Claude Platform & Model Foundations

Screen 1: Overview

Module 1 Introduction·5 min

अधिकांश पेशेवर जो Claude का उपयोग करते हैं, वे एक या दो चीजें सीखकर शुरुआत करते हैं जो यह अच्छी तरह करता है। यह दृष्टिकोण सरल कार्यों के लिए परिणाम देता है।

आवर्ती कार्य, टीम परियोजनाओं, और डिलिवरेबल्स के लिए जिन्हें समीक्षा के तहत टिकना होगा, Claude के भीतर एक भी प्रॉम्प्ट लिखने से पहले किए गए फीचर निर्णय सत्र आउटपुट के लिए गुणवत्ता की सीमा निर्धारित करते हैं।

यह मॉड्यूल चार निर्णयों के लिए ढांचा बनाता है जो हर Claude इंटरैक्शन के सामने होते हैं: कौन सी entry point का उपयोग करें, कौन सी capability features को सक्रिय करें, कौन सा model चुनें, और एक सत्र में context को कैसे प्रबंधित करें। ये चार निर्णय निर्धारित करते हैं कि क्या सत्र पूर्व कार्य पर निर्माण करते हैं या निरंतर पुनः-सेटअप की आवश्यकता होती है।

इस मॉड्यूल के अंत तक, आप सक्षम होंगे:

• 1किसी दिए गए पेशेवर कार्य के लिए उपयुक्त Claude entry point और feature set का चयन करें।

• 2Haiku, Sonnet, और Opus को capability characteristics और task fit द्वारा अलग करें।

• 3Model selection को task requirements से मेल खाएं, जिसमें quality, speed, और volume trade-offs शामिल हैं।

• 4Context limitations को प्रबंधित करें और सत्रों में निरंतरता बनाए रखने के लिए memory features का उपयोग करें।

चार निर्णय हर Claude सत्र के लिए गुणवत्ता की सीमा निर्धारित करते हैं: entry point, capability layer, model, और context management। यह मॉड्यूल सभी चारों के लिए ढांचा बनाता है। हर बाद का मॉड्यूल मानता है कि आप यहां लौटे बिना ये निर्णय ले सकते हैं।

हमने Claude के साथ वास्तविक कार्य करने में आपकी मदद करने के लिए यह Associate course Module 1: Claude Platform & Model Foundations बनाया है; इसे शैक्षणिक सामग्री के रूप में मानें। यह कानूनी, वित्तीय, या अन्य पेशेवर सलाह का गठन नहीं करता है, इसलिए जो आप सीखते हैं उसे अपनी स्थिति के अनुसार अनुकूलित करें। हमारे उत्पाद और सेवाएं तेजी से विकसित होती हैं, इसलिए कुछ सामग्री में त्रुटियां हो सकती हैं या पुरानी हो सकती हैं; Anthropic की वेबसाइट या docs पर सत्यापित करना याद रखें। पाठ्यक्रम में उपयोग किए गए उदाहरण और परिदृश्य सचित्र हैं और अक्सर काल्पनिक हैं। यदि पाठ्यक्रम सामग्री किसी कंपनी या उत्पाद का उल्लेख करती है, तो इसका मतलब यह नहीं है कि Anthropic उन्हें समर्थन देता है, वे Anthropic को समर्थन देते हैं, या कि हम संबद्ध हैं। यह भी ध्यान दें कि Anthropic उत्पादों और सेवाओं का आपका उपयोग हमारी शर्तों, नीतियों और दस्तावेज़ों द्वारा कवर किया गया है; यदि इस पाठ्यक्रम में कुछ उनके साथ विरोध करता है, तो वे नियंत्रण करते हैं।

---

Screen 2: What to Expect from Generative AI

Teaching—How Claude Behaves·6 min

Entry points और models का चयन करने से पहले, पांच behavioral properties हैं जो Claude पर लागू होती हैं चाहे आप कौन सी feature का उपयोग करें। Claude के साथ workflows बनाने से पहले उन्हें समझना निराशा और गलत अपेक्षाओं के सबसे सामान्य स्रोतों को रोकता है।

