लेखेर साझा गर्ने

README अगाडिको ढोका हो

जब कसैले तपाईंको GitHub रिपोजिटोरीमा आइपुग्छ, उनले पहिले देख्ने पृष्ठमा रेन्डर भएको README.md फाइल हो। राम्रो README ले लगभग तीस सेकेन्डको पढाइमा चार प्रश्नको उत्तर दिन्छ:

1. यो के हो? एक वाक्य। “नेपालीमा आजको NEPSE बन्द सारांश गर्ने सानो Python स्क्रिप्ट।”
2. यो किन छ? दुई-तीन वाक्य। पाठक, समस्या, यसले भर्ने खाडल।
3. यसलाई कसरी चलाउने? चरणबद्ध। सटीक आदेश।
4. अब के? यदि बढी समय भए तपाईं के बनाउनुहुनेथ्यो। सीमाबारे इमानदार।

यो पूरै स्पेसिफिकेसन हो। चार छोटा खण्ड। आधा पृष्ठको Markdown। अर्को परियोजनामा अघि बढ्नुअघि त्यो लेख्ने अनुशासन त्यो अनुशासन हो जुन एकत्रित हुन्छ।

तपाईंले प्रतिलिपि गर्न सक्ने टेम्प्लेट

आफ्नो परियोजना फोल्डरमा README.md खोल्नुहोस्। यसको सामग्रीलाई यस्तै कुराले बदल्नुहोस्:

# NEPSE Daily Summariser

A small Python script that fetches today's NEPSE close,
asks Claude to summarise it in plain Nepali, and prints
the result.

## Why

Most short-form NEPSE coverage is in English or financial
Nepali. I wanted my aunt — who reads Nepali but not
financial jargon — to be able to glance at one paragraph
each morning and know whether the market moved up or down,
and which sectors led.

## How to run

Requires Python 3.12 and an Anthropic API key.

    git clone https://github.com/yourname/nepse-summariser
    cd nepse-summariser
    python3 -m venv .venv
    source .venv/bin/activate
    pip install -r requirements.txt

Copy `.env.example` to `.env` and set your key:

    cp .env.example .env
    # edit .env and paste your Anthropic API key

Then:

    python summarise.py

The summary is printed and saved to `summaries/<date>.txt`.

## What's next

- Send the summary to Telegram instead of printing.
- Add a CLI flag to choose between Nepali and English.
- Use a vision-capable model to read NEPSE close screenshots
  directly, for days when the API is down.

टेम्प्लेटबारे दुई टिप्पणी:

• यसमा .env.example फाइल छ — गोप्य मान हटाइएको .env को प्रतिलिपि। बिन्दु यो हो कि तपाईंको रिपो क्लोन गर्ने व्यक्तिले कुन की सेट गर्नुपर्छ थाहा पाउँछन्, तपाईंको आफ्नो लीक नगरीकन। .env.example कमिट गर्नुहोस्; .env कमिट नगर्नुहोस्। (नियम सुदृढ गर्न अध्याय 4, खण्ड 2 मा फर्कनुहोस्।)
• “अब के” खण्ड तपाईंको साथी हो। यसले पाठक (र भविष्यका सम्भावित नियोक्ता) लाई सङ्केत गर्छ कि तपाईं परियोजनाका सीमाहरू बुझ्नुहुन्छ र कहाँ जान सक्छ भन्ने विचार छ।

स्क्रिनसटबारे सानो टिप्पणी

यदि तपाईंको परियोजनाले मानिसले देख्ने आउटपुट उत्पादन गर्छ भने — चार्ट, ढाँचाबद्ध सारांश, सानो वेब पृष्ठ — README को सिर नजिक एउटा स्क्रिनसट टाँस्नुहोस्। छ शब्द: “यो यस्तो देखिन्छ।” टर्मिनलमा अनुच्छेद प्रिन्ट गर्ने स्क्रिप्टका लागि, वास्तविक आउटपुटको कपी-पेस्ट गरिएको ब्लक उत्तिकै राम्रो काम गर्छ।

कार्यक्रमले के उत्पादन गर्छ कुनै सङ्केत नभएको README ले पाठकलाई आँखा चिम्मलाउँछ। आउटपुटको एउटा उदाहरण भएको README ले सबैभन्दा प्राकृतिक प्रश्नको तुरुन्त उत्तर दिन्छ।

पुश गर्नुहोस्, र README कमिट गर्नुहोस्

git add README.md .env.example
git commit -m "Add README with overview, run instructions, and next steps"
git push

GitHub मा रिपोजिटोरी पृष्ठ रिफ्रेस गर्नुहोस्। तपाईंको README अब परियोजनाको सार्वजनिक अनुहार हो। लिङ्क भएको जुनसुकैले तपाईंले बनाएको कुरा देख्छ।

मानिसलाई भन्ने

आफ्नो कामबारे मानिसलाई भन्नु सानो, महत्त्वपूर्ण व्यावसायिक साहसको कार्य हो। अधिकांश सुरुआतीहरूको पूर्वनिर्धारित मौनता हो — तिनले परियोजना सक्छन्, पुश गर्छन्, र कहिल्यै उल्लेख गर्दैनन्। पाँच मिनेट भन्दाले कामको पहुँचलाई सय गुणा बदल्छ।

सुरु गर्न तीन साधारण ठाउँ:

1. LinkedIn पोस्ट। छोटो। एक अनुच्छेद: तपाईंले के बनाउनुभयो, किन, के सिक्नुभयो, र रिपोको लिङ्क। समुदायले फेला पारोस् भन्ने इच्छा छ भने #AILiteracyNepal ट्याग गर्नुहोस्।
2. दुई साथीलाई WhatsApp/Viber सन्देश। “मैले यो सानो कुरा बनाएँ — के सारांशले तिम्रो आमालाई बुझ्न मिल्छ?” वास्तविक मानिसबाट वास्तविक फिडब्याक सय स्टार रेटिङभन्दा बढी मूल्यवान् छ।
3. सानो ब्लग पोस्ट। Medium, Substack, Hashnode, आफ्नो स्थिर साइट — कतै पनि। कथा भन्नुहोस्: तपाईंले के कोसिस गर्नुभयो, के विफल भयो, के सिक्नुभयो। पोस्ट आफै सानो पोर्टफोलियो टुक्रा बन्छ।

तीनै गर्नु पर्दैन। एउटा काफी छ। “मैले यो बनाएँ” सार्वजनिक रूपमा भन्ने कार्यले परियोजनाको लूप बन्द गर्छ। अर्को सुरु गर्दा पहिलो पटक जति लाग्दैन।

अब तपाईंसँग जे छ

पूर्ण, कार्यरत, संस्करण-नियन्त्रित, README भएको, सार्वजनिक रूपमा देखिने आफ्नै सानो एआई अनुप्रयोग। सुरुदेखि अन्त्यसम्म बनाइएको। पूर्व-तालिमप्राप्त मोडेल प्रयोग गरेर। विशिष्ट व्यक्तिका लागि वास्तविक, विशिष्ट समस्या हल गर्दै। अधिकांश पेसेवर इन्जिनियरहरूले आफ्नो काम सुरु गरेको दोस्रो वर्षसम्म पहिलो यस्तो कुरा बनाउँदैनन्। तपाईंले आठ हप्तामा गर्नुभयो।

एक क्षण त्यससँग बस्नुहोस्। अनि अघि बढ्नुहोस्।

Course 01 को चाप, एक अनुच्छेदमा

तपाईं एआईको प्रयोगकर्ताबाट सुरु गरेर एआई बनाएको व्यक्तिमा अन्त्य गर्नुभयो। बीचमा तपाईंले कार्यशाला सेट गर्नुभयो (अध्याय 1), यसलाई प्रयोग गर्न चाहिने Python सिक्नुभयो (अध्याय 2), हरेक कार्यरत डाटा-व्यक्तिले प्रयोग गर्ने सङ्ख्यात्मक उपकरण-पेटी भेट्नुभयो (अध्याय 3), टिङ्करलाई निर्माताबाट छुट्ट्याउने तीन बानी अपनाउनुभयो (अध्याय 4), होस्ट गरिएको भाषा मोडेल र स्थानीय दृष्टि मोडेल दुवै आफ्नो कोडबाट बोलाउनुभयो (अध्याय 5), र साँचो रूपमा — साँचो रूपमा — सानो वास्तविक चीज सक्दै लूप बन्द गर्नुभयो (अध्याय 6)। यहाँबाट ट्र्याक हरेक टुक्रामा गहिरो जान्छ: डाटामा Course 02, मेसिन लर्निङमा Course 03, भाषा मोडेलमा Course 04, शिपिङमा Course 05। तर आधार अब तपाईंमुनि छ, र त्यो आधार झन्डै हरेक कार्यरत एआई निर्माताले हरेक दिन भर पर्ने कुरा हो।

Course 02 सुरु

तपाईंले सानो परियोजना बनाउनुभयो — र तपाईंले पहिले नै दुई पटक उहीँ तथ्य ठक्कर खानुभयो: काम धेरै हदसम्म डाटामा छ। मोडेल बोलाउन सजिलो थियो; प्रम्प्ट लेख्न सजिलो थियो; भङ्गुर, निराशाजनक, समय-खपत गर्ने टुक्राहरू थिए — पार्स नहुने रसिदहरू, स्ट्रिङका रूपमा फर्केका CSV स्तम्भहरू, छुटेका फिल्ड भएका पङ्क्तिहरू, पाँच फरक तरिकाले लेखिएका नेपाली नामहरू।

त्यो ठ्याक्कै Course 02 बारे हो। डाटासँग काम। ट्र्याकको सबैभन्दा कम चम्किलो पाठ्यक्रम, र मौन रूपमा सबैभन्दा महत्त्वपूर्ण।

तयार हुँदा, पृष्ठ पल्टाउनुहोस्।