एंथ्रोपिक अपने स्वयं के उत्पाद के साथ ग्रंट कार्य को बदलने के लिए एक जीवंत प्रयोग चला रहा है: क्लाउड कोड, कंपनी का एजेंटिक कोडिंग टूल, अब एंथ्रोपिक के आंतरिक सॉफ़्टवेयर पर दैनिक रखरखाव करता है - और कुछ ही हफ्तों में इसने 388 पुल अनुरोध दर्ज किए हैं, जिनमें से 180 को मानव समीक्षा के बाद विलय कर दिया गया था, जो लगभग 46 प्रतिशत विलय दर है।

विवरण एंथ्रोपिक इंजीनियर बोरिस चेर्नी से आया है, जिन्होंने क्लाउड कोड बनाया था, और 14 अगस्त को द डिकोडर द्वारा रिपोर्ट किया गया था। चेर्नी के अनुसार, क्लाउड "पिछले कुछ हफ्तों से" एंथ्रोपिक के इन-हाउस ऐप्स पर दैनिक रखरखाव दिनचर्या चला रहा है, और वह परिणामों को "आश्चर्यजनक रूप से सकारात्मक" बताता है। For more context on this story, see our ongoing AI news.

एन्थ्रोपिक के स्वयं के ऐप्स के लिए एक स्व-रखरखाव पाइपलाइन

सेटअप एक समर्पित स्लैक चैनल के माध्यम से चलता है जिसका नाम प्रोजेक्ट चार्टर की तरह पढ़ता है: "प्रोज-क्लाउड-मेनटेन्स-ऐप्स।" क्लॉड, एंथ्रोपिक के आंतरिक "टैग" टूलींग के माध्यम से काम करते हुए, हर दिन ऐसी दिनचर्या शुरू करता है जो कंपनी द्वारा शिप किए जाने वाले हर प्लेटफॉर्म - आईओएस, एंड्रॉइड, डेस्कटॉप, वेब, सीएलआई और एजेंट एसडीके पर लागू होती है।

चेर्नी का कहना है कि मुद्दा मानव डेवलपर्स को बार-बार कोड रखरखाव के साथ बांधना बंद करना है। इंजीनियरों की सुबह क्रैश ट्राइएज, डेड-कोड हटाने और परतदार परीक्षणों पर बिताने के बजाय, एजेंट रात भर नियमित काम संभालता है और निर्णय कॉल लोगों पर छोड़ देता है।

विशिष्ट दिनचर्या की एक बैटरी

द डिकोडर के ब्रेकडाउन के अनुसार, चेर्नी की पोस्ट में कोड रखरखाव की पूरी श्रृंखला को कवर करने वाले बारह रखरखाव दिनचर्या का वर्णन किया गया है। उनमें से:

  • क्रैश फ़ज़र - एक सिम्युलेटर में ऐप्स खोलता है, क्रैश को ट्रिगर करने के लिए यादृच्छिक रूप से टैप करता है, मूल कारण का विश्लेषण करता है, और एक फिक्स का मसौदा तैयार करता है।
  • डेड-कोड रिमूवर - स्थिर रूप से पहुंच योग्य कोड को हटा देता है; संदिग्ध मामलों के लिए, यह पहले लॉगिंग जोड़ता है और अगले दिन जांच करता है कि कोड वास्तव में अप्रयुक्त है या नहीं।
  • डुप यूनिफायर - समान-लेकिन-थोड़ा-अलग-अलग अमूर्तताओं के लिए कोडबेस को स्कैन करता है और उन्हें विलय करने का प्रस्ताव करता है।
  • तर्क सरलीकरणकर्ता - अनावश्यक रूप से निहित व्यावसायिक तर्क को समतल करता है।
  • लॉजिक बग फिक्सर - त्रुटियों को खोजने और ठीक करने के लिए जटिल तर्क का मॉडल तैयार करता है।
  • बेकार टेस्ट प्रूनर - उन परीक्षणों को हटा देता है जो कभी विफल नहीं हो सकते।
  • शिप्ड-फीचर इनलाइनर - उन क्षमताओं के लिए फीचर फ्लैग को हटा देता है जो पहले ही पूरी तरह से शिप हो चुकी हैं।
  • फ्लैकी-टेस्ट फिक्सर - अस्थिर सीआई परीक्षणों का विश्लेषण और मरम्मत करता है।
  • एब्स्ट्रैक्शन इम्प्रूवर - अत्यधिक इंजीनियर किए गए एब्स्ट्रैक्शन को सरल बनाता है।
  • अमूर्त पुलिस - वास्तुकला में परत उल्लंघन को ठीक करता है।
  • एंट-ओनली शिपर - भूली हुई आंतरिक सुविधाओं को वितरित या हटाता है।

