप जनरेशन से मेल खाने के लिए समीक्षा मांसपेशी बनाते हैं। यदि आप उसे छोड़ देते हैं, तो आपने खुद के लिए एक टीम नहीं खरीदी है। आपने खुद के लिए एक कतार खरीदी है।

एक एजेंट, एक सीमित टिकट, एक साबित करने योग्य "हो गया" परिभाषा से शुरू करें। चार तक फैन आउट करने से पहले गहराई एक पर ट्राइएज लूप को काम करें। जनरेशन कभी कठिन हिस्सा नहीं होने वाला था।