Claude Code में वेब पर scheduled tasks चलाना

 (code.claude.com)
7 पॉइंट द्वारा GN⁺ 2026-03-29 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Cloud scheduling feature के जरिए दोहराए जाने वाले काम ऑटोमेट किए जा सकते हैं, और कंप्यूटर बंद होने पर भी वे बैकग्राउंड में चल सकते हैं
  • scheduling के तीन तरीके हैं: Cloud, Desktop, और /loop; इनमें execution location और interval setting units अलग हैं
  • वेब, डेस्कटॉप ऐप, और CLI में task name, repository, environment, schedule, connectors तय करके scheduled task बनाया जा सकता है
  • automatic timezone conversion, custom schedules, और MCP connector integration के जरिए Slack, Linear, और Google Drive के साथ integration संभव है
  • डेवलपर्स इससे code review, CI analysis, document sync जैसी continuous automation workflows बना सकते हैं

वेब पर scheduled tasks चलाना

  • cloud-based scheduled tasks के जरिए दोहराए जाने वाले काम ऑटोमेट किए जा सकते हैं
    • ये Anthropic द्वारा managed infrastructure पर चलते हैं, इसलिए उपयोगकर्ता का कंप्यूटर बंद होने पर भी काम जारी रहता है
    • उदाहरण के तौर पर हर सुबह Pull Request review, रात में CI failure analysis, document sync, और साप्ताहिक dependency audit किए जा सकते हैं
    • यह Claude Code on the web के सभी उपयोगकर्ताओं (Pro, Max, Team, Enterprise) के लिए उपलब्ध है

scheduling options की तुलना

  • Claude Code scheduled execution के तीन तरीके support करता है: Cloud, Desktop, और /loop
    • Cloud, Anthropic cloud में चलता है, इसलिए कंप्यूटर बंद होने पर भी काम करता है
    • Desktop और /loop लोकल मशीन पर चलते हैं, और इनमें session persistence तथा file access permissions अलग हैं
  • Cloud tasks में minimum interval 1 hour है, जबकि Desktop और /loop में 1 minute interval सेट किया जा सकता है
  • Cloud अपने आप चलता है और permission prompt के बिना काम करता है, जबकि Desktop में प्रति-task permissions सेट की जा सकती हैं

scheduled task बनाने की प्रक्रिया

  • scheduled tasks को वेब, डेस्कटॉप ऐप, और CLI से बनाया जा सकता है
    • वेब: claude.ai/code/scheduled पर New scheduled task क्लिक करें
    • डेस्कटॉप: Schedule page में New remote task चुनें
    • CLI: /schedule कमांड से interactive setup करें, या /schedule daily PR review at 9am की तरह सीधे निर्दिष्ट करें
  • बनाने के चरण
    • task name और prompt लिखना: क्योंकि यह autonomous execution है, इसलिए prompt स्पष्ट और complete होना चाहिए
    • repository चुनना: GitHub repository जोड़ें, default branch से clone होगा और claude/ prefix branch पर changes push होंगे
    • environment चुनना: network access, environment variables, और install scripts सहित cloud environment तय करें
    • schedule चुनना: default रूप से local time के अनुसार सुबह 9 बजे, और CLI में /schedule update से fine-tuning की जा सकती है
    • connectors की समीक्षा: Slack, Linear, Google Drive जैसे MCP connectors शामिल करने हैं या नहीं, यह चुनें
    • creation complete: बनने के बाद task list में दिखेगा, और अगली scheduled time पर अपने आप चलेगा या Run now से तुरंत चलाया जा सकता है

execution schedule options

  • scheduled intervals में automatic timezone conversion support है और यह तय किए गए local time पर चलता है
  • execution कुछ मिनट delay हो सकता है, लेकिन हर task के लिए एक consistent offset बना रहता है
  • built-in schedules
    • Hourly: हर घंटे चलेगा
    • Daily: दिन में एक बार, default 9:00 AM
    • Weekdays: केवल कार्यदिवसों में चलेगा
    • Weekly: हफ्ते में एक बार, चुने गए दिन और समय पर चलेगा
  • जैसे हर 2 घंटे में या हर महीने की 1 तारीख को चलने वाले custom schedules को CLI के /schedule update से सेट किया जा सकता है