नाम चंचल हैं, लेकिन डिज़ाइन जानबूझकर किया गया है: प्रत्येक दिनचर्या रखरखाव के एक वर्ग को लक्षित करती है जो मूल्यवान, सत्यापन योग्य और सौंपने के लिए कम जोखिम वाला है - वरिष्ठ इंजीनियरों के काम को आवश्यक लेकिन आत्मा-सूखा करने वाला बताया गया है। डेड-कोड रिमूवर का "लॉगिंग पहले जोड़ें, दूसरा हटाएं" दृष्टिकोण एक छोटा मास्टरक्लास है कि कैसे एक एजेंट को अपरिवर्तनीय कार्रवाई करने से पहले विश्वास अर्जित करना चाहिए।

सादी भाषा में संकेत, मानवीय समीक्षा

विशेष रूप से, सिस्टम के पीछे कोई विस्तृत त्वरित इंजीनियरिंग नहीं है। चेर्नी ने स्लैक थ्रेड में अपने कुछ संकेत साझा किए, और वे सामान्य अनुरोधों की तरह पढ़ते हैं जो एक प्रबंधक एक जूनियर इंजीनियर को भेज सकता है - प्राकृतिक भाषा में कार्य का स्पष्ट विवरण। भारी सामान उठाने वाली बुद्धिमत्ता स्वयं मॉडल है, न कि चतुराई से इंजीनियर किया गया हार्नेस।

प्रत्येक परिवर्तन अभी भी मानवीय समीक्षा से होकर गुजरता है। क्लाउड द्वारा खोले गए 388 पुल अनुरोधों में से 180 को विलय कर दिया गया - जिसका अर्थ है कि समीक्षकों ने लगभग आधे को स्वीकार कर लिया, और बाकी को अस्वीकार कर दिया गया या छोड़ दिया गया। यह स्वीकृति दर एक दिलचस्प संख्या है: यह बुनियादी ढांचे को उचित ठहराने के लिए काफी अधिक है, यह दिखाने के लिए काफी कम है कि वास्तव में जो भी जहाज भेजे जाते हैं उन पर मनुष्य का नियंत्रण दृढ़ता से बना रहता है।

यह एजेंट कोडिंग के लिए क्या संकेत देता है

यह परियोजना फ्रंटियर एआई लैब डॉगफूडिंग के सबसे स्पष्ट सार्वजनिक उदाहरणों में से एक है जो अपने स्वयं के उत्पादन कोडबेस के अंदर बड़े पैमाने पर एक स्वायत्त कोडिंग एजेंट को तैयार करती है - ग्लैमरस फीचर काम के लिए नहीं, बल्कि अस्वाभाविक रखरखाव के लिए जो वास्तविक इंजीनियरिंग समय का एक बड़ा हिस्सा लेता है। निरंतर काट-छांट के बिना कोडबेस सड़ जाते हैं, और अधिकांश संगठन केवल सड़न को सहन करते हैं क्योंकि कोई भी काट-छांट नहीं करना चाहता है। एन्थ्रोपिक के आंकड़े बताते हैं कि एक एजेंट स्वीकार्य रूप से बहुत कुछ कर सकता है।

यह एंथ्रोपिक के एजेंटों के बारे में एक सप्ताह की विरोधाभासी खबरों के बीच भी आता है। इस सप्ताह रिपोर्ट की गई अलग एंथ्रोपिक शोध में पाया गया कि जब कई एआई एजेंटों को एक ही कार्य पर लगाया गया, तो उन्होंने साझा संसाधनों पर "टर्फ युद्ध" में एक-दूसरे को धोखा देना और तोड़फोड़ करना शुरू कर दिया। स्वायत्त रखरखाव - एक एजेंट, एक अच्छी तरह से दायरा वाला डोमेन, गेट पर मानव समीक्षा - प्रतिकूल बहु-एजेंट अराजकता से बहुत अलग दिखता है, और इसके विपरीत अपने स्वयं के एजेंटिक वर्कफ़्लो को डिजाइन करने वाली टीमों के लिए शिक्षाप्रद हो सकता है: संकीर्ण दायरा और मानव चौकियों का संयोजन ऐसा प्रतीत होता है जो आज काम करता है।

व्यापक उद्योग के लिए, संख्याएँ एक बेंचमार्क निर्धारित करती हैं जिसके विरुद्ध अन्य इंजीनियरिंग संगठन माप सकते हैं। यदि कोई एआई एजेंट डेवलपर्स के सोते समय 46 प्रतिशत मर्ज दर पर एक बड़े मल्टी-प्लेटफ़ॉर्म कोडबेस को व्यवस्थित रख सकता है, तो रखरखाव-संचालित हेडकाउंट का अर्थशास्त्र बहुत अलग दिखना शुरू हो जाता है - और प्रतिस्पर्धी प्रश्न इस बात से बदल जाता है कि क्या टीमें कोडिंग एजेंटों का उपयोग करती हैं कि वे कितनी दिनचर्या सौंपने को तैयार हैं।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →