NOMAD: A Multi-Agent LLM System for UML Class Diagram Generation from Natural Language Requirements
यह शोध पत्र NOMAD को प्रस्तुत करता है, जो एक मॉड्यूलर मल्टी-एजेंट फ्रेमवर्क है जो कार्य को विशिष्ट उप-कार्यों में विभाजित करके प्राकृतिक भाषा से UML क्लास डायग्राम उत्पन्न करने में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है, साथ ही इस डोमेन में त्रुटियों के पहले व्यवस्थित वर्गीकरण को स्थापित करता है और सत्यापन रणनीतियों का मूल्यांकन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप केवल एक दोस्त के लिखित विवरण के आधार पर एक जटिल लेगो (Lego) किला बनाने की कोशिश कर रहे हैं। यदि आप एक अकेले, बहुत बुद्धिमान रोबोट से उस विवरण को पढ़ने और एक ही बार में पूरा किला बनाने के लिए कहते हैं, तो वह अभिभूत हो सकता है। वह एक विशिष्ट ईंट भूल सकता है, दो समान मीनारों को आपस में मिला सकता है, या जहाँ दीवार होनी चाहिए वहाँ एक पुल बना सकता है।
यह वही समस्या है जिसका सामना मैनचेस्टर विश्वविद्यालय के शोधकर्ताओं ने सॉफ्टवेयर आवश्यकताओं (software requirements) को UML क्लास डायग्राम (UML Class Diagrams) में बदलने के लिए AI का उपयोग करते समय किया था। ये डायग्राम सॉफ्टवेयर के ब्लूप्रिंट की तरह होते हैं, जो दिखाते हैं कि विभिन्न हिस्से (क्लासेस) एक-दूसरे से कैसे जुड़ते हैं।
यहाँ बताया गया है कि उन्होंने सरल उपमाओं (analogies) का उपयोग करके अपने नए सिस्टम, NOMAD के साथ इसे कैसे हल किया:
1. समस्या: "अतिकार्यित जनरल" (The Overworked General)
पहले, शोधकर्ता एक एकल AI (एक "जनरल") से सब कुछ करने के लिए कहते थे: टेक्स्ट को पढ़ना, संज्ञाओं (nouns) को खोजना, संबंधों को समझना और अंतिम डायग्राम बनाना।
- समस्या: एक थके हुए जनरल की तरह, जो अकेले पूरी सेना का प्रबंधन करने की कोशिश कर रहा हो, AI गलतियाँ करता था। वह अक्सर मुख्य ढाँचे (मुख्य इमारतों) को तो सही समझ लेता था, लेकिन विवरणों (जैसे खिड़कियों और दरवाजों) या उनके बीच के कनेक्शन में चूक जाता था।
2. समाधान: "विशेषज्ञ निर्माण दल" (The Specialized Construction Crew - NOMAD)
एक अकेले रोबोट द्वारा सब कुछ करने के बजाय, NOMAD एक निर्माण दल (construction crew) की तरह कार्य करता है जहाँ प्रत्येक कार्यकर्ता का एक विशिष्ट कार्य होता है। वे काम को एक लाइन में आगे बढ़ाते हैं, जैसे कि एक फैक्ट्री में असेंबली लाइन होती है।
- कार्यकर्ता 1: अवधारणा निष्कर्षक (The Concept Extractor - द स्काउट)
- कार्य: टेक्स्ट को पढ़ना और केवल मुख्य "चीजों" (जैसे "ग्राहक", "ऑर्डर", "उत्पाद") की सूची बनाना।
- उपमा: एक स्काउट की तरह जो जंगल में घूमकर कहता है, "मुझे एक पेड़, एक चट्टान और एक नदी दिख रही है।" वे अभी यह नहीं सोचते कि वे कैसे जुड़ते हैं; वे बस पहचानते हैं कि क्या मौजूद है।
- कार्यकर्ता 2: संबंध बोधकर्ता (The Relationship Comprehender - द कनेक्टर)
- कार्य: "चीजों" की सूची लेता है और यह समझता है कि वे एक-दूसरे से कैसे बात करते हैं।
- उपमा: एक सामाजिक योजनाकार (social planner) की तरह जो कहता है, "ग्राहक ऑर्डर खरीदता है," या "ऑर्डर में उत्पाद शामिल हैं।" वे वस्तुओं के बीच रेखाएं खींचते हैं।
- कार्यकर्ता 3: मॉडल इंटीग्रेटर (The Model Integrator - द आर्किटेक्ट)
- कार्य: सूची और कनेक्शन को लेता है और उन्हें एक सख्त, साफ प्रारूप (जैसे डिजिटल ब्लूप्रिंट) में व्यवस्थित करता है।
- उपमा: एक आर्किटेक्ट की तरह जो कच्चे विचारों को लेता है और उन्हें एक सटीक, मानकीकृत योजना में बदल देता है जिसे कोई भी गलत न समझ सके।
- कार्यकर्ता 4: कोड आर्टिकुलेटर (The Code Articulator - द ट्रांसलेटर)
