Claude Opus 4 और Claude Code: डेमो प्रोजेक्ट के साथ मार्गदर्शिका

Claude Opus 4 अब तक का Anthropic का सबसे शक्तिशाली और उन्नत AI मॉडल है, जो कोडिंग, तर्क और लंबे समय तक चलने वाले कार्यों के लिए नया मानक तय करता है। यह SWE-bench पर 72.5% और Terminal-bench पर 43.2% स्कोर के साथ उद्योग बेंचमार्क में अग्रणी है। 

दीर्घकालिक प्रदर्शन के लिए डिज़ाइन किया गया, Claude Opus 4 जटिल, लंबे समय तक चलने वाले कोडिंग कार्यों को स्वायत्त रूप से संभाल सकता है, फोकस बनाए रखता है और उत्कृष्ट परिणाम देता है। इसमें बेहतर कोड क्वालिटी और 32K आउटपुट टोकन सपोर्ट है।

इस ट्यूटोरियल में, हम जटिल कोडबेस बनाने और टेस्ट करने की इसकी क्षमता की जांच करके Claude Opus 4 की क्षमताओं का मूल्यांकन करेंगे। Claude के नवीनतम संस्करण की जानकारी के लिए हमारा Claude Opus 4.6 गाइड देखें।

हम Windows Subsystem for Linux का उपयोग करके Windows 11 पर Claude Code CLI टूल सेटअप करने से शुरुआत करेंगे। अगला, हम Claude Opus 4 से कई फाइलों के साथ एक संपूर्ण एंड-टू-एंड मशीन लर्निंग प्रोजेक्ट बनाने के लिए कहेंगे। प्रोजेक्ट बनाने के बाद, हम मॉडल से इसके फंक्शनैलिटी का परीक्षण करने और उसे GitHub पर पुश करने के लिए कहेंगे।

Claude Code एक CLI (कमांड लाइन इंटरफेस) टूल है जो Anthropic API का उपयोग करके Claude Opus 4 को स्थानीय कोडबेस के साथ इंटरैक्ट करने देता है। यह टर्मिनल से सीधे कोडिंग, डिबगिंग और टास्क निष्पादन के लिए AI-संचालित सहायक की तरह काम करता है।

चित्र: लेखक द्वारा

Windows पर Claude Code सेटअप करना

Windows पर Claude Code सेटअप करने के लिए, आपको Windows Subsystem for Linux (WSL) कॉन्फ़िगर करना होगा, Node.js और npm इंस्टॉल करने होंगे, और अपने Anthropic खाते को लिंक करना होगा।

शुरू करने के लिए नीचे चरण-दर-चरण मार्गदर्शिका दी गई है।

1. WSL इंस्टॉल करना

शुरू करने के लिए, PowerShell को एडमिनिस्ट्रेटर के रूप में खोलें और कमांड wsl --install चलाकर WSL सक्षम करें। यह डिफ़ॉल्ट रूप से Ubuntu इंस्टॉल करेगा और सिस्टम रिस्टार्ट की आवश्यकता हो सकती है। 

रीस्टार्ट के बाद, एक टर्मिनल विंडो आपको अपने Linux वितरण के लिए यूज़रनेम और पासवर्ड सेट करने के लिए प्रेरित करेगी। इसके बाद, आप PowerShell में wsl टाइप करके या Ubuntu ऐप लॉन्च करके Linux सबसिस्टम तक पहुंच सकते हैं।

2. Node.js और npm इंस्टॉल करना

Ubuntu टर्मिनल खोलें और Node.js तथा npm इंस्टॉल करें।

sudo apt update
sudo apt install nodejs npmसंचालित द्वारा

apt के जरिए इंस्टॉल होने वाला डिफ़ॉल्ट Node.js संस्करण पुराना हो सकता है। नवीनतम संस्करण इंस्टॉल करने के लिए Node Version Manager (nvm) का उपयोग करें:

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 18
nvm use 18संचालित द्वारा

