potato-skill: कोडिंग एजेंट के साथ क्विक स्टार्ट

Potato प्रोजेक्ट शुरू करने के दो रास्ते हैं। टास्क ख़ुद लिखिए, जैसा क्विक स्टार्ट में दिखाया गया है, या अध्ययन का विवरण किसी कोडिंग एजेंट को दीजिए और potato-skill से उसे डिज़ाइन और तैयार करवाइए। यह पेज दूसरे रास्ते के बारे में है। दोनों एक ही जगह ख़त्म होते हैं: एक Potato एनोटेशन टास्क, जिसे आप चला सकते हैं, बदल सकते हैं और साझा कर सकते हैं।

स्किल किन बातों का फ़ैसला करती है

potato-skill एक एजेंट स्किल है, यानी निर्देशों और हेल्पर स्क्रिप्ट का एक पैकेज, जिसे कोडिंग एजेंट तब लोड करता है जब किसी अनुरोध के लिए उनकी ज़रूरत हो। इसके साथ 28 संदर्भ फ़ाइलें और नौ हेल्पर स्क्रिप्ट आती हैं, और यह निर्माण के साथ-साथ अध्ययन का डिज़ाइन भी कवर करती है:

• एनोटेटर से क्या पूछना है, और किस स्केल पर
• हर आइटम को कितने एनोटेटर चाहिए
• एनोटेटर को प्रशिक्षित कैसे करना है और उनके काम की जाँच कैसे करनी है
• वह इंटरफ़ेस जो एनोटेटर देखते हैं
• नतीजों को उस फ़ॉर्मैट में निर्यात करना जिसकी अगले चरण को ज़रूरत है

इनमें से कुछ यह ख़ुद तय कर लेती है और कुछ आपको वापस सौंप देती है। जिस नियम पर यह चलती है वह यह है कि कोई फ़ैसला स्थानीय रूप से तब लिया जाता है जब ग़लत होने पर सुधार सस्ता हो, और तब वापस सौंपा जाता है जब ग़लत होना महँगा, अपरिवर्तनीय, या एजेंट के अधिकार से बाहर हो। यह 5-पॉइंट स्केल लेती है जिसमें हर बिंदु पर लेबल हो, नौ या उससे कम लेबल वाले हर प्रश्न पर कीबोर्ड शॉर्टकट, एक निश्चित random_seed के साथ यादृच्छिक आइटम क्रम, और सभी प्रश्न अनिवार्य। यह आपसे एनोटेशन की इकाई पूछती है, प्रति आइटम एनोटेटर की संख्या तब पूछती है जब सहमति रिपोर्ट की जानी हो, रज़ामंदी का पाठ पूछती है, और ऐसा कोई भी लेबल सेट जिसमें "unclear" का विकल्प न हो।

इसका बनाया टास्क Potato पर चलता है, इसलिए उसमें वह सब मिलता है जो Potato पहले से करता है: हर एनोटेटर के लिए एक लॉगिन, हर आइटम पर कई एनोटेटर, सहमति के आँकड़े, Prolific और MTurk इंटीग्रेशन, और उन फ़ॉर्मैट में निर्यात जिन्हें आगे के टूल पढ़ते हैं।

ज़रूरतें

Potato उसी जगह इंस्टॉल होना चाहिए जहाँ एजेंट कमांड चलाता है, क्योंकि स्किल की हेल्पर स्क्रिप्ट Potato की रजिस्ट्री import करती हैं और potato कमांड चलाती हैं:

pip install potato-annotation

आपको एक कोडिंग एजेंट भी चाहिए। यह स्किल Claude Code के लिए लिखी गई थी, और Codex तथा Cursor में भी इंस्टॉल हो जाती है।

स्किल इंस्टॉल करना

Claude Code में इसे प्लगिन मार्केटप्लेस से इंस्टॉल कीजिए:

/plugin marketplace add davidjurgens/potato-skill
/plugin install potato-skill@potato

Codex और Cursor के लिए skills CLI इसे उस प्रोजेक्ट में इंस्टॉल करता है जिसमें आप काम कर रहे हैं:

npx skills add davidjurgens/potato-skill --agent codex cursor

Codex या Cursor इंस्टॉल में क्या-क्या आता है

skills CLI .agents/skills/potato-skill/ लिखता है, जिसमें SKILL.md, सारी 28 संदर्भ फ़ाइलें और सभी नौ स्क्रिप्ट होती हैं, इसलिए Codex या Cursor प्रोजेक्ट को वही सामग्री मिलती है जो Claude Code इंस्टॉल को मिलती है। यह AGENTS.md और .cursor/rules को नहीं छेड़ता, और उस डायरेक्टरी में कोई स्किल कैसे खोजी जाए यह हर टूल पर निर्भर है।

रिपॉज़िटरी अपनी जड़ में एक AGENTS.md भी रखती है, जिसे Codex और Cursor बिना किसी इंस्टॉल चरण के फ़ाइलनाम से पढ़ लेते हैं। वह फ़ाइल संदर्भ सामग्री के लगभग 79,000 शब्दों के मुक़ाबले एक छोटा सारांश है, और वह उन संदर्भ फ़ाइलों तथा स्क्रिप्ट की ओर इशारा करती है जिन्हें सिर्फ़ पूरा इंस्टॉल ही डिस्क पर रखता है। इसका इस्तेमाल तब कीजिए जब आप चाहते हों कि एजेंट के पास सौंपने-से-पहले-जाँचने वाला चक्र और वे नियम हों जो असर करते हैं, और skills CLI तब इस्तेमाल कीजिए जब आपको उनके पीछे की संदर्भ सामग्री चाहिए।

अध्ययन का विवरण देना

बताइए कि किस पर लेबल लगाने हैं, लेबल कौन लगाएगा, और लेबल किस काम आएँगे। आपको Potato के एनोटेशन प्रकार या उसके कॉन्फ़िग फ़ॉर्मैट की जानकारी होने की ज़रूरत नहीं है। अनुरोध इतना छोटा भी हो सकता है:

मुझे 200 ट्वीट पर 5-पॉइंट स्केल पर भावना के लेबल चाहिए, हर ट्वीट पर तीन एनोटेटर, एक रज़ामंदी पेज और दो ध्यान-जाँच के साथ। इसे बनाकर शुरू कर दो।

स्किल प्रश्नों के शब्द, स्केल, आइटम बाँटने का तरीक़ा और एनोटेटर की जाँच का तरीक़ा तय करती है। जिन सवालों पर यह आपकी पुष्टि चाहती है, उनके लिए यह काम नहीं रोकती। यह अपनी धारणाएँ बताती है, टास्क बनाती है, उसे सत्यापित करती है, और सवाल तब पूछती है जब आपके सामने पहले से कुछ ऐसा होता है जिसे आप क्लिक करके देख सकते हैं।

सौंपने से पहले एजेंट जो जाँचें चलाता है

जो कॉन्फ़िग वैलिडेट हो जाता है वह आपको बताता है कि सर्वर चालू होगा, और यह कुछ नहीं बताता कि कोई व्यक्ति वह काम कर पाएगा या नहीं। स्किल एजेंट को निर्देश देती है कि वह टास्क रेंडर करे और उसे देखे:

potato validate config.yaml --strict
potato preview config.yaml --screenshot shot-01.png

--strict किसी अपरिचित कॉन्फ़िग कुंजी को चेतावनी से बदलकर विफलता बना देता है, जिससे वह टाइपो पकड़ में आ जाता है जो वरना किसी सुविधा को चुपचाप बंद छोड़ देता। --screenshot एक असली Potato सर्वर बूट करता है और उसे हेडलेस Playwright में चलाता है, कंसोल एरर, बिना पकड़े गए पेज एक्सेप्शन, और 400 या उससे ऊपर के HTTP रिस्पॉन्स दर्ज करते हुए। यह तभी 0 के साथ बाहर निकलता है जब तीनों सूचियाँ ख़ाली हों।

नौ हेल्पर में से तीन उन हिस्सों को स्वचालित करते हैं जिन्हें आँकने के बजाय मापा जा सकता है। check_ui.py लाइव लेआउट मापता है और ऐसी योजनाओं या Next बटन की रिपोर्ट करता है जो फ़ोल्ड के नीचे रह जाएँ, साथ ही ख़ाली मीडिया विजेट और दोहरे शॉर्टकट। boot_and_check.py हर उस सुविधा की रिपोर्ट करता है जो कॉन्फ़िगर तो है पर जिसने कुछ लोड नहीं किया। walk_task.py चलते हुए टास्क में उसी तरह चलता है जैसे कोई एनोटेटर चलता, और बताता है कि वह कहाँ रुक जाता है।

किसी को आमंत्रित करने से पहले टास्क को अपने ब्राउज़र में खोलिए और कुछ आइटम पर ख़ुद लेबल लगाइए।

जो टास्क यह तैयार करती है

एक Potato टास्क एक प्रोजेक्ट फ़ोल्डर है जिसमें टास्क का कॉन्फ़िग, उसका डेटा और उसके निर्देश रखे होते हैं। क्विक स्टार्ट में लिखी हर बात इस पर लागू होती है। आप इसे potato start config.yaml से शुरू करते हैं, हाथ से संपादित करते हैं, एनोटेटर जोड़ते हैं और लेबल निर्यात करते हैं।

क्योंकि नतीजा एक Potato टास्क फ़ोल्डर है, दूसरे लोग भी इसका इस्तेमाल कर सकते हैं। कोई सहकर्मी नए डेटा पर वही अध्ययन चला सकता है, आप अगले साल उसे फिर से चला सकते हैं, और उसे उस पेपर के साथ प्रकाशित कर सकते हैं जिसमें उसका इस्तेमाल हुआ। शोकेस इसी तरह साझा किए गए टास्क का संग्रह है, जो प्रकाशित पेपर से लिए गए हैं।

मौजूदा डिज़ाइन और एनोटेशन

• कोई प्रकाशित डिज़ाइन। स्किल प्रकाशित पेपर से लिए गए 440 एनोटेशन डिज़ाइन में से किसी एक से शुरू कर सकती है, उनके लेबल सेट, प्रश्नों के शब्द और निर्देशों के साथ। आप इन्हें शोकेस में देख सकते हैं, और find_design.py उनमें आपके बताए डिज़ाइन से मिलता-जुलता डिज़ाइन खोजता है।
• किसी दूसरे टूल के एनोटेशन। potato import 20 फ़ॉर्मैट पढ़ता है, जिनमें Labelbox, CVAT और COCO शामिल हैं, इसलिए आधा-अधूरा प्रोजेक्ट Potato में आगे बढ़ सकता है।
• पहले से चल रहा कोई अध्ययन। study_status.py हर एनोटेटर की प्रगति और हर प्रश्न पर सहमति बताता है, और स्किल बताती है कि कौन-से सुधार अध्ययन के बीच सुरक्षित हैं और कौन-से पहले से जुटाए गए डेटा को ख़राब कर देंगे।

Potato के MCP सर्वर

एजेंट शेल के बजाय MCP से भी वही जवाब पा सकता है। potato mcp serve --root . 12 ऑथरिंग टूल उजागर करता है जो CLI की तरह वही रजिस्ट्री पढ़ते हैं, जिनमें render_task_screenshot भी है, जो रेंडर किया गया पेज एक इमेज के रूप में लौटाता है। potato mcp connect चलते हुए अध्ययन से पुल बनाता है और 12 लाइव टूल जोड़ता है, जो स्थिति, प्रगति, एनोटेटर, सहमति, असाइनमेंट और निर्यात को कवर करते हैं। इस पुल के लिए कॉन्फ़िग में एक mcp ब्लॉक चाहिए जो उजागर किए जाने वाले टूल सूचीबद्ध करे, और potato mcp issue-token से मिला एक टोकन।

