इस प्रोजेक्ट की खासियत यह थी कि टैन ने Claude Code से कोई सामान्य “पेरेंटिंग ऐप” बनाने को नहीं कहा। उन्होंने साफ बताया कि माता-पिता कौन-सी जानकारी दर्ज करेंगे, सिस्टम कौन-सी गणनाएं करेगा और दोनों उपयोगकर्ताओं को डेटा तक किस तरह पहुंच मिलेगी।

पहले जरूरतों की सूची, फिर कोड

टैन का तरीका एक छोटे लेकिन व्यवस्थित प्रोडक्ट-डेवलपमेंट प्रोजेक्ट जैसा था, भले ही वे प्रोग्रामर नहीं थे। उन्होंने पहले साधारण अंग्रेजी में विस्तृत जरूरतें लिखीं और फिर Claude Code से उन जरूरतों को ऐप में बदलने को कहा।

उनकी प्रक्रिया मोटे तौर पर इस तरह थी:

1. Mac Terminal के जरिए Claude Code डाउनलोड करके चलाना।
2. ऐप के फीचर्स और व्यवहार का वर्णन करने वाला चार पन्नों का दस्तावेज लिखना।
3. Claude Code से उन जरूरतों के आधार पर ऐप बनवाना और हर चरण को गैर-प्रोग्रामर के लिए समझने योग्य भाषा में समझाने को कहना।
4. GitHub, Supabase और Vercel पर अकाउंट बनाना।
5. इन सेवाओं को आपस में जोड़ना—GitHub ने कोड को सुरक्षित रखा, Supabase ने डेटाबेस और यूजर ऑथेंटिकेशन संभाला, जबकि Vercel ने ऐप को वेब लिंक पर प्रकाशित किया।

इस पूरी व्यवस्था में हर टूल की अलग भूमिका थी। Claude Code विकास का इंटरफेस था, GitHub कोड रिपॉजिटरी, Supabase बैकएंड सेवाओं का आधार और Vercel ऐप की तैनाती के लिए इस्तेमाल हुआ। इससे टैन पारंपरिक प्रोग्रामिंग स्टैक में विशेषज्ञ बने बिना एक लिखित विचार को काम करने वाली वेब ऐप में बदल सके।

स्पष्ट प्रॉम्प्ट क्यों जरूरी थे?

टैन को उम्मीद नहीं थी कि पहली बार में तैयार हुआ ऐप पूरी तरह सही होगा। उन्होंने ऐप को चलाकर देखा, जो चीज गलत या अधूरी थी उसे शब्दों में समझाया और Claude Code से संशोधन कराया। उनका काम लगातार चलने वाले चक्र जैसा था—प्रॉम्प्ट देना, नतीजा देखना, टेस्ट करना और सुधार करना।

उनके अनुभव से एक सीधा नियम सामने आया: अस्पष्ट निर्देशों से अस्पष्ट नतीजे मिलते हैं। जब उन्होंने फील्ड, अनुमतियां, गणनाएं और यूजर अनुभव अधिक सटीक ढंग से बताए, तो AI का आउटपुट भी अधिक उपयोगी हुआ। Claude Code आम तौर पर अपूर्ण या “टूटी-फूटी” अंग्रेजी समझ सकता था, लेकिन किसी अनुरोध को समझ लेना और उसे पूरा व सही तरीके से परिभाषित करना एक ही बात नहीं है।

AI कोडिंग टूल इस्तेमाल करने वालों के लिए यह फर्क अहम है। प्राकृतिक भाषा में ऐप बनाना शुरुआत की बाधा कम कर सकता है, लेकिन इससे जरूरतें तय करने और तैयार परिणाम की जांच करने की जिम्मेदारी खत्म नहीं होती।

AI से रिसर्च की, लेकिन स्रोतों की जांच भी की

टैन ने रिसर्च के लिए Claude Code के साथ Perplexity AI का भी इस्तेमाल किया, क्योंकि वह जवाबों के साथ उद्धरण देता है। फिर भी उन्होंने यह मानकर काम नहीं किया कि उद्धरण मौजूद है तो जानकारी अपने-आप विश्वसनीय होगी।

