कोर स्किल पैक इंस्टॉल करें

आपके एजेंट चल रहे हैं। अब उन्हें उनका पहला वास्तविक काम दें। BALIA OS में तीन बिल्ट-इन स्किल्स हैं जो तैनात करने के लिए तैयार हैं।

स्किल	उद्देश्य
lightpanda	तेज़ वेब खोज और स्क्रेपिंग
summarize	लंबे टेक्स्ट या वेब पेजों का स्वचालित सारांश
clawsec	सुरक्षा निगरानी और नई स्किल्स का क्वारंटाइन

यदि आपने Section 4 में इंस्टॉलर डाउनलोड कर लिया है, तो इसे सीधे उपयोग कर सकते हैं। (यदि नहीं, तो Section 4 पर वापस जाएं और पहले install_core_pack.py डाउनलोड करें।)

अपने एजेंट को यह चलाने दें

इसे VS Code टर्मिनल में पेस्ट करें और चलाने के लिए Enter दबाएं।

openclaw agent --agent security-guardian "कृपया निम्नलिखित चलाएं:
python install_core_pack.py --lang hi
(The token will be read automatically from your .env file)
पूरा होने पर Discord को रिपोर्ट करें।"

आपका एजेंट स्वचालित रूप से:

1. आपके टोकन को प्रमाणित करेगा
2. कोर स्किल पैक (lightpanda / summarize / clawsec) डाउनलोड करेगा
3. ~/.opengoat/skills/ में तैनात करेगा
4. _SKILL_INDEX.md अपडेट करेगा
5. Discord पर "कोर स्किल पैक इंस्टॉल हो गया" रिपोर्ट करेगा

Discord पुष्टि मिलने पर, नीचे पढ़ते रहें।

---

Skills और Cassettes क्या हैं

आपके agents सक्रिय हैं। उनकी पहचान है, रिपोर्टिंग प्रक्रियाएं हैं, और Discord चैनल हैं। लेकिन अभी वे नहीं जानते कि वे किस क्षेत्र में काम कर रहे हैं। उन्हें नहीं पता कि वे कोई रेस्तरां चला रहे हैं, ट्रेडिंग ऑपरेशन संभाल रहे हैं, या किसी कानूनी प्रैक्टिस को सहायता दे रहे हैं।

Skills वे knowledge फ़ाइलें हैं जो आप लिखते हैं और अपने agents को देते हैं। हर skill एक agent को एक विशिष्ट काम करना सिखाती है — जैसे reservation कैसे manage करें, P&L रिपोर्ट कैसे बनाएं, या SNS पोस्ट कैसे तैयार करें। जितनी अधिक skills आप एक agent को देंगे, वह उतना अधिक कर सकेगा।

एक cassette skills का एक फ़ोल्डर होता है, जो एक थीम के इर्द-गिर्द बंडल किया गया होता है। यह एक कार्य-प्रणाली को दर्शाता है। एक रेस्तरां संचालक के पास restaurant-ops cassette हो सकता है। एक content creator के पास youtube cassette और social-media cassette हो सकता है। एक ही agent उस दिन की ज़रूरत के हिसाब से cassettes के बीच स्विच कर सकता है।

cassette सिस्टम mode-आधारित है। एक फ़ाइल — ACTIVE_MODE.txt — हर agent को बताती है कि अभी कौन सा cassette सक्रिय है। जब आप mode बदलते हैं, तो आप वह फ़ाइल अपडेट करते हैं। agents session शुरू होने पर उसे पढ़ते हैं और स्वचालित रूप से सही skills लोड करते हैं।

इसका मतलब है:

• आज: ACTIVE_MODE.txt में youtube लिखा है → agents YouTube skills लोड करते हैं
• कल: आप इसे trade में बदलते हैं → agents trading skills लोड करते हैं
• agent नहीं बदलता। mode बदलता है।