प्रत्येक कार्ड को फ्लिप करें property को पढ़ने के लिए।

Responses vary

Claude से एक ही प्रश्न दो बार पूछें और आपको दो अलग-अलग उत्तर मिलेंगे। दोनों उपयोगी हो सकते हैं, लेकिन किसी को भी "एक सही प्रतिक्रिया" के रूप में नहीं देखा जाना चाहिए। यह कैसे generative AI काम करता है: आउटपुट probability का उपयोग करके उत्पादित होते हैं, एक fixed database से पुनः प्राप्त नहीं होते। किसी भी workflow के लिए योजना बनाएं जो consistent outputs पर निर्भर करता है और प्रक्रिया में समीक्षा बनाएं।

Confident tone is not a signal of accuracy

Claude लिखता है consistent fluency के साथ चाहे उत्तर वास्तव में सही हो या नहीं। एक fabricated statistic एक verified के समान आश्वासन के साथ पढ़ता है। Module 3 verification habits बनाता है; उनके बिना, fluency accuracy के बारे में कुछ नहीं कहता।

Context is a budget

हर Claude conversation एक working-memory limit रखता है। जैसे-जैसे एक conversation अपनी limit के करीब पहुंचता है, claude. ai स्वचालित रूप से पहले के messages को summarize करता है ताकि सत्र जारी रह सके (paid plans पर Code Execution enabled के साथ)। Summaries detail को compress करते हैं, यही कारण है कि दो घंटे के सत्र की शुरुआत में दिए गए instructions अंत तक अपनी शक्ति खो सकते हैं। Lesson 6 इसे प्रबंधित करने की रणनीतियों को कवर करता है: कब restart करें, कब summarize करें, कब persist करें।

Knowledge has a training boundary

Claude के training data का एक cutoff date है। उस तारीख के बाद की जानकारी Claude के reliable knowledge के बाहर है जब तक आप एक current source को कनेक्ट न करें, chat में web search को चालू न करें, या Research का उपयोग न करें। यह recent events, current regulations, और up-to-date market data को प्रभावित करता है। जब relevance मायने रखता है, तो verify करें या एक source को कनेक्ट करें।

Configured procedures still produce varied outputs

एक Skill जो हर बार एक ही procedure को चलाने के लिए सेट किया गया है output variance को कम करता है लेकिन इसे eliminate नहीं करता। यहां तक कि एक well-configured workflow हर बार चलाए जाने पर अलग-अलग outputs देता है। Review आपके workflow में रहता है चाहे Skill कितना भी सावधानी से बनाया गया हो। हालांकि configuration variation को कम करता है, यह output को check करने की आवश्यकता को नहीं हटाता।

---

Screen 3: Chat, Projects, Artifacts, Research

Teaching—Core Entry Points·10 min

Claude एक interface में दिखाई देता है, लेकिन वह interface चार distinct working entry points प्रदान करता है: Chat, Projects, Artifacts, और Research Mode। काम शुरू करने से पहले सही एक चुनना यह निर्धारित करता है कि सत्र कितनी कुशलता से चलता है और क्या आज आप जो context बनाते हैं वह कल आगे बढ़ता है।

Chat default entry point है, एक unstructured conversation। एक Chat आपके history में saved है और बाद में जारी रखा जा सकता है, और Memory plus past-chat search key context को नए sessions में ले जा सकते हैं; जो Chat आपको नहीं देता है वह एक Project की deliberate persistence, standing instructions और एक curated knowledge base है। Chat का उपयोग one-off questions, quick drafts, exploratory prompting, और उन कार्यों के लिए करें जिन्हें आप दोहराएंगे नहीं। Chat किसी भी कार्य के लिए अच्छी तरह काम करता है जहां काम उस सत्र में शुरू और समाप्त होता है। हालांकि, जब आप एक नया Chat खोलते हैं तो एक ही background paragraph को paste करते हैं जो आपने पिछले हफ्ते paste किया था, वह workstream Chat से बाहर निकल गया है।

Projects persistent workspaces हैं। एक Project तीन चीजें रखता है:

• Standing instructions: जो Claude को इस space में हर conversation में consistently जानना चाहिए और करना चाहिए

• Knowledge base: documents, policies, और reference files एक बार uploaded ताकि Claude हर session में re-upload किए बिना उन पर draw कर सके

• Conversation history: हर Project अपनी conversation list को maintain करता है, आपके global conversation history से अलग। एक Project के भीतर Conversations Project के instructions और knowledge base को share करते हैं, लेकिन वे एक दूसरे के साथ context share नहीं करते।

Projects AI-assisted professional work में सबसे सामान्य productivity drain को solve करते हैं: हर session एक ही background को re-explain करना। Project के standing instructions और knowledge base में context को एक बार set करें। हर conversation जो follows वह पहले से ही उस context के साथ शुरू होता है।

कार्य recurs, background context stable है, और output format consistent है। यदि उन दोनों में से कोई भी दो conditions hold करते हैं, तो एक Project उससे अधिक समय बचाता है जो इसे build करने में लगता है।

Artifacts सही output format हैं जब result एक deliverable है न कि एक conversational reply। जब Claude एक Artifact produce करता है, तो यह chat के बजाय एक separate, editable block के रूप में दिखाई देता है conversation thread में flowing के बजाय। Draft documents, data tables, formatted reports, और code के लिए Artifacts का उपयोग करें। Answers के लिए inline responses का उपयोग करें जिन पर आप conversation के भीतर act करेंगे।

Research deep multi-source synthesis को enable करता है (paid plans पर available)। Regular Chat web को search कर सकता है: web search सभी Claude plans पर available है chat input में एक per-chat toggle के रूप में; Team और Enterprise plans पर, एक Owner या Primary Owner को पहले organization के capability settings में workspace के लिए web search को enable करना चाहिए इससे पहले कि members इसे switch on कर सकें। Official documentation specify नहीं करता कि toggle default पर on या off है। Research आगे जाता है: यह multiple sources में multi-step searches चलाता है और उन्हें synthesize करता है। Research का उपयोग करें जब कार्य को sources की एक range में deep investigation की आवश्यकता हो, या एक quick lookup से परे current information के synthesis की।

Selection logic

| Task type | Entry point | |-----------|------------| | One-off question or quick task, no plan to reuse | Chat | | Recurring work with stable context requirements | Project | | Output is a deliverable the recipient will open and read | Artifact | | Requires deep multi-source investigation or synthesis (quick current-information lookups: web search in Chat) | Research |

---

Screen 4: A worked comparison

Teaching—Core Entry Points · Continued·10 min

एक project coordinator साप्ताहिक team status reports को draft करता है। हर सोमवार वह एक नया Chat खोलता है और एक ही opener type करता है: project name, team structure, stakeholder list, report format requirements, और पिछले हफ्ते के open items। Claude एक अच्छी report produce करता है, लेकिन सत्र 40 मिनट लेता है, जिसमें से लगभग 12 context-loading हैं।

वह एक Project बनाता है। Project background, team structure, और stakeholder list knowledge base में जाते हैं। Report format और standing instructions escalation thresholds के बारे में Project instructions में जाते हैं। सोमवार को, वह Project को खोलता है और हफ्ते के updates को paste करता है। Context पहले से ही वहां है, इसलिए सत्र 25 मिनट लेता है।

Report quality same है, लेकिन entry-point decision ने साप्ताहिक setup tax को eliminate किया।

The test for whether a Project is worth building

तीन प्रश्न पूछें:

• क्या यह कार्य recur करता है?

• क्या background context sessions में same है?

• क्या output format consistent है?