अपडेटेड वर्ज़न सत्यापित करें:

node --version
npm --version
v18.20.8
10.8.2संचालित द्वारा

3. Anthropic खाता सेटअप करना

Claude Code का उपयोग करने के लिए, आपको एक Anthropic API खाता चाहिए:

1. Anthropic Console पर एक खाता बनाएं।
2. क्रेडिट या डेबिट कार्ड से अपने खाते में कम से कम $30 का क्रेडिट जोड़ें। ध्यान रखें कि Claude Opus 4 एक प्रीमियम मॉडल है, और लागत आपके प्रोजेक्ट की जटिलता के अनुसार बदल सकती है।

4. Claude Code इंस्टॉल करना

एक बार Node.js और npm सेटअप हो जाने के बाद, आप Claude Code को ग्लोबली इंस्टॉल कर सकते हैं:

npm install -g @anthropic-ai/claude-codeसंचालित द्वारा

इंस्टॉलेशन के बाद, निम्न लिखकर Claude Code लॉन्च करें:

claudeसंचालित द्वारा

टूल आपसे इंटरफ़ेस कॉन्फ़िगर करने के लिए कहेगा:

5. Claude Code सेटअप करना

पहली बार Claude Code लॉन्च करने के बाद, आपको इसे अपने Anthropic खाते से प्रमाणित करना होगा:

1. Anthropic Console से कनेक्ट करने का विकल्प चुनें।
2. एक ब्राउज़र विंडो खुलेगी, जो आपको अपने Anthropic खाते में लॉग इन करने के लिए कहेगी।
3. कंसोल द्वारा जनरेट किया गया ऑथेंटिकेशन कोड कॉपी करें और उसे Claude Code टर्मिनल में पेस्ट करें।

प्रमाणित होने के बाद, Claude Code उपयोग के लिए तैयार होगा।

Claude Code की विशेषताओं और व्यावहारिक उपयोग का अधिक विस्तृत वॉकथ्रू पाने के लिए हमारा उदाहरणों सहित Claude Code गाइड देखें।

Claude Opus 4 प्रोजेक्ट वॉकथ्रू

आइए Claude Opus 4 का उपयोग करके शून्य से एक मशीन लर्निंग प्रोजेक्ट बनाते हैं।

कदमों में योजना बनाना, फोल्डर स्ट्रक्चर बनाना, मॉडल बनाना और टेस्ट करना, और अंत में बदलावों को GitHub पर पुश करना शामिल होगा। पूरे प्रोसेस में Claude Opus 4 प्राथमिक सहायक के रूप में काम करेगा, कार्यों को स्वचालित करेगा और मार्गदर्शन देगा।

1. Opus 4 के साथ Claude Code सेटअप करना

शुरू करने के लिए, Ubuntu टर्मिनल खोलें, एक नया प्रोजेक्ट डायरेक्टरी बनाएं, और वर्शन कंट्रोल के लिए Git इनिशियलाइज़ करें।

mkdir DC_Claude_4 
cd DC_Claude_4 
git initसंचालित द्वारा

अगला, निम्न कमांड चलाकर Claude Opus 4 मॉडल के साथ Claude Code लॉन्च करें:

claude --model claude-opus-4-20250514संचालित द्वारा

यह आपके प्रोजेक्ट डायरेक्टरी में Claude Opus 4 को बेस मॉडल के रूप में लेकर Claude Code शुरू करेगा।

2. प्रोजेक्ट की योजना बनाना

पहला कदम प्रोजेक्ट प्लान बनाना है। हम Claude Opus 4 को एक विस्तृत README फाइल जनरेट करने के लिए कहेंगे, जो प्रोजेक्ट के उद्देश्यों और संरचना को रेखांकित करती है।

प्रॉम्प्ट: “एक मशीन लर्निंग प्रोजेक्ट के लिए README फाइल बनाएं, जो yfinance डेटा को प्रोसेस करता है, मॉडल को ट्रेन करता है, उसका मूल्यांकन करता है, और मॉडल को सर्व करता है।”