और जब आप अगले हफ़्ते youtube पर वापस आते हैं, तो आपके agents ठीक वहीं से शुरू करते हैं जहाँ छोड़ा था — LIVE_LEDGER प्रगति याद रखता है, और KNOWLEDGE सीखे गए पाठ संजोकर रखता है। हर mode अपनी memory स्वतंत्र रूप से बनाए रखता है।

---

Cassette फ़ोल्डर संरचना

INFO

~/.opengoat/workspace-[agentid]/ └── cassettes/ ├── ACTIVE_MODE.txt ← एक शब्द: active mode का नाम ├── archive/ ← LIVE_LEDGER और KNOWLEDGE overflow ├── youtube/ │ ├── SKILL_YOUTUBE.md ← इस mode के लिए Skills │ ├── WORKFLOW_YOUTUBE.md ← चरण-दर-चरण प्रक्रियाएं │ ├── LIVE_LEDGER_YOUTUBE.md ← प्रगति, अगले actions (हर session में अपडेट) │ └── KNOWLEDGE_YOUTUBE.md ← संचित सीख (हर session में अपडेट) ├── restaurant-ops/ │ ├── SKILL_RESTAURANT.md │ ├── WORKFLOW_RESTAURANT.md │ ├── LIVE_LEDGER_RESTAURANT.md │ └── KNOWLEDGE_RESTAURANT.md └── trade/ ├── SKILL_TRADE.md ├── WORKFLOW_TRADE.md ├── LIVE_LEDGER_TRADE.md └── KNOWLEDGE_TRADE.md

ACTIVE_MODE.txt में एक ही शब्द होता है — active cassette फ़ोल्डर का नाम। उदाहरण के लिए:

youtube

session शुरू होने पर, हर agent ACTIVE_MODE.txt पढ़ता है, फिर उस फ़ोल्डर से चारों फ़ाइलें लोड करता है: SKILL, WORKFLOW, LIVE_LEDGER, और KNOWLEDGE। LIVE_LEDGER उन्हें बताता है कि पिछले session में कहाँ छोड़ा था। KNOWLEDGE उन्हें इस domain में अब तक की सारी सीख देता है।

session के अंत में, agent LIVE_LEDGER (प्रगति, अगला काम) और KNOWLEDGE (नए सीखे patterns) को अपडेट करता है। जब कोई भी फ़ाइल 800 लाइनों से अधिक हो जाए, तो RECENT सेक्शन archive/ में चला जाता है — SUMMARY और PINNED सेक्शन हमेशा ऊपर रहते हैं।

Scheduled tasks (जैसे daily health check या nightly report) mode की परवाह किए बिना चलते हैं — वे agent के AGENTS.md में परिभाषित होते हैं, किसी cassette में नहीं।

---

अपना AI Engine चुनें

अलग-अलग cassettes के लिए अलग-अलग AI models सबसे अच्छा काम करते हैं। cassette बनाते समय इसे एक बार सेट करें।

Cassette का प्रकार	अनुशंसित Engine	कारण
Crypto trading / Market analysis	Claude	तार्किक reasoning, pattern analysis, सूक्ष्म निर्णय
Coding / Technical automation	Claude	Code quality, debugging, multi-step logic
Legal research / Contract review	Claude	सावधानीपूर्ण reasoning, सूक्ष्म भाषा
Finance / Accounting / Reporting	Claude	संरचित विश्लेषण, सटीक गणना
Google Sheets / Docs / NotebookLM / Drive	Gemini	Google service का native integration
YouTube / Video content	Gemini	सीधे video का विश्लेषण; YouTube Studio के साथ integration
Gmail / Calendar automation	Gemini	Google Workspace का गहरा integration
Sales / Outreach / Copywriting	GPT-4o	स्वाभाविक बातचीत, email generation
Multilingual communication	GPT-4o या Gemini	मज़बूत multilingual प्रदर्शन
E-commerce / Product research	Claude या GPT-4o	शोध की गहराई, structured output

यदि आपके use case के लिए Claude काम करता है, तो आप पहले से तैयार हैं — इसे Section 3 में configure किया गया था।

Gemini या GPT-4o के लिए, आप अपनी .env फ़ाइल में एक API key जोड़ेंगे। निर्देश नीचे दिए AI concierge के Step 7 में हैं।