repository और branch permissions

  • हर execution पर repository को फिर से clone किया जाता है और default branch से शुरू किया जाता है
  • default रूप से केवल claude/ prefix branches पर push किया जा सकता है
  • अगर protected branch में बदलाव करना हो, तो Allow unrestricted branch pushes option से यह restriction हटाई जा सकती है

connectors

  • scheduled tasks, MCP connectors के जरिए external services के साथ interact कर सकते हैं
    • उदाहरण: Slack channel में support requests पढ़कर Linear में issue बनाना
  • default रूप से जुड़े हुए सभी connectors शामिल होते हैं, और जिनकी ज़रूरत न हो उन्हें हटाया जा सकता है
  • connectors को task creation form, Settings > Connectors, और CLI /schedule update में manage किया जा सकता है

environment settings

  • हर task एक cloud environment में चलता है, जहाँ network access, environment variables, और install scripts को नियंत्रित किया जा सकता है
  • API access, dependency installation, और network restrictions जैसी ज़रूरतों के लिए पहले से configuration आवश्यक है
  • default environment (Default) के अलावा custom environments भी बनाए जा सकते हैं

scheduled tasks का management

  • Scheduled list में task पर क्लिक करने से detail page खुलता है
    • repository, connectors, prompt, schedule, और पिछले execution history देखी जा सकती है

  • execution history देखना और interact करना

    • हर run पर क्लिक करने से वह पूरे session के रूप में खुलता है
    • Claude ने क्या किया, कौन से changes किए, Pull Request बनाना, और बातचीत जारी रखना संभव है
    • session title के बगल वाले dropdown से rename, archive, या delete किया जा सकता है

  • task editing और control

    • Run now से तुरंत चलाएँ
    • Repeats toggle से pause या resume करें
    • edit icon से name, prompt, schedule, repository, environment, और connectors बदले जा सकते हैं
    • delete icon से task हटाया जा सकता है (मौजूदा sessions बने रहते हैं)
    • CLI में /schedule list, /schedule update, /schedule run commands से भी management संभव है

संबंधित resources

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2026-03-29
Hacker News टिप्पणियाँ

  • आधिकारिक साइट पर feature launch की घोषणा होती है, जबकि usage limits की सूचना टीम के एक सदस्य के Twitter अकाउंट से दी जाती है — यह दिलचस्प है
    पहले जब 2x usage की घोषणा हुई थी, तब कुछ लोगों ने अंदाज़ा लगाया था कि ऐसा ‘rug pull’ आ सकता है (संबंधित ट्वीट)

    • मुझे यह approach तर्कसंगत लगती है। सबके लिए कीमत बढ़ाने के बजाय, खास व्यवहार को प्रोत्साहित किया जा रहा है। यह time-of-day congestion pricing जैसा विचार है
    • Anthropic की pricing policy की वजह से मैं इन दिनों GLM-5 ज़्यादा इस्तेमाल कर रहा हूँ। यह Opus के स्तर का नहीं है, लेकिन काफ़ी काम का है। किस्मत से Alibaba Coding Model का low-cost plan मिल गया था, लेकिन अब वह plan गायब है
    • अगर आप cloud provider इस्तेमाल करते हैं, तो ऐसी सीमाएँ स्वीकार करनी पड़ती हैं। स्थिरता चाहिए तो Mac Studio या Strix Halo जैसी local मशीन खरीदकर खुद inference environment बनाना बेहतर है
    • दूसरे ट्वीट के replies में Anthropic के Claude Code engineer ने कहा कि वह बात सही नहीं है। यह गलत जानकारी फैलने का मामला था

  • हम धीरे-धीरे ऐसी दुनिया के क़रीब पहुँच रहे हैं जहाँ AI-आधारित iterative software development डिफ़ॉल्ट बन जाएगा
    भरोसेमंद user feedback देगा, AI उसे tickets में बदलेगा, दूसरा AI PR बनाएगा, और review के बाद deploy भी हो जाएगा
    लगता है कि अब यह लगभग पूरा होने के चरण में है

