4 हफ्तों में: 10-Agent Marketing Platform बनाना Naps लेते हुए
मैंने 4 हफ्तों में multi-tenant architecture के साथ 3 AI marketing agents build किए — उतना ही जो मैंने DIALØGUE के पहले महीने में किया जो launch होने में 7 महीने लगे।
UPDATE (November 2025): STRAŦUM अब live है! जो "4-week speed run" के रूप में शुरू हुआ वह एक full 9-agent marketing intelligence application में evolve हुआ। Full launch story पढ़ें: STRAŦUM: The 9-Agent Marketing Application I Built in 75 Days
अभी try करें: stratum.chandlernguyen.com पर (Private Alpha - invitation-only access)
छह दिन। बस इतने दिन मैंने DIALØGUE launch करने के बाद अपना next project शुरू करने से पहले wait किया।
आप सोच रहे होंगे "क्या आपको अपने podcast generator को market करना नहीं चाहिए? Users लाने चाहिए? Bugs fix करने चाहिए?" और आप बिल्कुल सही होंगे। लेकिन यह बात है — मैं देखना चाहता था कि new AI tools के साथ मैं कितनी दूर और कितनी तेज़ी से खुद को push कर सकता हूँ। इसे speed run कहें, इसे overambition कहें, इसे वह कहें जो होता है जब Claude Code और Gemini 2.5 Pro building को फिर से fun बना देते हैं।
वह Timeline जो Possible नहीं होनी चाहिए थी
इसे perspective में रखते हैं:
- DIALØGUE: Code की पहली line से launch तक 6-7 महीने
- Marketing Suite: 4 हफ्तों में, already 3 working AI agents हैं जो एक-दूसरे से बात कर रहे हैं
Git history देखते हुए, day one के अंत तक, मेरे पास था:
- organization → client → campaign hierarchy के साथ Multi-tenant architecture
- authentication के साथ Initial React frontend
- 11 different frameworks का उपयोग करते हुए एक working Business Strategy Agent
- Row Level Security के साथ Supabase integration
यह उससे ज़्यादा है जो मैंने DIALØGUE build करने के पहले महीने में accomplish किया।
वे Numbers जो मुझे चलते रहते हैं
पिछले 4 हफ्तों के कुछ quick metrics:
- Features shipped: 3 complete agents + multi-tenant architecture
- Lines of code: ~117,000 (Python: 39k, TypeScript: 58k, SQL: 20k, Javascript: बाकी)
- Database tables: 39 (प्रत्येक specific purpose के लिए — इस पर बाद में और)
- Git commits: 232 (लगभग 26 दिनों में)
- Coffee consumed: मत पूछिए
यह Project Actually 10x Harder क्यों है
DIALØGUE complex था, sure। AWS Lambda functions, Step Functions, eventually सब कुछ Google Cloud Run पर migrate करना। लेकिन fundamentally, यह एक single-purpose tool था: podcasts generate करना। एक user type। एक workflow। एक happy path।
यह Marketing Suite? मुझे दिखाते हैं:
एक Real Scenario: एक agency Nike और Adidas (hypothetically) manage करती है। Agency का strategist Business Strategy Agent का उपयोग करता है Nike की position analyze करने के लिए। वह analysis automatically strategy_outputs table में save होती है। जब वे Persona Agent पर switch करते हैं, तो यह Nike की strategy को persona development inform करने के लिए pull करता है — लेकिन यह Adidas data नहीं देख सकता। इस बीच, brand_guidelines table में Nike के brand guidelines Content Agent तक cascade down करते हैं, ensure करते हुए कि content का हर piece Nike की voice use करे, Adidas की नहीं।
इसके लिए ज़रूरी है:
- SME vs AGENCY types के साथ organizations table
- clients table (सिर्फ agencies के लिए)
- org AND client दोनों के foreign keys के साथ campaigns
- campaign-level isolation के साथ strategy_outputs
- hierarchical inheritance के साथ brand_guidelines
- हर single table पर Row Level Security policies
यह सिर्फ एक workflow है। अब इसे 10 agents से multiply करें, प्रत्येक के अपने data requirements के साथ।
क्या Actually काम कर रहा है (और क्या अभी भी Chaos है)
काम कर रहा है (3 Live Agents + Business Intelligence)
Business Strategy Agent: यह आपका typical SWOT generator नहीं है। यह 11 comprehensive frameworks apply करता है:
- SWOT Analysis - Porter's Five Forces - Business Model Canvas - ICE Prioritization - BCG Growth-Share Matrix - VRIO Framework - Three Horizons Model - Blue Ocean Strategy - McKinsey 7S Framework - OKRs Framework - Jobs to Be Done
हर framework structured data generate करता है जो other agents में feed होता है। जब आप SWOT analysis run करते हैं, तो "Opportunities" automatically Marketing Strategy Agent की growth tactics को inform करती हैं।
Persona Agent: 15+ attributes के साथ detailed customer personas generate करता है AND — यहाँ wild part है — आप उनका interview कर सकते हैं। Actual conversation:
आप: "Project management tools में आपको सबसे ज़्यादा क्या frustrate करता है?"