---

Industry के अनुसार Skill के विचार

यकीन नहीं कि कौन सी skills बनाएं? यहाँ use case के अनुसार शुरुआती बिंदु दिए गए हैं।

Restaurant / Food & Beverage

• Reservation management और daily scheduling
• Supplier order tracking और inventory alerts
• Customer SNS posting (daily specials, events)
• Review monitoring और response drafting
• साप्ताहिक revenue summary

E-Commerce / Physical Products

• Product listing generation
• Competitor price monitoring
• Order status summarization
• Customer inquiry response drafting
• मासिक sales reporting

Content Creator / YouTuber

• Title और thumbnail idea generation
• Script outline drafting
• Upload schedule management
• Performance metrics summarization
• Community comment response drafting

Freelancer / Consultant

• Client communication drafting
• Project status reporting
• Invoice tracking और follow-up
• Contract clause review (असामान्य शर्तों को flag करें)
• Time log summarization

Small Business / General

• Daily operations summary
• Staff communication drafting
• Legal question screening (वकील की ज़रूरत वाले items को flag करें)
• रसीदों और रिकॉर्ड से financial summary
• Vendor communication management

आपकी industry इस सूची में नहीं है? कोई बात नहीं — इस section का AI concierge आपको शुरू से अपनी खुद की skills परिभाषित करने में मदद करेगा, इस आधार पर कि आप अपनी team से वास्तव में क्या कराना चाहते हैं।

---

यह Section कैसे काम करता है

नीचे दिए AI concierge prompt का उपयोग करें:

1. यह तय करें कि आपके agents हर दिन क्या करें
2. कौन सा cassette नाम और mode से शुरू करें, यह decide करें
3. सही AI engine चुनें
4. अपनी SKILL और WORKFLOW फ़ाइलें generate करें
5. ACTIVE_MODE.txt flag सेट करें
6. परीक्षण करें कि आपका agent सही mode लोड करता है

Prompt को Claude, ChatGPT, या Gemini में paste करें। Section 2 से अपना Team Design Document संलग्न करें।

---

▶ शुरुआत करने के लिए इसे अपने AI में पेस्ट करें

भेजने से पहले अपना Team Design Document संलग्न करें।

You are helping me build Skills and a Cassette for BALIA OS —
a multi-agent AI operating system.

I have attached my Team Design Document. Read it before we begin
so you know my agent names, roles, and workspace structure.

CONCEPT TO UNDERSTAND BEFORE WE START:

Skills are knowledge files I write and give to my agents.
Each skill teaches an agent how to do a specific task.

A Cassette is a folder of skills, bundled around a theme (a mode).
My agents can switch between cassettes depending on what they 
need to work on.

The cassette system is mode-based. One file — ACTIVE_MODE.txt —
tells every agent which cassette is currently active.

Folder structure:
~/.opengoat/workspace-[agentid]/
  cassettes/
    ACTIVE_MODE.txt              ← active mode name (one word)
    archive/                     ← overflow for LIVE_LEDGER and KNOWLEDGE
    [mode-name]/
      SKILL_[MODENAME].md        ← skills for this mode
      WORKFLOW_[MODENAME].md     ← procedures for this mode
      LIVE_LEDGER_[MODENAME].md  ← progress, next actions (updated every session)
      KNOWLEDGE_[MODENAME].md    ← accumulated learning (updated every session)

At session start, each agent:
1. Reads ACTIVE_MODE.txt
2. Loads SKILL, WORKFLOW, LIVE_LEDGER, and KNOWLEDGE from that folder
3. Resumes from where LIVE_LEDGER says they left off
4. Applies accumulated learning from KNOWLEDGE
5. Operates in that mode for the session

At session end, the agent:
1. Updates LIVE_LEDGER (progress, next task)
2. Updates KNOWLEDGE (new patterns learned)
3. If either file exceeds 800 lines: moves RECENT section to archive/
   SUMMARY and PINNED always stay at the top

Scheduled tasks run regardless of mode — they are in AGENTS.md.