यदि दो या अधिक का उत्तर हां है, तो Project build करें। Setup time दो या तीन sessions के भीतर recover हो जाता है।

---

Screen 5: Skills and Code Execution

Teaching—Capability Layer·12 min

Entry points निर्धारित करते हैं कि आप कहां काम करते हैं। Capability layer निर्धारित करता है कि Claude उस entry point के भीतर क्या कर सकता है।

तीन features Claude के default text-generation behavior को उन तरीकों में extend करते हैं जो professional work के लिए मायने रखते हैं: consistent procedures के लिए Skills, verified computation के लिए Code Execution, और sessions में continuity के लिए Memory।

The four-layer model

layers के बीच relationship को निम्नलिखित तरीके से सोचें:

Projects carry context

कौन सा background knowledge और standing instructions इस workstream पर लागू होते हैं।

Skills define procedures

कैसे एक specific task को consistently, हर बार, execute किया जाना चाहिए।

Code Execution verifies computations

जब result सही होना चाहिए, केवल plausible नहीं।

Memory persists continuity

Relevant facts sessions में re-entry के बिना आगे बढ़ते हैं।

Layers independent हैं। कार्य की आवश्यकता के आधार पर किसी भी combination का उपयोग करें। एक one-off question को उनमें से किसी की भी आवश्यकता नहीं है, जबकि एक recurring analytical workflow सभी चारों का उपयोग कर सकता है।

Skills reusable procedures हैं। Anthropic common professional tasks के लिए built-in Skills प्रदान करता है: Excel spreadsheets, Word documents, PowerPoint decks, और PDFs को create, edit, और analyze करना। Custom Skills settings के माध्यम से task-specific workflows के लिए add किए जा सकते हैं। Skills account level पर live करते हैं, किसी एक Project के अंदर नहीं, और Claude उन्हें automatically invoke करता है जब relevant हो किसी भी conversation में, एक Project के अंदर या बाहर। एक Project का अपना configuration उसके standing instructions और knowledge base हैं; एक active Skill Claude को बताता है कि एक defined procedure को उस task type के लिए follow करें, consistently, जहां कहीं भी यह apply हो।

Skills के बारे में दो चीजें ध्यान में रखनी हैं:

पहली, Skills variance को कम करते हैं, लेकिन इसे eliminate नहीं करते। एक Skill जो एक consistent format में साप्ताहिक reports generate करता है हर बार अलग-अलग prose produce करेगा। Review आपके workflow में रहता है चाहे Skill कितना भी अच्छी तरह configured हो।

दूसरी, Skills को एक trust evaluation की आवश्यकता है। एक Skill के पास वह सब कुछ access है जो आप Claude को session के दौरान access देते हैं। एक third-party Skill को enable करने से पहले, इसके source और permissions को review करें जो यह request करता है। Anthropic-provided Skills और आपके organization द्वारा approved Skills lower-risk starting point हैं। Module 6 इस evaluation को पूरी तरह से कवर करता है।

Code Execution Claude का sandboxed computation environment है। Claude internally code को write और run करता है, फिर result को return करता है। आप code को स्वयं नहीं लिखते।

यह distinction क्यों मायने रखता है: Claude prose को text के most probable next sequence को produce करके generate करता है। यह language tasks के लिए अच्छी तरह काम करता है। Computation के लिए, यह plausible-looking numbers produce करता है जो accurate हो भी सकते हैं और नहीं भी। Code Execution एक verified result produce करता है calculation को run करके।

Code Execution का उपयोग करें Claude से calculate करने के बजाय जब:

• कोई भी numeric output use या report किया जाएगा (calculations, projections, figures के summaries)

• Data को transform या clean किया जाना चाहिए (date normalization, deduplication, field formatting)

• Output एक chart या visualization होना चाहिए

• Output एक real downloadable file होना चाहिए (. xlsx, . pptx, . docx, . pdf)

---

Screen 6: Memory

Teaching—Capability Layer · Memory·12 min

Memory work-relevant facts को sessions में retain करता है, एक ही context को re-enter करने की आवश्यकता को हटाता है। उदाहरण जो professionals Memory में store करते हैं उनमें शामिल हैं: recurring role context, output format के लिए preferences, frequent collaborators के नाम, standing constraints जो projects में apply होते हैं।

Memory curation

Memory सबसे उपयोगी है जब actively curated हो। एक memory जो पिछली quarter में accurate था और तब से review नहीं किया गया है actively misleading हो सकता है। Plan करें:

• Stored memories को periodically review करें, active users के लिए कम से कम महीने में एक बार

• Entries को delete या update करें जो अब hold नहीं करते

• Stored set को information पर focused रखें जो genuinely sessions में recur करता है

Project-scoped Memory Memory contexts को हर Project के लिए अलग रखता है। Client A से context client B sessions में दिखाई नहीं देता। Separate Projects को separate workstreams के लिए set up करें; Memory same boundaries को follow करेगा। Incognito mode एक session को Memory और chat history से बाहर रखता है (यह standalone chats पर लागू होता है, Projects के बाहर)। इसका उपयोग sensitive conversations या exploratory work के लिए करें confidential inputs के साथ जो history या Memory में surface नहीं होने चाहिए। ध्यान दें कि यह आपके organization के underlying data retention को override नहीं करता। अन्य AI platforms से memories को import करना June 2026 के अनुसार एक experimental feature है। Memory import Free, Pro, Max, और Team plans के लिए documented है (Enterprise नहीं)। यदि automatic import path आपके account में available नहीं है, तो documented fallback आपके memory settings के माध्यम से Memory में key facts को manually add करना है, बजाय उन्हें एक Project के knowledge base में route करने के।

---

Screen 7: A monthly report that got faster and more accurate at the same time

Scenario—Capability Layer

(Illustrative Scenario)

एक business analyst एक महीने में एक बार एक regulatory tracking report produce करता था। कार्य consistent था: उस महीने के regulatory updates लें, identify करें कि कौन से portfolio पर लागू होते हैं, implications को summarize करें, और output को एक defined template के अनुसार format करें। कार्य high stakes था, लेकिन एक repeatable structure के साथ।

पहले दो महीनों के लिए, उसने Chat में workflow को run किया। हर session, उसने regulatory documents को upload किया, portfolio context को re-paste किया, और format instructions को re-type किया। उसने हर numeric figure पर एक verification step को run किया। उसने month one में दो errors को catch किया और month two में एक, सभी report के बाहर जाने से पहले।

Month three में, उसने capability layer का उपयोग करके workflow को rebuild किया। Portfolio context और standing format instructions Project में गए, prior reports knowledge base में गए, उसने report output format के लिए एक Skill को enable किया, और numeric calculations Code Execution में चले गए।

Session per time 65 मिनट से 30 तक गिर गया, और verification step अभी भी run हुआ। Months three से eight में कोई errors नहीं पाए गए।

What the analyst asked before rebuilding

| Question | Layer it pointed to | |----------|-------------------| | Which parts of this task are the same every time? | Standing instructions + Skill | | Which reference material recurs across sessions? | Knowledge base | | Which outputs need to be computed correctly, not just "sound right"? | Code Execution | | Which context do I want to carry across sessions without re-entry? | Memory |

---

Screen 8: Checkpoint

Checkpoint—Capability Layer·5 min

एक recurring contract review workflow के पांच components हैं। हर component के लिए, select करें कि यह किस capability layer में belongs: standing instructions, knowledge base, Skill, या Code Execution। हर layer कम से कम एक बार use किया जाता है।

एक card को select करने के लिए click करें, फिर इसे place करने के लिए एक bucket को click करें। एक placed card को pool में return करने के लिए click करें।

---

Screen 9: Haiku, Sonnet, Opus

Teaching—Choosing Models·8 min

Capability layer निर्धारित करता है कि Claude क्या करता है। Model निर्धारित करता है कि Claude यह कितनी अच्छी तरह करता है, और speed में कितनी cost पर।

Claude family में विभिन्न model tiers efficient-and-fast से thorough-and-capable तक एक range span करते हैं। Tier को task से match करना routine work को over-engineer करने और high-stakes analysis को under-resource करने दोनों से बचाता है।

Haiku Claude family में fastest और most efficient model है। यह structured tasks को अच्छी तरह handle करता है: classification, extraction, formatting, straightforward summarization, और high-volume routine work जहां speed matters और एक imperfect output की cost कम है। जब एक कार्य sequence में सैकड़ों items में volume पर चलता है, तो Haiku की speed advantage compound होता है।

Sonnet balanced tier है। यह professional tasks की full range को handle करता है strong quality के साथ task types में: drafting, synthesis, analysis, research assistance, और document review। अधिकांश knowledge-worker work के लिए, Sonnet सही starting point है। यदि quality एक complex task के लिए fall short है, तो Opus में upgrade करें। यदि speed और volume primary requirements हैं और कार्य structured है, तो Haiku पर विचार करें।

Opus एक higher-capability tier है, Sonnet और Haiku से अधिक advanced performance प्रदान करता है। इसका उपयोग उन कार्यों के लिए करें जिन्हें nuanced judgment, complex multi-step reasoning, ambiguous inputs जिन्हें interpretation की आवश्यकता है, या कोई भी कार्य जहां quality speed को outrank करता है। Client-facing deliverables, complex document analysis, strategic planning, और high-stakes synthesis multiple sources में typical Opus candidates हैं।

Decision logic

| Task profile | Model | |-------------|-------| | Routine, structured extraction or classification at volume | Haiku | | Most professional drafting, synthesis, and analysis | Sonnet | | Complex judgment, high-stakes output, ambiguous or multi-layered inputs | Opus |

Opus complex tasks पर बेहतर output produce करता है, running slower के tradeoff के साथ। अधिकांश knowledge work के लिए, Sonnet कार्य को अच्छी तरह handle करता है। Opus को उन कार्यों के लिए reserve करें जहां quality ceiling genuinely matters। Haiku का उपयोग करें जहां volume और speed primary requirements हैं और कार्य के पास clear structure है।

एक अतिरिक्त dimension को ध्यान में रखना है: metered या usage-budgeted plans पर (API access सहित), यह speed-versus-capability trade-off भी एक per-call cost trade-off बन जाता है। एक higher-capability tier जैसे Opus Haiku या Sonnet से अधिक usage per call consume करता है, इसलिए उन plans पर "efficiency" का मतलब cost के साथ-साथ speed भी है। Standard claude. ai subscription surface पर, efficiency (speed और usage headroom) को cost के लिए practical proxy के रूप में treat करें; ऊपर दी गई selection logic change नहीं होती।

Model picker lineup, default model, और automatic model-switching behavior plan और time के साथ vary करते हैं; publish पर product में सभी तीनों को verify करें। ऊपर दी गई decision logic regardless of which tiers आपके लिए available हैं apply होती है।

---

Screen 10: Context Limits, Conversation Hygiene & Memory Management

Teaching—Context Management·8 min

Model selection और capability configuration निर्धारित करते हैं कि Claude एक session में क्या कर सकता है। Context management निर्धारित करता है कि यह कितने समय तक अच्छी तरह कर सकता है। हर Claude conversation के पास एक finite working-memory budget है, और वह budget conversation के बढ़ने के साथ-साथ कम हो जाता है। Deliberate context management long या complex work के माध्यम से sessions को coherent रखता है।

The context window in practical terms

हर conversation के पास एक working-memory limit है। जैसे-जैसे messages और uploaded documents accumulate होते हैं, Claude का context window भरता है। जैसे-जैसे यह limit की ओर भरता है, claude. ai स्वचालित रूप से पहले के messages को summarize करता है room बनाने के लिए (paid plans पर Code Execution enabled के साथ), और full history reference के लिए available रहता है। Practical terms में: एक long session जहां आपने Claude को detailed instructions दिए पहले 10 मिनट में 90 मिनट बाद responses produce कर सकते हैं जो उन instructions को follow नहीं करते, न कि क्योंकि Claude उन्हें ignore कर रहा है, बल्कि क्योंकि detail compress हो सकता है जब पहले का context summarize हो।

Signs एक conversation को intervention की आवश्यकता है:

• Claude instructions को follow करना बंद करता है जो उसने same session में पहले सही तरीके से follow किए थे

• Responses केवल most recent exchange को address करते हैं पहले के decisions या context के reference के बिना

• Accuracy उन तरीकों में drop होती है जो early-session context के missing के साथ consistent हैं

