Confucius Code Agent: Scalable Agent Scaffolding for Real-World Codebases
कॉन्फ्यूशियस कोड एजेंट (CCA), कॉन्फ्यूशियस SDK पर निर्मित एक स्केलेबल सॉफ्टवेयर इंजीनियरिंग एजेंट है, जो उन्नत संदर्भ प्रबंधन, निरंतर सीखने और स्वचालित परिशोधन के लिए एक मेटा-एजेंट को एकीकृत करता है ताकि SWE-Bench-Pro जैसे वास्तविक कोडिंग कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
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 एक विशाल, 20 मंजिला पुस्तकालय को ठीक करने की कोशिश कर रहे हैं जहाँ हर किताब कोड का एक हिस्सा है और किताबें लगातार बदली जा रही हैं। आपके पास एक बहुत ही बुद्धिमान लाइब्रेरियन (AI मॉडल) है जो पढ़ना और लिखना जानता है, लेकिन यदि आप उन्हें पूरा पुस्तकालय सौंप देते हैं, तो वे घबरा जाते हैं, पाँच मिनट पहले जो किया था उसे भूल जाते हैं, और गलतियाँ करने लगते हैं।
यह शोध पत्र Confucius Code Agent (CCA) पेश करता है, जो एक "सुपर-लाइब्रेरियन" बनाने का एक नया तरीका है जो वास्तव में खोए बिना वास्तविक दुनिया के विशाल सॉफ़्टवेयर प्रोजेक्ट्स को संभाल सकता है।
यहाँ बताया गया है कि यह पेपर इसे सरल अवधारणाओं में कैसे समझाता है:
1. समस्या: "घबराई हुई प्रतिभा" (The Overwhelmed Genius)
वर्तमान AI कोडिंग टूल्स उन जीनियस की तरह हैं जो छोटे कार्यों के लिए तो बेहतरीन हैं लेकिन लंबे कार्यों के लिए बहुत खराब हैं।
- रिसर्च टूल्स (Research tools) पारदर्शी होते हैं (आप देख सकते हैं कि वे कैसे सोचते हैं) लेकिन जब काम बहुत बड़ा हो जाता है तो वे बिखर जाते हैं।
- कमर्शियल टूल्स (Commercial tools) व्यवहार में अच्छा काम करते हैं लेकिन वे 'ब्लैक बॉक्स' की तरह होते हैं; आप उन्हें आसानी से बदल नहीं सकते या यह नहीं समझ सकते कि वे क्यों विफल हुए।
- समस्या: वास्तविक सॉफ़्टवेयर इंजीनियरिंग केवल एक लाइन का कोड लिखना नहीं है; यह हजारों फाइलों, कई चरणों और दिनों पहले जो किया था उसे याद रखने वाली एक लंबी यात्रा है। मौजूदा टूल्स चीजें भूल जाते हैं या जानकारी की भारी मात्रा से भ्रमित हो जाते हैं।
2. समाधान: "तीन-अनुभव" वाला लाइब्रेरी सिस्टम (The Three-Experience Library System)
लेखकों ने Confucius SDK नामक एक प्लेटफॉर्म बनाया है। केवल AI को अधिक दिमागी शक्ति देने के बजाय, उन्होंने सब कुछ सुचारू रूप से चलाने के लिए लाइब्रेरी को तीन अलग-अलग भूमिकाओं में व्यवस्थित किया है:
- एजेंट अनुभव (Agent Experience - AX): यह AI का "आंतरिक कार्यक्षेत्र" है। यह एक साफ, व्यवस्थित डेस्क है जहाँ AI केवल उन आवश्यक नोट्स को देखता है जिनकी उसे सोचने के लिए आवश्यकता है। वह अव्यवस्थित लॉग या मानवीय बातचीत से विचलित नहीं होता है।
- यूजर अनुभव (User Experience - UX): यह वह है जो आप (इंसान) देखते हैं। यह एक स्पष्ट, पठनीय डैशबोर्ड है जो AI की प्रगति को दिखाता है, जैसे कि किए जा रहे काम का एक स्ट्रीमिंग वीडियो, ताकि आप कच्चे कंप्यूटर कोड से भ्रमित न हों।
- डेवलपर अनुभव (Developer Experience - DX): यह उन इंजीनियरों के लिए "कंट्रोल रूम" है जो AI बना रहे हैं। यह उन्हें टूल्स को आसानी से बदलने, AI को सीखते हुए देखने और स्वयं सिस्टम के बग्स को ठीक करने की अनुमति देता है।
उपमा (Analogy): एक निर्माण स्थल (construction site) की कल्पना करें।
- AX फोरमैन का क्लिपबोर्ड है जिसमें केवल ब्लूप्रिंट और टू-डू लिस्ट है।
- UX सुरक्षा कांच की खिड़की है जहाँ क्लाइंट काम होते हुए देखता है।
- DX वह टूलबॉक्स रूम है जहाँ आर्किटेक्ट अपने हथौड़े और ड्रिल को व्यवस्थित रखते हैं ताकि उन्हें आसानी से बदला जा सके।
3. चार महाशक्तियाँ (The Four Superpowers)
विशाल कोडबेस पर इस सिस्टम को काम करने के योग्य बनाने के लिए, Confucius Agent चार विशिष्ट तरीकों का उपयोग करता है:
A. "स्मार्ट समराइज़र" (संदर्भ प्रबंधन - Context Management)
जब आप AI के साथ लंबे समय तक बात करते हैं, तो बातचीत बहुत लंबी हो जाती है जिससे AI सब कुछ याद नहीं रख पाता।