Claude आपसे फाइल बनाने की अनुमति मांगेगा। आप या तो प्रत्येक कार्रवाई को मैन्युअल रूप से अनुमोदित कर सकते हैं या पूर्ण स्वायत्तता सक्षम कर सकते हैं, जिससे वह बिना आगे के प्रॉम्प्ट के फाइलें बना और संपादित कर सके।

Claude Opus 4 ने एक विस्तृत README.md फाइल जनरेट की है, जिसमें प्रोजेक्ट का विवरण, उद्देश्य और कार्यान्वयन चरण शामिल हैं।

3. मशीन लर्निंग प्रोजेक्ट बनाना

README फाइल को मार्गदर्शिका के रूप में उपयोग करते हुए, हम Claude से फोल्डर संरचना, फाइलें और प्रारंभिक कोडबेस बनाने के लिए कहेंगे।

प्रॉम्प्ट: “अब, फोल्डर्स और फाइलें बनाएं और शुरुआत से प्रोजेक्ट बनाएं। मार्गदर्शिका के रूप में README फाइल का उपयोग करें।”

Claude Opus 4 एक संरचित टास्क टू-डू लिस्ट बनाता है और स्वतः प्रोजेक्ट तैयार करता है। 

आप अपने कोड एडिटर में प्रोजेक्ट को देखकर संरचना और सामग्री सत्यापित कर सकते हैं। 

अंत में, Claude मॉडल को ट्रेन करने और API का परीक्षण करने के लिए सारांश और क्विक-स्टार्ट निर्देश प्रदान करता है।

4. मॉडल API का परीक्षण

कोड को मैन्युअल रूप से टेस्ट करने के बजाय, हम Claude Opus 4 से टेस्टिंग प्रक्रिया संभालने के लिए कहेंगे।

प्रॉम्प्ट: “कृपया सुनिश्चित करें कि सब कुछ पूरी तरह चल रहा है। पैकेज मैनेजर के रूप में UV का उपयोग करने की कोशिश करें।”

Claude ने डेटा प्रोसेसिंग स्क्रिप्ट चलाने की कोशिश की लेकिन विफल रहा। इसके बाद, उसने समस्या को ठीक कर दिया।

अंत में, इसने सभी Python स्क्रिप्ट्स सहित API एंडपॉइंट्स का सफलतापूर्वक परीक्षण किया:

Summary
I've successfully created and tested a complete machine learning stock prediction system using UV as the package
  manager. Here's what was accomplished:

  ✅ Project Structure

  - Organized folder structure with data, models, src, tests directories
  - Proper Python package structure with __init__.py files
  - Configuration management with config.yaml

  ✅ Simplified Dependencies

  - Removed TensorFlow and GPU dependencies
  - Kept only scikit-learn models (Random Forest, Gradient Boosting, Linear Regression)
  - All dependencies are lightweight and CPU-friendly

  ✅ Core Features Implemented

  1. Data Collection: yfinance integration for fetching stock data
  2. Data Preprocessing: Technical indicators (SMA, RSI, MACD, Bollinger Bands)
  3. Model Training: Multiple scikit-learn algorithms
  4. Model Evaluation: Comprehensive metrics and visualizations
  5. Predictions: Single and multi-day predictions
  6. REST API: Flask-based API for serving predictions
  7. Testing: Unit tests for core components

  ✅ UV Package Manager

  - Successfully configured with pyproject.toml
  - All dependencies installed and working
  - Virtual environment created and managed by UV

  📁 Key Files

  - requirements.txt: Simplified dependencies
  - config.yaml: Configuration file
  - run_demo.py: Demo script
  - test_all_features.py: Feature testing script
  - Complete source code in src/ directoryसंचालित द्वारा

मॉडल ने /predict एंडपॉइंट का परीक्षण नहीं किया, इसलिए मुझे इसे टेस्ट करने के लिए कहना पड़ा।