Potato की रजिस्ट्री के ख़िलाफ़ परीक्षण

कोई प्रशंसनीय पर ग़लत पहचानकर्ता दस्तावेज़ न होने से भी बुरा है, क्योंकि एजेंट उसका इस्तेमाल कर लेगा। 28 संदर्भ फ़ाइलों में से तीन Potato की अपनी रजिस्ट्री से बनाई जाती हैं और सर्वर जो लागू करता है उससे अलग नहीं हो सकतीं: सभी 61 एनोटेशन प्रकार, हर एक के साथ किसी असली प्रोजेक्ट से लिया गया एक काम करता उदाहरण, प्रलेखित शीर्ष-स्तरीय कॉन्फ़िग कुंजियाँ, और प्रलेखित उप-कुंजियाँ।

CI स्किल की मुख्य फ़ाइलों को कवर करता है और जाँचता है कि उनमें नामित हर एनोटेशन प्रकार, डिस्प्ले प्रकार, कॉन्फ़िग कुंजी, ऑपरेटर, रणनीति-नाम और कमांड Potato में मौजूद है। हर YAML नमूना एक काम करते कॉन्फ़िग में जोड़ा जाता है और Potato के असली वैलिडेटर से गुज़ारा जाता है, और काम करता उदाहरण एक असली सर्वर बूट करता है।

इसकी संदर्भ सामग्री davidjurgens.github.io/potato-skill पर प्रकाशित है और बिना कुछ इंस्टॉल किए पढ़ी जा सकती है। Anthropic किसी भी स्किल को इंस्टॉल करने से पहले उसकी समीक्षा करने की सलाह देता है।

दोनों रास्तों की तुलना

दोनों रास्ते इसमें अलग हैं कि आप किस चीज़ से शुरू करते हैं, इसमें नहीं कि आप किस चीज़ पर ख़त्म होते हैं:

आप किसी भी समय रास्ता बदल सकते हैं। एजेंट आपका लिखा टास्क बदल सकता है, और आप एजेंट का बनाया टास्क संपादित कर सकते हैं।

सवाल

नीचे के सवाल कोडिंग एजेंट के साथ potato-skill सेट अप करने और उसका सोर्स कोड ढूँढ़ने के बारे में हैं।

कोडिंग एजेंट के साथ Potato का इस्तेमाल कैसे करूँ?

Potato और potato-skill उसी जगह इंस्टॉल कीजिए जहाँ एजेंट कमांड चलाता है, फिर एजेंट को आम भाषा में अध्ययन का विवरण दीजिए। pip install potato-annotation Potato इंस्टॉल करता है। Claude Code में /plugin marketplace add davidjurgens/potato-skill और उसके बाद /plugin install potato-skill@potato स्किल इंस्टॉल करते हैं, और Codex या Cursor में यह काम npx skills add davidjurgens/potato-skill --agent codex cursor करता है। एजेंट को बताइए कि किस पर लेबल लगाने हैं, लेबल कौन लगाएगा, और लेबल किस काम आएँगे। potato-skill टास्क बनाती है, यह जाँचने के लिए कि वह काम करता है उसे रेंडर करती है, और आपको उन फ़ैसलों की सूची सौंपती है जो उसने आपकी ओर से लिए।

GitHub पर potato-skill कहाँ है?

potato-skill github.com/davidjurgens/potato-skill पर है, और GPL-3.0-or-later के तहत जारी की गई है। इसकी संदर्भ सामग्री davidjurgens.github.io/potato-skill पर प्रकाशित है, इसलिए इंस्टॉल करने से पहले आप पढ़ सकते हैं कि स्किल एजेंट को क्या बताती है।

आगे के क़दम

• क्विक स्टार्ट, टास्क हाथ से लिखने के लिए
• कॉन्फ़िगरेशन की बुनियाद
• Prolific और MTurk पर क्राउडसोर्सिंग
• अंतर-एनोटेटर सहमति मापना
• ऐसे कॉन्फ़िग जिन्हें आपका कोडिंग एजेंट जाँच सके
• GitHub पर potato-skill