- यह कैसे काम करता है: एजेंट के पास एक "कोड आर्किटेक्ट" होता है जो बातचीत पर नज़र रखता है। जब यह बहुत लंबी हो जाती है, तो आर्किटेक्ट रुकता है, इतिहास को पढ़ता है, और एक संरचित सारांश (जैसे लक्ष्यों, निर्णयों और त्रुटियों की बुलेट-पॉइंट सूची) लिखता है। वह पुराने, अव्यवस्थित चैट लॉग्स को हटा देता है और उन्हें इस साफ सारांश से बदल देता है।
- परिणाम: AI कभी भी बड़ी तस्वीर को नहीं भूलता, भले ही घंटों काम हुआ हो।
B. "परसिस्टेंट नोटबुक" (नोट लेना - Note-Taking)
आमतौर पर, जब कोई AI विफल होता है, तो वह अगली बार शुरू करने पर उस विफलता को भूल जाता है।
- यह कैसे काम करता है: एजेंट के पास एक समर्पित "नोट-टेकर" है जो जो हुआ उसे एक स्थायी, व्यवस्थित नोटबुक (Markdown फाइल्स) में लिखता है। महत्वपूर्ण बात यह है कि वह विफलता के नोट्स भी लिखता है (जैसे, "इस फ़ाइल को इस तरह से संपादित करने का प्रयास न करें; इससे त्रुटि होती है")।
- परिणाम: यदि एजेंट बाद में उसी समस्या का सामना करता है, तो वह नोटबुक खोलता है, पिछली गलती को देखता है, और उसी गलती को दोबारा करने के बजाय उसे तुरंत ठीक करता है।
C. "मॉड्यूलर टूलबॉक्स" (एक्सटेंशन - Extensions)
AI द्वारा टूल्स (जैसे फाइल एडिटर) के उपयोग के तरीके को हार्ड-कोड करने के बजाय, सिस्टम "एक्सटेंशन्स" का उपयोग करता है।
- यह कैसे काम करता है: इन्हें लेगो (Lego) ब्लॉक्स की तरह समझें। आप एजेंट पर अलग-अलग टूल्स (सर्च, एडिट, कमांड चलाना) जोड़ सकते हैं। यदि कोई टूल टूट जाता है या उसे नए नियम की आवश्यकता होती है, तो आप पूरे रोबोट को फिर से बनाए बिना बस उस ब्लॉक को बदल सकते हैं।
- परिणाम: यह सिस्टम लचीला और अपडेट करने में आसान है।
D. "सेल्फ-इंप्रूविंग कोच" (मेटा-एजेंट - Meta-Agent)
यह सबसे अनूठा हिस्सा है। सिस्टम में एक दूसरा AI शामिल है जिसका एकमात्र काम पहले AI को बनाना और सुधारना है।
- यह कैसे काम करता है: मेटा-एजेंट मुख्य एजेंट को टूल्स का उपयोग करने का तरीका बताने के विभिन्न तरीकों का परीक्षण करता है। वह उन्हें टेस्ट करता है, देखता है कि कौन से सबसे अच्छा काम करते हैं, और स्वचालित रूप से निर्देशों (प्रॉम्प्ट्स) को अधिक स्पष्ट बनाने के लिए उन्हें फिर से लिखता है।
- परिणाम: एजेंट अपने काम में बेहतर होता जाता है, बिना इंसानों द्वारा मैन्युअल रूप से हर निर्देश को ट्यून किए।
4. परिणाम: दिग्गजों को पछाड़ना (Beating the Giants)
लेखकों ने इस सिस्टम का परीक्षण SWE-Bench-Pro पर किया, जो एक बहुत कठिन टेस्ट है जहाँ AI को ओपन-सोर्स सॉफ़्टवेयर में वास्तविक बग्स को ठीक करना होता है।
- प्रतियोगिता: उन्होंने अपने एजेंट की तुलना अन्य शीर्ष रिसर्च टूल्स और यहाँ तक कि OpenAI और Anthropic जैसी बड़ी टेक कंपनियों द्वारा उपयोग किए जाने वाले मालिकाना (proprietary) टूल्स से की।
- परिणाम: Confucius Code Agent ने 59% समस्याओं को हल किया।
- इसने पिछले रिसर्च रिकॉर्ड को तोड़ दिया।
- इसने OpenAI के GPT-5.2 और Anthropic के Claude Opus 4.5 को भी मात दी, भले ही उन्होंने बिल्कुल वही "दिमाग" (मॉडल) और बिल्कुल वही टूल्स इस्तेमाल किए थे।
- मुख्य निष्कर्ष: यह पेपर साबित करता है कि आप AI को कैसे व्यवस्थित करते हैं (स्कैफोल्डिंग), यह उतना ही महत्वपूर्ण है जितना कि आपका AI कितना स्मार्ट है। एक बेहतरीन सिस्टम के साथ एक थोड़ा कमजोर मॉडल ने, एक मजबूत मॉडल के कमजोर सिस्टम को हरा दिया।
सारांश
यह पेपर तर्क देता है कि वास्तविक दुनिया की सॉफ़्टवेयर इंजीनियरिंग करने वाले AI बनाने के लिए, हमें केवल AI को स्मार्ट बनाना ही काफी नहीं है। हमें उसके काम करने के लिए एक बेहतर "ऑफिस" बनाने की आवश्यकता है—एक ऐसा जहाँ उसके पास एक साफ डेस्क (AX), इंसानों के लिए एक स्पष्ट दृश्य (UX), आसानी से ठीक होने वाले टूल्स (DX), पिछले गलतियों को याद रखने का तरीका (Note-Taking), और एक कोच हो जो उसे सीखने में मदद करे (Meta-Agent)। जब आप ऐसा करते हैं, तो एक मानक AI भी एक पावरहाउस बन जाता है जो विशाल सॉफ़्टवेयर प्रोजेक्ट्स को ठीक करने में सक्षम होता है।
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।