AI एजेंटों का उदय: AutoGPT से Claude Code तक।

मेटा विवरणः देखें कि कैसे AI कोडिंग एजेंट AutoGPT लूप से Claude Code, कॉडेक्स, कोवर्क और ओपनक्लॉ में चले गए, और जहां एजेंट डेवलपर्स, टीमों और बिल्डरों के लिए आज मदद करते हैं।

टैगः AI कोडिंग एजेंट, Claude Code, कोडेक्स, AutoGPT , एजेंट कार्यप्रवाह

विशेष रुप से प्रदर्शित छवि: परस्पर जुड़े कार्यप्रवाह नोड्स और कोड प्रतीकों का अमूर्त अनुकूल चित्रण, कोई लोग, लोगो या पाठ नहीं।

AI कोडिंग एजेंट अब JUST नहीं हैं एक डेमो जो हमेशा के लिए लूप करता है। Towards AI लेख में AutoGPT शैली के स्वायत्त लूप से Claude Code, कोड, कॉवर्क और ओपनक्लॉ जैसे उपकरणों की ओर बदलाव का पता लगाया गया है। डेवलपर्स, तकनीकी लीड और बिल्डरों के लिए, व्यावहारिक टेकआउट यह है कि एजेंट मूल्य अब कच्चे मॉडल चतुराई पर कम निर्भर करता है और वर्कफ़्लो फिट, सत्यापन, अनुमतियों और मानव समीक्षा पर अधिक निर्भर करता हैः लेख बेंचमार्क स्कोर और शिपिंग कोड की गन्दा वास्तविकता के बीच अंतर की ओर भी इशारा करता है.

AutoGPT -शैली लूप निराश क्यों

AutoGPT स्वायत्त एजेंटों के लिए एक प्रारंभिक संदर्भ बिंदु बन गया: एक ऐसी प्रणाली जो लक्ष्य ले सकती है, चरणों की योजना बनाती है, उपकरणों को कॉल करती है और जब तक यह पूरा नहीं हो जाता तब तक दोहराती है। विचार रोमांचक था क्योंकि इसने सुझाव दिया कि मशीन लगातार संकेतों के बिना जूनियर डेवलपर की तरह कार्य कर सकती है। वास्तविकता गड़बड़ थी।

लंबे लूप मूल कार्य से विचलित हो सकते हैं, रिपॉजिटरी बाधाओं का ट्रैक खो देते हैं, लापता फ़ाइलों को आविष्कार करते हैं या उन कार्यों पर tokens खर्च करते हैं जो वे हल करने की तुलना में अधिक समस्याएं पैदा करते हैं। एक नियंत्रित डेमो में, कई चरणों का प्रयास करने वाला एजेंट प्रभावशाली लग सकता है। वास्तविक कोडबेस में, वही व्यवहार महंगा, ऑडिट करना कठिन और साफ-सुथरा बंद करना मुश्किल हो सकता है.

प्रारंभिक लहर विफल नहीं हुई क्योंकि स्वायत्त एजेंट असंभव थे। यह असफल हो गया क्योंकि आसपास के नियंत्रण अपरिपक्व थे। टीमों को अधिक सुरक्षित अनुमतियों, स्पष्ट कार्य सीमाओं, बेहतर स्मृति और उत्पादन तक पहुंचने से पहले प्रत्येक चरण की पुष्टि करने का एक तरीका चाहिए था।

नए उपकरण क्या संकेत देते हैं

स्रोत में नाम एक अलग मॉडल की ओर इशारा करते हैंः संकीर्ण, कार्यप्रवाह-जागरूक एजेंटों के बजाय खुले अंत वाले लूपर्स। Claude Code और कोडेक्स कोडिंग वर्कफ़्लो से जुड़े हुए हैं जहां सहायक फ़ाइलें पढ़ सकता है, कमांड चला सकता है या परिभाषित वातावरण के भीतर डिफ का उत्पादन कर सकता है। कॉवर्क और ओपनक्लॉ बातचीत को सहयोगी या विशेष टूलींग में विस्तारित करता है, हालांकि पाठकों को उन पर भरोसा करने से पहले वर्तमान उत्पाद विवरण की जांच करनी चाहिए।

सामान्य पैटर्न यह है कि उपयोगी एजेंट किसी कार्य, रिपॉजिटरी, एक परीक्षण हार्नेस या अनुमति सीमा से जुड़े होते हैं। इसका महत्व इसलिए है क्योंकि कोड का काम शायद ही कभी एकल उत्तर होता है। यह छोटे, चेक करने योग्य चालों का अनुक्रम हैः संपादन प्रस्तावित करें, परीक्षण चलाएं, विफलता की समीक्षा करें, समायोजित करें, फिर मानव को मंजूरी देने के लिए कहें।