एक बार रिसर्च में यह दावा सामने आया कि सिंगापुर में फिन वाली मछली एलर्जी की प्रमुख चिंताओं में शामिल है। टैन को इस पर संदेह हुआ, क्योंकि उनके अनुभव में शेलफिश अधिक परिचित चिंता थी। उन्होंने दिए गए स्रोत की जांच की और ऐप में जानकारी ठीक की। इस मामले से एक व्यापक जोखिम भी सामने आता है: AI सर्च सिस्टम कभी-कभी ऐसे उद्धरण दे सकते हैं जो काल्पनिक अध्ययनों की ओर इशारा करते हैं। इसलिए स्वास्थ्य से जुड़ी महत्वपूर्ण जानकारी की स्वतंत्र पुष्टि जरूरी है।

बेबी-ट्रैकिंग ऐप के मामले में यह सावधानी और भी महत्वपूर्ण थी। ऐप माता-पिता के अवलोकनों को व्यवस्थित कर सकता है और उन्हें मार्गदर्शन से मिलाने में मदद कर सकता है, लेकिन केवल लिंक या उद्धरण होने से AI-जनित रिसर्च को चिकित्सकीय प्रमाण नहीं माना जाना चाहिए।

इन्हीं प्रॉम्प्टिंग कौशल से बनाया 48 भाषाओं वाला टूल

बेबी ऐप बनाते समय विकसित किए गए कौशल टैन के दूसरे काम में भी उपयोगी साबित हुए। उन्होंने एक ऐसा वन-बटन ट्रांसलेशन टूल बनाया, जो अंग्रेजी सामग्री को 48 भाषाओं में बदल सकता है।

इस टूल को केवल शब्दशः अनुवाद करने के निर्देश नहीं दिए गए थे। पहले उसे मूल पाठ का अर्थ, उद्देश्य और पाठक को प्रभावित करने का लक्ष्य समझने को कहा गया। इसके बाद उसे लक्ष्य भाषा में स्वाभाविक लेखन तैयार करने का निर्देश दिया गया—ऐसा लेखन जिसमें अंग्रेजी के वाक्य-विन्यास, लय या सोचने का ढंग जबरन दिखाई न दे।

यह प्रक्रिया उसी मूल सिद्धांत को दिखाती है जो बेबी ऐप में नजर आया था: नतीजे की गुणवत्ता इस बात पर काफी निर्भर करती है कि उपयोगकर्ता लक्ष्य, संदर्भ और सीमाओं को कितनी अच्छी तरह समझाता है—सिर्फ काम का नाम बता देना काफी नहीं।

गैर-प्रोग्रामरों के लिए बड़ा सबक

टैन का अनुभव यह साबित नहीं करता कि AI सॉफ्टवेयर डेवलपमेंट को पूरी तरह स्वचालित बना देता है। उन्हें वास्तविक समस्या पहचाननी पड़ी, विस्तृत स्पेसिफिकेशन लिखना पड़ा, कई सेवाओं पर अकाउंट बनाने पड़े, उन्हें जोड़ना पड़ा, ऐप का परीक्षण करना पड़ा और अविश्वसनीय रिसर्च पर सवाल उठाने पड़े।

लेकिन यह जरूर दिखाता है कि AI कोडिंग सहायक किसी गैर-तकनीकी व्यक्ति को वर्षों की प्रोग्रामिंग पढ़ाई से पहले ही किसी उपयोगी उत्पाद के साथ प्रयोग शुरू करने में मदद कर सकता है। टैन के लिए प्रयोग करना और स्पष्ट प्रॉम्प्ट लिखना भविष्य के व्यावहारिक कौशल बन रहे हैं—यहां तक कि उन लोगों के लिए भी, जो अंग्रेजी पूरी तरह धाराप्रवाह नहीं लिखते।

इस कहानी का सबसे उपयोगी निष्कर्ष यह नहीं है कि “AI कुछ भी बना सकता है।” असली बात यह है कि बिना कोडिंग पृष्ठभूमि वाले लोग भी सीमित और स्पष्ट समस्या के लिए प्रोटोटाइप तैयार कर सकते हैं, बशर्ते जरूरतें तय करने, परीक्षण करने और तथ्यों पर अंतिम निर्णय लेने की जिम्मेदारी वे खुद निभाएं।