Persona (Tech Startup Founder): "Constant context switching। मुझे Slack, फिर Asana, फिर analytics dashboard check करना होता है। जब तक मुझे पता चलता है क्या attention चाहिए, 30 मिनट बर्बाद हो चुके हैं।"
हर interview response smarter होता है क्योंकि यह persona_interactions history से pull करता है। Users इन interviews में 20-30 मिनट बिता रहे हैं।
Marketing Strategy Agent: यह bridge है। यह आपकी business strategy लेता है, आपकी personas समझता है, और actionable go-to-market plans बनाता है।
Business Intelligence (Hidden Hero): किसी भी agent के साथ हर conversation automatically insights extract करता है और organizational knowledge build करता है।
अभी भी Build हो रहा है (Next 7 Agents)
Campaign Execution Agent: यहाँ चीज़ें scary हो जाती हैं। Google Ads, Meta, LinkedIn, TikTok के लिए API keys safely कैसे store करें?
Analytics Agent: कौन से APIs पहले integrate करें? Google Analytics 4? Meta ads? LinkedIn Analytics?
ROI & Budget Agent: Different attribution models के साथ multiple platforms पर real-time tracking।
Hard Questions जो मुझे रातों को जगाए रखते हैं
- Brand name: इस application को क्या बुलाऊँ? :P अगर अच्छे suggestions हैं, तो नीचे बताएं!
- API Security: Multiple ad platforms के लिए API keys security nightmare बने बिना कैसे handle करें?
- Cohesive Experience: 10 specialized agents को एक unified platform जैसा कैसे feel कराएं बजाय 10 different tools के जो duct-tape से जुड़े हों
Architecture Evolution: Pain से सीखना
DIALØGUE के साथ, मैंने race conditions के बारे में the hard way सीखा। वह 3-minute signup bug याद है? New users forever wait करते क्योंकि auth trigger और Edge Function same user record बनाने के लिए race कर रहे थे।
इस बार, मैंने इसे day one से सही बनाया। एक actual example कुछ दिन पहले का:
Problem: Marketing Strategy Agent को जानना है कि कौन से personas exist करते हैं, क्या strategies बनाई गई हैं, और कौन से brand guidelines follow करने हैं — complete data isolation maintain करते हुए।
Solution: हर agent को multiple tables query कराने के बजाय, मैंने एक Enterprise Context Service build किया जो single source of truth के रूप में act करती है:
// पहले: हर agent multiple queries कर रहा था
const personas = await supabase.from('personas').select()
const strategies = await supabase.from('strategies').select()
const guidelines = await supabase.from('brand_guidelines').select()
// बाद में: एक intelligent service
const context = await getEnterpriseContext(campaignId)
// 45ms में filtered, cached, properly-scoped data return करती है
Speed Difference Real है
September 14th insane था। Actual git log timestamps के साथ देखें:
08:04 AM - Migrated frontend to standardized API client
08:19 AM - Completed API standardization (100% coverage)
11:34 AM - Phase 1: Centralized route configuration
(कहीं भी hardcoded URLs नहीं)
1:00 PM - Phase 2: Standardized all 10 agent pages
(consistent URL patterns like /agents/strategy/:campaignId)
1:10 PM - Phase 3.1: Core context management
(URLs में workspace → client → campaign hierarchy)