यह एक स्वस्थ डिजाइन है कि एजेंट बिना पर्यवेक्षण के पूरी सुविधा की योजना और निष्पादित कर सकता है। सबसे अच्छे उपकरण मानव की भूमिका को आसान बनाते हैंः स्पष्ट परिवर्तन, छोटा दायरा, दृश्य लॉग और तेजी से सत्यापन।

बेंचमार्क का अंधा स्थान

बेंचमार्क अभी भी मायने रखते हैं. वे दिखाते हैं कि क्या कोई मॉडल किसी ज्ञात कार्य पर एक कामकाजी पैच का उत्पादन कर सकता है। लेकिन वे अक्सर मिस करते हैं जो एजेंटों को उत्पादन में उपयोग करने योग्य बनाता है।

एक बेंचमार्क अंतिम शुद्धता को माप सकता है, न कि कितने पुनः प्रयासों की आवश्यकता थी, कितना संदर्भ उपभोग किया गया था, कितनी फाइलें छूई गईं थीं या क्या एजेंट ने कोई असंबंधित निर्भरता तोड़ दी थी। यह शैली, सुरक्षा समीक्षा, रखरखाव, या टीम के मौजूदा आर्किटेक्चर की अनदेखी करते हुए छोटे परीक्षण सूट पास करने वाले कोड को पुरस्कृत कर सकता है।

स्रोत की फ्रेमिंग एक ही सबक का सुझाव देती हैः स्कोर स्वायत्तता को अतिरंजित कर सकते हैं जब कार्य छोटा और अलग-थलग हो। वास्तविक इंजीनियरिंग के लिए, अधिक उपयोगी प्रश्न हैंः क्या एजेंट आश्चर्यजनक परिवर्तनों के बिना रेपो के अंदर संचालित कर सकता है, क्या यह अपने कार्यों की व्याख्या कर सकेगा, और जब वह पर्याप्त नहीं जानता तो सुरक्षित रूप से विफल हो सकता है?

जहां एजेंट अब उपयोगी हैं

व्यावहारिक स्वीट स्पॉट वह है जहां आउटपुट को सत्यापित करने के लिए तेज़ होता है। एजेंट बॉयलरप्लेट, माइग्रेशन, टेस्ट स्कैफोल्डिंग, स्पष्ट सीमाओं वाले रीफैक्टर्स, एक अंतर का सारांश देने या API पैटर्न को दूसरे में अनुवादित करने में मदद कर सकते हैं। वे लिंटिंग, यूनिट परीक्षणों, प्रकार की जांच और निरंतर एकीकरण के साथ जोड़े जाने पर भी उपयोगी हो सकते हैं, क्योंकि ये चेक एक अस्पष्ट "शायद सही" उत्तर को पास या विफल संकेत में बदल देते हैं।

वे कम उपयोगी होते हैं जब कार्य अस्पष्ट, सुरक्षा-महत्वपूर्ण या जनजातीय ज्ञान पर निर्भर होता है जिसे लिखा नहीं गया है। एक अच्छा नियम यह है कि एजेंट को तेजी से जूनियर योगदानकर्ता के रूप में माना जाए जिसके लिए वरिष्ठ समीक्षक की आवश्यकता होती हैः इसे एक छोटा सा टिकट दें, किया की स्पष्ट परिभाषा और सुरक्षित सैंडबॉक्स।

यह भी बदलता है कि टीमों को मूल्य कैसे मापना चाहिए। सवाल केवल यह नहीं है कि क्या एजेंट ने कोड उत्पन्न किया. यह है कि यह समीक्षा समय कम कर दिया, यांत्रिक प्रयास घटाया और परियोजना के प्रतिबंधों से मेल खाने वाले परिवर्तन किए। यदि एजेंट बचाए जाने की तुलना में अधिक डिबगिंग बनाता है, तो यह अभी तक उपयोगी नहीं है।

किसको इसका उपयोग करना चाहिए/कौन इसे छोड़ना चाहिए

यदि आपकी टीम के पास परीक्षण, संस्करण नियंत्रण, समीक्षा आवश्यकताएं और अनुमतियों को सीमित करने का एक तरीका है तो इस पैटर्न का उपयोग करें. यह भी कोशिश करने लायक है जब दोहरावदार कोड कार्य डेवलपर्स को धीमा कर रहा है, क्योंकि मूल्य यांत्रिक प्रयास को कम करने से आता है, निर्णय की जगह नहीं।

इसे छोड़ दें, या कम से कम धीमा करें, यदि आप एक पूरी तरह से स्वायत्त डेवलपर की उम्मीद करते हैं, अगर उत्पादन परिवर्तनों की समीक्षा नहीं की जा सकती है, या यदि आपके कोडबेस में गार्डरेल का अभाव है। अभी के लिए, AutoGPT लूप्स से Claude Code, कोडेक्स, कॉवर्क और ओपनक्लो में बदलाव सबसे अच्छा परिपक्वता कहानी के रूप में पढ़ा जाता हैः एजेंट अधिक उपयोगी हो रहे हैं जब वे कम जादुई होते हैं।