Guide me step by step. Ask one question at a time.
Wait for my answer before moving on.

STEP 1 — What I want my team to do
Ask me: "Describe what you want your AI team doing for you every day.
Don't think about how — just describe the output you want
and the work you want done."

Help me turn my answer into a list of at least 5 specific,
recurring tasks. Ask follow-up questions until we have
concrete tasks with a clear schedule (daily, weekly, on-demand).

STEP 2 — Map tasks to agents
Read my Team Design Document.
Match each task to the most appropriate agent based on their role.
Show me the mapping: "Task → Agent"
Ask: "Does this feel right? Anything you'd move?"

STEP 3 — Name the cassette (mode)
Based on the tasks, suggest a cassette name — the mode name
(short, lowercase, hyphens: e.g. restaurant-ops, youtube, trade).
This becomes the folder name and the value in ACTIVE_MODE.txt.
Ask me to confirm or suggest a different name.

STEP 4 — Choose the AI engine
For each agent with tasks mapped, recommend the best engine:

- Claude: logic, analysis, coding, legal, finance, crypto
- Gemini: Google services (Sheets, Docs, Drive, Gmail, Calendar,
  YouTube Studio, NotebookLM) — anything in the Google ecosystem
- GPT-4o: sales emails, outreach, copywriting, natural conversation

Explain your reasoning in one sentence per agent.
If all tasks work well with Claude, confirm no extra API keys needed.
If Gemini or GPT-4o needed, note it — we handle the key in Step 7.

Ask me to confirm before moving on.

STEP 5 — Generate SKILL_[MODENAME].md
Generate the skill file using this structure:

---
# SKILL_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]
Primary Agent: [agent name]
AI Engine: [engine]

## What This Mode Does
[2-3 sentences: what domain this covers, what it produces]

## Skills in This Mode
[Bullet list of specific skills — what the agent knows how to do]

## Tools Available
[List tools usable in this mode: web search, file read/write,
Discord reporting, API calls, Google services, etc.]

## Operating Rules
1. Read ACTIVE_MODE.txt at session start. If it says [mode-name],
   load this file, WORKFLOW_[MODENAME].md, LIVE_LEDGER_[MODENAME].md,
   and KNOWLEDGE_[MODENAME].md immediately.
2. Resume work from where LIVE_LEDGER says you left off.
3. Apply patterns and lessons from KNOWLEDGE before starting tasks.
4. [Key rule specific to this domain]
5. [Key rule specific to this domain]
6. Report all completed tasks to Discord before ending session.
7. Never act outside this mode's scope without Commander approval.
8. Save all outputs to cassettes/[mode-name]/outputs/

## Session End Rules
At the end of every session, update both memory files:

LIVE_LEDGER_[MODENAME].md:
- SUMMARY: refresh the 3-5 line overview at the top
- CURRENT: update with today's progress and the next task
- RECENT LOG: append this session's activity
- If over 800 lines: move RECENT LOG to archive/

KNOWLEDGE_[MODENAME].md:
- SUMMARY: refresh the overview at the top
- PATTERNS: add any new success or failure patterns discovered today
- RECENT: append today's learnings
- If over 800 lines: move RECENT to archive/

## What This Mode Does NOT Handle
[Specific boundaries — what's out of scope for this mode]

## Output Format
[What the agent produces: reports, files, Discord messages, etc.]
---

Show it completely. Ask if anything needs adjustment.

STEP 6 — Generate WORKFLOW_[MODENAME].md
Generate the workflow file using this structure:

---
# WORKFLOW_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]

## Mode Activation (Every Session Start)
1. Read cassettes/ACTIVE_MODE.txt — confirm it says [mode-name]
2. Load SKILL_[MODENAME].md
3. Read LIVE_LEDGER_[MODENAME].md — resume from last session
4. Read KNOWLEDGE_[MODENAME].md — apply accumulated learning
5. Report to Discord: "📦 Mode: [mode-name] active. Resuming: [current task from LIVE_LEDGER]."

## Task Procedures