इस प्रोजेक्ट की खासियत यह थी कि टैन ने Claude Code से कोई सामान्य “पेरेंटिंग ऐप” बनाने को नहीं कहा। उन्होंने साफ बताया कि माता-पिता कौन-सी जानकारी दर्ज करेंगे, सिस्टम कौन-सी गणनाएं करेगा और दोनों उपयोगकर्ताओं को डेटा तक किस तरह पहुंच मिलेगी।

पहले जरूरतों की सूची, फिर कोड

टैन का तरीका एक छोटे लेकिन व्यवस्थित प्रोडक्ट-डेवलपमेंट प्रोजेक्ट जैसा था, भले ही वे प्रोग्रामर नहीं थे। उन्होंने पहले साधारण अंग्रेजी में विस्तृत जरूरतें लिखीं और फिर Claude Code से उन जरूरतों को ऐप में बदलने को कहा।

उनकी प्रक्रिया मोटे तौर पर इस तरह थी:

1. Mac Terminal के जरिए Claude Code डाउनलोड करके चलाना।
2. ऐप के फीचर्स और व्यवहार का वर्णन करने वाला चार पन्नों का दस्तावेज लिखना।
3. Claude Code से उन जरूरतों के आधार पर ऐप बनवाना और हर चरण को गैर-प्रोग्रामर के लिए समझने योग्य भाषा में समझाने को कहना।
4. GitHub, Supabase और Vercel पर अकाउंट बनाना।
5. इन सेवाओं को आपस में जोड़ना—GitHub ने कोड को सुरक्षित रखा, Supabase ने डेटाबेस और यूजर ऑथेंटिकेशन संभाला, जबकि Vercel ने ऐप को वेब लिंक पर प्रकाशित किया।

इस पूरी व्यवस्था में हर टूल की अलग भूमिका थी। Claude Code विकास का इंटरफेस था, GitHub कोड रिपॉजिटरी, Supabase बैकएंड सेवाओं का आधार और Vercel ऐप की तैनाती के लिए इस्तेमाल हुआ। इससे टैन पारंपरिक प्रोग्रामिंग स्टैक में विशेषज्ञ बने बिना एक लिखित विचार को काम करने वाली वेब ऐप में बदल सके।

स्पष्ट प्रॉम्प्ट क्यों जरूरी थे?

टैन को उम्मीद नहीं थी कि पहली बार में तैयार हुआ ऐप पूरी तरह सही होगा। उन्होंने ऐप को चलाकर देखा, जो चीज गलत या अधूरी थी उसे शब्दों में समझाया और Claude Code से संशोधन कराया। उनका काम लगातार चलने वाले चक्र जैसा था—प्रॉम्प्ट देना, नतीजा देखना, टेस्ट करना और सुधार करना।

उनके अनुभव से एक सीधा नियम सामने आया: अस्पष्ट निर्देशों से अस्पष्ट नतीजे मिलते हैं। जब उन्होंने फील्ड, अनुमतियां, गणनाएं और यूजर अनुभव अधिक सटीक ढंग से बताए, तो AI का आउटपुट भी अधिक उपयोगी हुआ। Claude Code आम तौर पर अपूर्ण या “टूटी-फूटी” अंग्रेजी समझ सकता था, लेकिन किसी अनुरोध को समझ लेना और उसे पूरा व सही तरीके से परिभाषित करना एक ही बात नहीं है।

AI कोडिंग टूल इस्तेमाल करने वालों के लिए यह फर्क अहम है। प्राकृतिक भाषा में ऐप बनाना शुरुआत की बाधा कम कर सकता है, लेकिन इससे जरूरतें तय करने और तैयार परिणाम की जांच करने की जिम्मेदारी खत्म नहीं होती।

AI से रिसर्च की, लेकिन स्रोतों की जांच भी की

टैन ने रिसर्च के लिए Claude Code के साथ Perplexity AI का भी इस्तेमाल किया, क्योंकि वह जवाबों के साथ उद्धरण देता है। फिर भी उन्होंने यह मानकर काम नहीं किया कि उद्धरण मौजूद है तो जानकारी अपने-आप विश्वसनीय होगी।

एक बार रिसर्च में यह दावा सामने आया कि सिंगापुर में फिन वाली मछली एलर्जी की प्रमुख चिंताओं में शामिल है। टैन को इस पर संदेह हुआ, क्योंकि उनके अनुभव में शेलफिश अधिक परिचित चिंता थी। उन्होंने दिए गए स्रोत की जांच की और ऐप में जानकारी ठीक की। इस मामले से एक व्यापक जोखिम भी सामने आता है: AI सर्च सिस्टम कभी-कभी ऐसे उद्धरण दे सकते हैं जो काल्पनिक अध्ययनों की ओर इशारा करते हैं। इसलिए स्वास्थ्य से जुड़ी महत्वपूर्ण जानकारी की स्वतंत्र पुष्टि जरूरी है।

बेबी-ट्रैकिंग ऐप के मामले में यह सावधानी और भी महत्वपूर्ण थी। ऐप माता-पिता के अवलोकनों को व्यवस्थित कर सकता है और उन्हें मार्गदर्शन से मिलाने में मदद कर सकता है, लेकिन केवल लिंक या उद्धरण होने से AI-जनित रिसर्च को चिकित्सकीय प्रमाण नहीं माना जाना चाहिए।

इन्हीं प्रॉम्प्टिंग कौशल से बनाया 48 भाषाओं वाला टूल

बेबी ऐप बनाते समय विकसित किए गए कौशल टैन के दूसरे काम में भी उपयोगी साबित हुए। उन्होंने एक ऐसा वन-बटन ट्रांसलेशन टूल बनाया, जो अंग्रेजी सामग्री को 48 भाषाओं में बदल सकता है।

इस टूल को केवल शब्दशः अनुवाद करने के निर्देश नहीं दिए गए थे। पहले उसे मूल पाठ का अर्थ, उद्देश्य और पाठक को प्रभावित करने का लक्ष्य समझने को कहा गया। इसके बाद उसे लक्ष्य भाषा में स्वाभाविक लेखन तैयार करने का निर्देश दिया गया—ऐसा लेखन जिसमें अंग्रेजी के वाक्य-विन्यास, लय या सोचने का ढंग जबरन दिखाई न दे।

यह प्रक्रिया उसी मूल सिद्धांत को दिखाती है जो बेबी ऐप में नजर आया था: नतीजे की गुणवत्ता इस बात पर काफी निर्भर करती है कि उपयोगकर्ता लक्ष्य, संदर्भ और सीमाओं को कितनी अच्छी तरह समझाता है—सिर्फ काम का नाम बता देना काफी नहीं।

गैर-प्रोग्रामरों के लिए बड़ा सबक

टैन का अनुभव यह साबित नहीं करता कि AI सॉफ्टवेयर डेवलपमेंट को पूरी तरह स्वचालित बना देता है। उन्हें वास्तविक समस्या पहचाननी पड़ी, विस्तृत स्पेसिफिकेशन लिखना पड़ा, कई सेवाओं पर अकाउंट बनाने पड़े, उन्हें जोड़ना पड़ा, ऐप का परीक्षण करना पड़ा और अविश्वसनीय रिसर्च पर सवाल उठाने पड़े।

लेकिन यह जरूर दिखाता है कि AI कोडिंग सहायक किसी गैर-तकनीकी व्यक्ति को वर्षों की प्रोग्रामिंग पढ़ाई से पहले ही किसी उपयोगी उत्पाद के साथ प्रयोग शुरू करने में मदद कर सकता है। टैन के लिए प्रयोग करना और स्पष्ट प्रॉम्प्ट लिखना भविष्य के व्यावहारिक कौशल बन रहे हैं—यहां तक कि उन लोगों के लिए भी, जो अंग्रेजी पूरी तरह धाराप्रवाह नहीं लिखते।

इस कहानी का सबसे उपयोगी निष्कर्ष यह नहीं है कि “AI कुछ भी बना सकता है।” असली बात यह है कि बिना कोडिंग पृष्ठभूमि वाले लोग भी सीमित और स्पष्ट समस्या के लिए प्रोटोटाइप तैयार कर सकते हैं, बशर्ते जरूरतें तय करने, परीक्षण करने और तथ्यों पर अंतिम निर्णय लेने की जिम्मेदारी वे खुद निभाएं।