4:31 PM - Phase 3.2: Navigation components context-aware बने
(breadcrumbs show "Nike › Summer Campaign › Strategy Agent")
4:38 PM - Phase 3.3: All agents context system के साथ integrated
(campaigns switch करने पर आपकी जगह preserve होती है)
5:03 PM - Phase 3.4: Testing & Polish
(code splitting के ज़रिए 92% bundle size reduction)
छह major architectural improvements। URL system अकेले codebase में 40+ files को touch किया। AI assistance से पहले, यह एक week-long refactor होती कुछ broken features के साथ।
और मैं computer के सामने most of the time नहीं था :D
यह एक Sunday था इसलिए हम church गए, super market गए, seafood के साथ full lunch किया, nap ली, Costco गए और iPad पर games खेले। यह AI assisted coding की वजह से possible है। Claude Code और Gemini CLI का शुक्रिया!
URL standardization का users के लिए actual मतलब:
// पहले: agents के बीच switch करने पर context खो जाता था
"/strategy" // कौन सा campaign? कौन सा client? कौन जाने?
// बाद में: URL में context preserve होता है
"/workspace/nike/campaign/summer-2025/agents/strategy"
// Bookmark करें, share करें, refresh करें - context intact रहता है
DIALØGUE के बस Launch होने पर यह क्यों Build करें?
क्योंकि मैं कर सकता हूँ। क्योंकि tools इतने अच्छे हो गए हैं। क्योंकि advertising में 20+ साल के बाद, मेरे पास finally वह marketing platform build करने की skills हैं जो मैं हमेशा use करना चाहता था।
लेकिन mostly? क्योंकि मैं document करना चाहता हूँ कि क्या possible है जब आप domain expertise को modern AI tools के साथ combine करते हैं। यह developers को replace करने के बारे में नहीं है — यह उन्हें amplify करने के बारे में है। चार हफ्ते पहले, इतना complex कुछ build करने के लिए एक team चाहिए होती। अब इसके लिए determination, अच्छे AI assistants, और caffeine की dangerous मात्रा चाहिए। (हालाँकि जैसा मैंने बाद में discover किया Swift जाने बिना एक native iOS app build करते हुए, AI आपको लगभग 60% तक पहुँचाता है — taste और polish का last 40% अभी भी पूरी तरह human है।)
आगे क्या है?
मैं October/November में alpha launch target कर रहा हूँ। यहाँ क्या होना ज़रूरी है:
- बाकी 7 agents finish करना - Campaign planning interface build करना - Ad platform integration security figure out करना - Agency UI/flow को sensible बनाना - Actual users के साथ सब कुछ test करना (terrifying)
Analytics Agent अकेले Google Analytics, ad platforms, और internal metrics से unified dashboards में data aggregate करना होगा। ROI Agent को multiple platforms पर near real-time budget tracking चाहिए।
हर एक अपने आप में एक project है। लेकिन इस pace पर? यह actually possible लग रहा है???
Follow करना चाहते हैं? मैं build करते हुए और updates share करता रहूँगा।
Public में build करने का मतलब है victories के साथ chaos share करना। अभी, mostly chaos है। लेकिन यह productive chaos है, और यही count करता है।
एक महीने में वापस देखें। अगर सब well गया, तो आप एक marketing platform test करने में सक्षम होंगे जिसमें AI agents एक पूरे marketing department का काम करते हैं। अगर यह well नहीं गया... well, कम से कम blog posts entertaining होंगे। :P