प्रॉम्प्ट: “कृपया /predict एंडपॉइंट का परीक्षण करें।”

नतीजतन, इसने विभिन्न परिदृश्यों के आधार पर परीक्षणों और उनके परिणामों की सूची तैयार की।

पक्का करने के लिए, मैंने निम्न curl कमांड का उपयोग करके /predict एंडपॉइंट को मैन्युअल रूप से टेस्ट किया:

curl -X POST http://localhost:5000/predict/confidence \
    -H "Content-Type: application/json" \
    -d '{"symbol": "AAPL"}'संचालित द्वारा

आउटपुट:

{"confidence_interval":{"confidence":0.9,"lower":164.20064456519913,"upper":181.48492294048327},"currency":"USD","prediction":172.8427837528412,"symbol":"AAPL"}संचालित द्वारा

5. बदलाव GitHub पर पुश करना

अब जब प्रोजेक्ट पूरा हो चुका है, हम बदलावों को कमिट करेंगे और उन्हें एक सार्वजनिक GitHub रिपॉजिटरी पर पुश करेंगे।

प्रॉम्प्ट: “कृपया एक सार्वजनिक GitHub रिपॉजिटरी बनाएं और सभी बदलाव उसमें पुश करें।”

Claude ने कोड को मैन्युअल रूप से GitHub पर पुश करने के लिए चरण-दर-चरण मार्गदर्शिका प्रदान की।

हम मैन्युअल कार्य नहीं करना चाहते, इसलिए हम Claude से GitHub CLI का उपयोग करके नई रिपॉजिटरी बनाने और फाइलें पुश करने के लिए कहेंगे।

प्रॉम्प्ट: “कृपया GitHub CLI का उपयोग करके प्रोजेक्ट पुश करें।”

नतीजतन, प्रोजेक्ट सफलतापूर्वक GitHub पर पुश हो गया और सार्वजनिक रूप से यहां उपलब्ध है: https://github.com/kingabzpro/stock-ml-predictor

​​GitHub रिपॉजिटरी जिसे Opus 4 मॉडल का उपयोग करके Claude Code ने बनाया है।

6. प्रोजेक्ट को अंतिम रूप देना

सभी चरण पूरे करने के बाद, आप Ctrl+C दबाकर Claude Code से बाहर निकल सकते हैं। Claude सत्र का सारांश प्रदान करेगा, जिसमें कुल लागत, अवधि और टोकन उपयोग शामिल होंगे।

Total cost:            $30.10
Total duration (API):  38m 41.1s
Total duration (wall): 1h 41m 45.2s
Total code changes:    3176 lines added, 198 lines removed
Token usage by model:
    claude-3-5-haiku:  79.9k input, 2.9k output, 0 cache read, 0 cache write
         claude-opus:  540 input, 76.1k output, 8.6m cache read, 606.1k cache writeसंचालित द्वारा

ऐसा प्रतीत होता है कि नया Opus 4 मॉडल काफ़ी महंगा है, और इसकी API उपयोग लागत तेजी से बढ़ सकती है। नीचे मूल्य निर्धारण का विवरण दिया गया है:

लागत-कुशलता और बेंचमार्क तुलना का मूल्यांकन करने के लिए, वैकल्पिक Claude मॉडलों पर जानकारी पाने हेतु हमारा Claude 3.7 Sonnet ओवरव्यू पढ़ें।

लेखक की राय

अपने स्थानीय प्रोजेक्ट के लिए Claude Code का उपयोग करना सुखद और ज्ञानवर्धक अनुभव रहा। मैंने इसकी क्षमताओं और सीमाओं के बारे में बहुत कुछ सीखा। 

यहां Claude Opus 4 के साथ इसे उपयोग करने के फायदे और नुकसान का मेरा विश्लेषण है:

फायदे:

• Claude Opus 4 टू-डू लिस्ट जैसे टूल्स का लाभ उठाने, कोड चलाने और कार्यों को कुशलतापूर्वक निष्पादित करने में उत्कृष्ट है। यह अब तक का सबसे अच्छा एजेंटिक वर्कफ़्लो प्रस्तुत करता है जो मैंने देखा है।
• यह जल्दी से कोड में समस्याओं की पहचान करता है और सटीक समाधान प्रदान करता है, जिससे विकास के दौरान समय बचता है।
• भले ही आपके पास कोडिंग का अनुभव न हो, आप अपनी आवश्यकताओं का वर्णन करके Claude Opus 4 का उपयोग एप्लिकेशन जनरेट, बिल्ड और डिप्लॉय करने के लिए कर सकते हैं।

नुकसान:

• Claude Opus 4 साधारण अनुरोधों के लिए भी काफी टोकन इस्तेमाल कर सकता है, जिससे यह छोटे कार्यों के लिए कम कुशल हो जाता है।
• हालांकि यह शक्तिशाली है, Claude Opus 4 का उपयोग महंगा हो सकता है। सस्ती वैकल्पिक मॉडल समान परिणाम दे सकते हैं। 
• हालांकि यह प्रोग्रामिंग में उत्कृष्ट है, यह व्याकरण सुधारने और वर्तनी गलतियाँ ठीक करने में संघर्ष करता है, जिससे नॉन-कोडिंग कार्यों के लिए इसकी उपयोगिता सीमित होती है।

जो लोग कम लागत वाले विकल्प की तलाश में हैं, वे पहले के संस्करण जैसे Claude 3.5 Sonnet पर विचार कर सकते हैं, जो कई कार्यों के लिए अभी भी ठोस प्रदर्शन देता है।

निष्कर्ष

Claude Opus 4, Claude Code CLI के साथ मिलकर, AI-सहायता प्राप्त सॉफ़्टवेयर विकास में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करता है। इस ट्यूटोरियल ने दिखाया कि मॉडल कितना सक्षम है—एक पूर्ण मशीन लर्निंग प्रोजेक्ट बनाने, टेस्ट करने और डिप्लॉय करने तक। लंबे समय तक चलने वाले कार्यों पर केंद्रित रहने, विभिन्न परिदृश्यों के अनुरूप ढलने और बुद्धिमानी से कोड डिबग करने की इसकी क्षमता सॉफ्टवेयर इंजीनियरिंग में AI एजेंट्स के लिए नया मानदंड स्थापित करती है।

हालांकि, बड़ी शक्ति के साथ उल्लेखनीय लागत भी आती है। जबकि Claude Opus 4 बेजोड़ प्रदर्शन और एजेंटिक वर्कफ़्लो देता है, इसकी कीमत इसे रोज़मर्रा के कोडिंग कार्यों की बजाय उच्च-दांव, जटिल प्रोजेक्ट्स के लिए अधिक उपयुक्त बनाती है।

आखिरकार, Claude Opus 4 सिर्फ एक टूल नहीं—यह एक डेवलपमेंट पार्टनर है। चाहे आप MVPs बना रहे हों, वर्कफ़्लोज़ ऑटोमेट कर रहे हों, या AI-सहायता प्राप्त प्रोग्रामिंग का अन्वेषण कर रहे हों, यह सॉफ्टवेयर इंजीनियरिंग के भविष्य की एक रोमांचक झलक प्रदान करता है। 

यदि आप अपनी कौशल को अगले स्तर पर ले जाना चाहते हैं और शुरुआत से इंटेलिजेंट सिस्टम बनाना सीखना चाहते हैं, तो देखें हमारा Developing AI Applications ट्रैक, जो प्रभावशाली AI-संचालित टूल्स बनाने में आपकी मदद के लिए एक संरचित लर्निंग पाथ प्रदान करता है। आप हमारे नए Claude 4 मॉडल, Sonnet 4 और Opus 4 पर लेख भी देख सकते हैं।