Three responses when context degrades

Restart. एक नया conversation शुरू करें। Project के standing instructions और knowledge base automatically आगे बढ़ते हैं। Conversation thread नहीं। Restarting सही call है जब current session drift हो गया है recovery से परे, या जब आप एक genuinely new task शुरू कर रहे हैं same workstream के भीतर। Summarize. एक नया conversation शुरू करने से पहले, Claude को current state का एक summary produce करने के लिए ask करें: decisions made, work in progress, और open questions। उस summary को नए conversation की शुरुआत में context के रूप में paste करें। यह thread continuity को preserve करता है degraded context window को अगले session में carry किए बिना। Persist. Information के लिए जो सभी future sessions में available होना चाहिए, इसे Memory में save करें या Project knowledge base को update करें। सही information को सही moment पर save करना इसे repeatedly re-enter करने से अधिक efficient है। एक well-maintained Project current knowledge base entries के साथ individual session context limits के impact को reduce करता है।

Memory curation

Memory सबसे अच्छी तरह serve करता है जब यह current रहता है। एक memory entry जो तीन महीने पहले accurate था और तब से review नहीं किया गया है actively misleading हो सकता है। Memory को एक working file की तरह treat करें। इसे एक regular cadence पर review करें, entries को delete करें जो expired हो गई हैं, और facts को update करें जो changed हो गई हैं। Stored memories की accuracy volume से अधिक मायने रखती है।

Usage limits

Claude की usage limits एक से अधिक time window पर operate करती हैं: एक short rolling session window, plus paid plans पर weekly limits जो models में apply होती हैं (highest model tier के लिए एक separate weekly pool के साथ)। Specific windows और allowances plan के अनुसार vary करते हैं और time के साथ change होते हैं; publish पर Help Center में current limits को verify करें। Higher-tier models पर extended sessions एक limit तक पहुंच सकते हैं work complete होने से पहले। Intensive tasks के लिए, planning ahead एक interrupted session के around काम करने से अधिक efficient है: large tasks को segments में break करें, interim progress को knowledge base में save करें, और एक summary से restart करें बजाय एक single session को indefinitely extend करने के।

---

Screen 11: Exercise · Pick the right feature for the job

Exercise—Platform Selection·5 min

इस module से selection decisions को एक साथ apply किया जाता है। Entry point, capability layer, model tier, और context strategy एक ही कार्य के लिए चार related choices हैं। यह exercise उन्हें एक साथ identify करने का practice करता है।

छह professional scenarios, छह configuration cards। हर scenario को configuration से match करें जो उसे fit करता है। हर card एक बार use किया जाता है। जब आप done हों तो अपने results को check करें। यह आपको लगभग पांच मिनट लेना चाहिए।

| Card | Configuration | Reason | |------|---------------|--------| | A | Project + Skill · Sonnet | Recurring structured task, stable context, fixed output format | | B | Research · Sonnet | Current-information task; window post-dates reliable training-data recall | | C | Code Execution · Haiku or Sonnet | Calculation on a defined dataset; result must be accurate | | D | Project (knowledge base) + Artifact · Opus | Nuanced multi-source analysis, ambiguous inputs, high-stakes deliverable | | E | Chat + Artifact · Sonnet | One-off drafting task; no capability layer needed | | F | Project + Code Execution + Skill · Sonnet | Recurring workflow with verified numeric outputs and consistent format |

Part 2 · Justify one configuration

एक scenario को एक card से match करना दिखाता है कि आप सही configuration को recognize कर सकते हैं। यह step आपको एक को defend करने के लिए ask करता है। Scenario S3 लें (चार uploaded reports से built 15-page board analysis)। नीचे दिए गए box में, वह model type करें जो आप चुनेंगे और एक sentence जो उस choice के पीछे के trade-off को explain करता है; choice आपको क्या buy करता है, और इसकी क्या cost है। फिर model answer को reveal करें और अपने reasoning को compare करें, केवल अपने selection को नहीं।

एक strategy consultant चार uploaded reports से एक 15-page board analysis को draft कर रहा है, जिसमें ambiguous signals की nuanced interpretation की आवश्यकता है।

नीचे दिए गए box में, वह model type करें जो आप चुनेंगे और एक sentence जो उस choice के पीछे के trade-off को explain करता है, choice आपको क्या buy करता है, और इसकी क्या cost है। फिर model answer को reveal करें और अपने reasoning को compare करें।

---

Screen 12: Module 1 Quiz · Platform & Model Selection

Quiz—Module 1·5 min

पांच scenario-style questions। हर एक एक professional situation को present करता है, response को select करें जो module की selection framework को सबसे अच्छी तरह apply करता है। लगभग पांच मिनट।

---

Screen 13: Five things that hold across this module

Recap—Five takeaways·3 min

प्रॉम्प्ट लिखने से पहले entry point को select करें।

Chat one-off work को handle करता है। Projects recurring work को stable context के साथ handle करते हैं। Artifacts deliverable outputs को handle करते हैं। Research current multi-source information की आवश्यकता वाले कार्यों को handle करता है। Entry-point decision session में हर subsequent choice को shape करता है।

चार capability layers, चार distinct problems।

Projects context को carry करते हैं। Skills repeatable procedures को define करते हैं। Code Execution computations को verify करता है। Memory continuity को persist करता है। उन्हें independently या combination में use करें कार्य की आवश्यकता के आधार पर।

Model tiers एक speed-capability trade-off को reflect करते हैं।

Haiku structured, high-volume tasks को efficiently handle करता है। Sonnet अधिकांश professional work को cover करता है। Opus complex, high-stakes tasks को handle करता है जहां quality speed को outrank करता है। Tier को match करें कि कार्य क्या demand करता है।

Context एक budget है।

Long conversations degrade होते हैं जैसे-जैसे context भरता है। Restart, summarize, या persist करें। Context को deliberately manage करना drift के बाद काम करने से अधिक efficient है जब यह accumulate हो गया हो।

Variation inherent है; review structural है।

हर Claude feature, configured Skills सहित, run to run अलग-अलग outputs produce करता है। Module 3 उन outputs को evaluate करने की discipline को build करता है इससे पहले कि वे आपके hands से बाहर जाएं। इस module से framework सही entry point और capability layer को determine करता है। Module 3 से framework determine करता है कि output के साथ क्या करें।

सभी product behavior descriptions June 2026 के अनुसार claude. ai features पर आधारित हैं। Feature availability और behavior को publish पर current Anthropic documentation के विरुद्ध verify किया जाना चाहिए।

• Claude Help Center: Projects, Skills, Memory, file creation, usage limits, support. claude. com

• Anthropic docs: prompt engineering overview, model comparison, platform. claude. com/docs

• Model tier characteristics: finalize करने से पहले product में current model lineup, names, default model, और capability descriptions को verify करें

• Memory import (experimental): Lesson 4 content को finalize करने से पहले GA status और account tier द्वारा availability को confirm करें

• Code Execution: Lesson 4 content को finalize करने से पहले current file output types और sandbox egress controls को confirm करें

---

Screen 14: Congrats! You've successfully completed this module.

Module Complete—Associate Path·2 min

आप अब किसी भी कार्य के लिए सही Claude entry point, model tier, और capability layer को identify कर सकते हैं। सही tool को choose करें, और Claude एक reliable partner बन जाता है, एक guessing game नहीं।

M1: Product & Model Selection

किसी भी दिए गए कार्य के लिए सही entry point, model, और features को choose करें।

M2: Prompting

Structured prompts को build करें और उन्हें task type के अनुसार adapt करें।

M3: Output Evaluation

Output को validate करें और जानें कि कब human review non-negotiable है।

M4: Workflow Integration

एक workflow को Delegation criteria के विरुद्ध map करें और इसे safely redesign करें।

M5: Configuration

Projects, instructions, और knowledge को configure और maintain करें।

M6: Governance

Use-case, data, policy, और ethics judgment को responsibly apply करें।

M7: Troubleshooting

Underperformance को diagnose करें और workflows को optimize करें जब results fall short हों।

M8: Course Summary & Next Steps

Journey को recap करें, exam के लिए prepare करें, और Developer और Architect tracks के लिए escalation boundaries को recognize करें।