- कार्य: उस साफ योजना को वास्तविक कोड (PlantUML) में बदलता है जिसे कंप्यूटर डायग्राम बनाने के लिए पढ़ सके।
- उपमा: एक अनुवादक की तरह जो आर्किटेक्ट की योजना लेता है और उसे उस विशिष्ट भाषा में लिखता है जिसे निर्माण दल बोलता है।
- कार्यकर्ता 5: वैलिडेटर (The Validator - द इंस्पेक्टर)
- कार्य: अंतिम डायग्राम को देखता है और मूल टेक्स्ट के साथ इसकी जाँच करता है कि कहीं कुछ गलत तो नहीं है।
- उपमा: एक बिल्डिंग इंस्पेक्टर की तरह जो तैयार घर का निरीक्षण करता है ताकि यह सुनिश्चित हो सके कि दरवाजे खुल रहे हैं या छत से पानी तो नहीं टपक रहा। यदि उन्हें कोई गलती मिलती है, तो वे सुधार का सुझाव देते हैं।
3. उन्होंने क्या पाया (परिणाम)
शोधकर्ताओं ने इस "दल" (NOMAD) का परीक्षण "अतिकार्यित जनरल" (एकल AI) के विरुद्ध दो प्रकार के परीक्षणों का उपयोग करके किया:
- नॉर्थविंड टेस्ट (The Northwind Test): एक विशाल, जटिल डेटाबेस परिदृश्य (जैसे एक बहुत बड़ा, विस्तृत शहर का नक्शा)।
- एक्सरसाइज टेस्ट (The Exercise Test): मानव-लिखित आठ छोटे परिदृश्य (जैसे छोटे घर के नक्शे)।
अच्छी खबर:
- बेहतर कनेक्शन: दल (Crew) चीजें कैसे जुड़ती हैं, यह समझने में बहुत बेहतर था। एकल AI अक्सर कनेक्शन छोड़ देता था या गलत कनेक्शन बना देता था। दल ने इसे लगभग हर बार सही किया।
- कम गलतियाँ: दल ने बहुत कम "संरचनात्मक" (structural) त्रुटियाँ कीं (जैसे कि जहाँ दरवाजा होना चाहिए वहाँ दीवार बनाना)।
बुरी खबर (द "फाइन प्रिंट"):
- "एट्रीब्यूट" का संघर्ष: दल अभी भी सूक्ष्म विवरणों, विशेष रूप से एट्रीब्यूट्स (attributes) (क्लास के भीतर छोटे डेटा फ़ील्ड, जैसे "जन्म तिथि" या "कीमत") के साथ संघर्ष कर रहा था।
- क्यों? टेक्स्ट विवरण अक्सर अस्पष्ट थे। कभी-कभी टेक्स्ट कहता था "ग्राहक का हिसाब रखें," लेकिन स्पष्ट रूप से "ईमेल" या "फोन नंबर" सूचीबद्ध नहीं करता था। AI को अनुमान लगाना पड़ता था, और वह अक्सर गलत अनुमान लगाता था या उन्हें छोड़ देता था।
- उपमा: दल घर का ढांचा बनाने में तो बहुत अच्छा था, लेकिन वे कभी-कभी विशिष्ट लाइट स्विच लगाना भूल जाते थे क्योंकि निर्देशों में यह नहीं बताया गया था कि कौन से स्विच उपयोग करने हैं।
4. "एरर टैक्सोनॉमी" (The Error Taxonomy - गलती का शब्दकोश)
शोधकर्ताओं ने महसूस किया कि जब AI गलतियाँ करता है, तो वे सभी एक जैसी नहीं होती हैं। उन्होंने इन डायग्रामों के लिए पहला "गलती का शब्दकोश" (Mistake Dictionary) बनाया। उन्होंने त्रुटियों को तीन श्रेणियों में बांटा:
- संरचनात्मक (Structural): एक पूरा भवन गायब होना या एक नकली भवन जोड़ देना।
- संबंधात्मक (Relationship): दो इमारतों को सड़क के बजाय पुल से जोड़ना।
- सिमेंटिक/लॉजिकल (Semantic/Logical): "गैरेज" के अंदर "रसोई" रखना (यह व्याकरणिक रूप से तो सही है, लेकिन तार्किक रूप से गलत है)।
5. निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि इन सॉफ्टवेयर ब्लूप्रिंट्स को बनाने के लिए NOMAD एक बेहतर तरीका है क्योंकि यह कठिन काम को छोटे, प्रबंधनीय हिस्सों में तोड़ देता है।
- यह तब सबसे अच्छा काम करता है जब निर्देश स्पष्ट हों और प्रोजेक्ट बड़ा हो।
- इसे अभी भी सूक्ष्म विवरणों (attributes) के लिए मदद की आवश्यकता है क्योंकि मानवीय भाषा स्वाभाविक रूप से अस्पष्ट होती है।
- एक "निरीक्षक" (Validator) जोड़ने से अंतिम उत्पाद को साफ करने में मदद मिलती है, जिससे यह और भी सटीक हो जाता है।
संक्षेप में: एक अकेले सुपर-स्मार्ट रोबोट से सब कुछ करने के लिए न कहें। इसके बजाय, विशेषज्ञ रोबोटों की एक टीम को एक स्पष्ट असेंबली लाइन दें, और आपको एक बहुत बेहतर ब्लूप्रिंट मिलेगा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।