    • पहले मैं भी इस दिशा में विश्वास करता था, लेकिन अब संदेह है। हर चरण में error rate बहुत ज़्यादा है, और उसे घटाने की कोशिश करने वाले systems भी नई गलतियाँ पैदा करते हैं
      AI maintainable code नहीं लिख पाता, बल्कि गति और धीमी कर देता है। आख़िरकार AI-assisted coding कहीं ज़्यादा प्रभावी है
      FAANG एक लाइन पर 300 डॉलर इसलिए खर्च करता है क्योंकि मामला speed का नहीं बल्कि accuracy और structure का है
    • यह दिशा पसंद है, लेकिन inference cost बहुत अधिक है। training cost तो ठीक है, पर अगर inference cost गिरती है तो model open करने की प्रेरणा कम हो जाएगी
      अगर Taalas model को सीधे hardware में bake कर दे, तो वह बड़ी प्रगति होगी, लेकिन उससे समस्या बस hardware bottleneck में शिफ्ट होगी
      शायद कभी Game Boy cartridge की तरह model लगाकर चलाने का ज़माना आए
    • user के नज़रिए से देखें तो वह पहले ही human-made software से इतना दूर है कि किसने बनाया, इससे उसे फ़र्क नहीं पड़ता
      Hacker News की पोस्ट पढ़ना भी पहले से कई layers वाले automated systems से होकर आने वाला परिणाम है
    • कई दशक बाद भी users के लिए ठीक से ticket लिखना मुश्किल ही रहेगा
    • ऐसा feedback loop आख़िर में garbage-in → garbage-out को exponentionally बढ़ाता है। यह “रोबोट खुद को ठीक कर लेंगे” जैसी कल्पना है

  • मैंने पहले ChatGPT जैसी किसी चीज़ में सेट किया था: “हर दिन सुबह 8 बजे, लेकिन सिर्फ़ तब बताना जब ऑफिस जाते समय ट्रैफ़िक जाम हो” — फिर भी बिना जाम के रोज़ notification आता था

    • ज़्यादातर agent systems बस cron से समस्या हल करने की कोशिश करते हैं, लेकिन prospective memory की अवधारणा को नज़रअंदाज़ करते हैं
      संबंधित लेख: The Missing Memory Type
    • आख़िरकार prompt को और स्पष्ट लिखना पड़ता है। प्रोग्रामर वाले मज़ाक की तरह, condition ग़लत लिखें तो परिणाम भी अजीब आएगा
    • agent loop के अंदर tools चलाते हैं। अगर दोहराने योग्य नतीजे चाहिए, तो “जाम” की परिभाषा tool के ज़रिए साफ़ करनी होगी
      मैं weather, train timetable, work schedule calendar, Telegram notification tool को जोड़कर यह system चला रहा हूँ
      सच कहूँ तो यह cron से भी आसानी से बनाया जा सकता है
    • आप खुद pi-mono जैसी चीज़ से evaluation criteria define कर सकते हैं (GitHub लिंक)
    • मुझे भी यही समस्या हुई। system सिर्फ़ true positive नहीं बताता, false positive भी सब बता देता है। बहुत बेवकूफ़ाना है

  • बहुत से लोग और कंपनियाँ web automation चाहती थीं, लेकिन site operators उसे रोकते थे
    अब बस नाम में AI जोड़ दो, तो लगता है माहौल उसे मंज़ूरी देने लगा है

  • मैं हाल ही में GitHub Copilot Pro से Claude Code Max (20x) पर आया हूँ
    Claude कई मामलों में बेहतर है, लेकिन remote/cloud agents वाला हिस्सा कमज़ोर है
    Elixir project में “Claude on the web” सेट करने की कोशिश की, लेकिन network firewall की वजह से असफल रहा
    logs भी सिर्फ़ आख़िरी हिस्सा दिखाते हैं, इसलिए debugging कठिन है
    इसके उलट Copilot के “Coding Agents” GitHub Actions infrastructure का उपयोग करते हैं, इसलिए वे कहीं ज़्यादा स्थिर हैं
    “Schedule task on the web” भी उसी तरह की संरचना है, इसलिए वैसी ही समस्याओं की चिंता है

  • लगता है लोग आख़िरकार ऐसे काम भी AI से करवाना चाहेंगे जिनके लिए simple rule-based automation ही काफ़ी है
    “AI से X हल करते हैं” जैसी बात कंपनी में भी अक्सर सुनने को मिलती है, जबकि कई बार उसकी ज़रूरत ही नहीं होती

    • लगता है पूरी industry में “cron से task चलाना” जैसी बुनियादी automation को जानबूझकर रोका जा रहा है
      AI “then” वाले हिस्से में मदद कर सकता है, लेकिन सिर्फ़ “if” condition को अच्छे से संभालना भी काफ़ी उपयोगी है
    • हमारी कंपनी में भी ऐसा ही है। हम acquisition/merger के बीच हैं, और investors दबाव डाल रहे हैं कि “AI ज़्यादा इस्तेमाल करो, नहीं तो competition में पीछे रह जाओगे”
      AI adoption ही लक्ष्य बन जाना असली समस्या है
    • ऐसे systems “आज कोई अच्छा deal है क्या” जैसे loose, intuitive tasks के लिए ज़्यादा उपयुक्त हैं
    • अगर user अपनी intent साफ़-साफ़ व्यक्त कर सके, तो यह ठीक काम करता है
      मैंने लोगों को agent skills को समझने में मदद करने वाला लेख लिखा है
      Building Agent Evals
      और non-determinism की समस्या पर भी लिखा है
      Error Compounding
    • आम users के लिए ‘then’ वाला हिस्सा लिखना मुश्किल है। आख़िर में natural language में intent समझ सकने वाला AI उस बाधा को कम कर देता है

  • मैं Claude Code Max 20x plan पर हूँ, फिर भी cloud scheduled jobs सिर्फ़ 3 तक सीमित हैं
    फिर भी feature काफ़ी अच्छा है। local में permissions की झंझट थी, लेकिन cloud sandbox में इसे चलाया जा सकता है
    मैंने ये तीन tasks सेट किए हैं

    1. हर सोमवार pnpm audit और pnpm outdated चलाकर security/update report बनाना
    2. हर weekday Sentry logs और metrics का विश्लेषण करके नए issue reports बनाना
    3. पिछले दिन के develop branch commits की समीक्षा करके bugs, security और missing docs जाँचना
      अगर यह रोज़/हर हफ़्ते अपने-आप चले तो काफ़ी उपयोगी होगा। Claude Code का Sentry connector काफ़ी accurate था
      बाद में इसे auto issue creation या PR submission तक बढ़ाने की कोशिश करूँगा
    • सच तो यह है कि एक cron line से काम ख़त्म हो जाता है
      0 7 * * 1-5 ANTHROPIC_API_KEY=sk-... /path/to/claude-cron.sh /path/to/repo >> ~/claude-reports.md 2>&1

  • Claude की speed हैरान करती है।
    Grok में यह feature पहले से था, और अब बाकी लोग पीछे-पीछे आ रहे हैं
    ऐसे features में user lock-in effect बहुत मज़बूत होता है। Grok 10 concurrent tasks मुफ़्त देता है
    मैं इसे हर सुबह कई sources से news extract करने के लिए इस्तेमाल करता हूँ

  • यह feature काफ़ी सीमित है। यह screenshots नहीं ले सकता, न ही arbitrary domains पर curl requests भेज सकता है
    इसलिए मैंने Cronbox नाम की एक cloud service बनाई
    मैंने इसे “Show HN: Cronbox – Schedule AI Agents” के रूप में पेश किया था,
    और example task के तौर पर Pelican Rides a Bicycle भी है

  • लगता है कुछ बुनियादी चीज़ छूट रही है। यह तो समझ आया कि यह git repository पर prompt चलाता है, लेकिन नतीजा जाता कहाँ है?
    क्या इसे commit permissions देकर सीधे बदलाव लागू कराए जाते हैं, या यह MCP tools के ज़रिए काम करता है?

    • यह MCP bundling के ज़रिए दिया गया ढाँचा है। काफ़ी शानदार approach है
    • हम हर हफ़्ते automated security audit चलाते थे और उसका नतीजा Slack में पोस्ट करते थे