FullStack-Agent: Enhancing Agentic Full-Stack Web Coding via Development-Oriented Testing and Repository Back-Translation
यह शोध पत्र FullStack-Agent को प्रस्तुत करता है, जो एक एकीकृत प्रणाली है जिसमें एक मल्टी-एजेंट डेवलपमेंट फ्रेमवर्क, एक स्व-सुधार (self-improving) डेटा-स्केलिंग विधि और एक व्यापक बेंचमार्क शामिल है, जो सामूहिक रूप से LLMs को मौजूदा अत्याधुनिक तरीकों की तुलना में फ्रंटएंड, बैकएंड और डेटाबेस कार्यात्मकताओं में काफी बेहतर प्रदर्शन के साथ प्रोडक्शन-लेवल के फुल-स्टैक वेब एप्लिकेशन उत्पन्न करने में सक्षम बनाता 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 एक पूरी तरह से कार्यात्मक ऑनलाइन स्टोर बनाना चाहते हैं। आप एक स्मार्ट AI सहायक से इसे बनाने के लिए कहते हैं। अधिकांश वर्तमान AI सहायक उन प्रतिभाशाली चित्रकारों की तरह हैं जो केवल स्टोर के सामने के हिस्से (storefront) को पेंट करना जानते हैं। वे साइनबोर्ड को सुंदर बना सकते हैं, खिड़कियों को चमका सकते हैं और दरवाजों को खोल सकते हैं, लेकिन यदि आप कुछ खरीदने की कोशिश करते हैं, तो कुछ नहीं होता है। वहां कोई कैश रजिस्टर नहीं है, कोई इन्वेंट्री रूम नहीं है, और न ही कोई डिलीवरी ट्रक है। यह एक "नकली" स्टोर है जो असली दिखता तो है लेकिन इसका कोई बैकएंड (backend) नहीं है।
यह पेपर FullStack-Agent का परिचय देता है, जो एक नया सिस्टम है जिसे AI को केवल सामने का हिस्सा पेंट करने से रोकने और वास्तव में पूरे स्टोर को बनाने के लिए डिज़ाइन किया गया है, जिसमें अदृश्य प्लंबिंग, गोदाम और डिलीवरी ट्रक भी शामिल हैं।
उन्होंने इसे कैसे किया, इसे तीन सरल भागों में विभाजित किया गया है:
1. निर्माण दल (FullStack-Dev)
एक अकेले AI कार्यकर्ता को सारा काम एक साथ करने के लिए देने के बजाय, लेखकों ने विशिष्ट भूमिकाओं के साथ एक निर्माण दल (construction crew) बनाया:
- आर्किटेक्ट (प्लानिंग एजेंट): यह AI आपके अनुरोध को देखता है और ब्लूप्रिंट बनाता है। यह तय करता है कि दीवारें कहाँ होंगी, पाइप कहाँ चलेंगे, और डेटा मुख्य दरवाजे से बैक ऑफिस तक कैसे प्रवाहित होगा।
- फ्रंट-एंड इंजीनियर: यह कार्यकर्ता उस हिस्से को बनाता है जिसे आप देखते हैं (वेबसाइट का डिज़ाइन)।
- बैक-एंड इंजीनियर: यह कार्यकर्ता उस हिस्से को बनाता है जिसे आप नहीं देख पाते (डेटाबेस और सर्वर लॉजिक)।
सीक्रेट वेपन (गुप्त हथियार): इस दल के पास विशेष डिबगिंग टूल्स (जैसे मैकेनिक का डायग्नोस्टिक कंप्यूटर) हैं।
- यदि सामने का दरवाजा नहीं खुलता है, तो फ्रंट-एंड इंजीनियर केवल अनुमान नहीं लगाता; वे एक टेस्ट चलाते हैं जो उन्हें बताता है कि कौन सा पेंच ढीला है।
- यदि कैश रजिस्टर पैसे नहीं गिन रहा है, तो बैक-एंड इंजीनियर सीधे कनेक्शन को टेस्ट करने के लिए Postman (एक टूल जिसका उपयोग वास्तविक डेवलपर्स करते हैं) जैसा टूल इस्तेमाल करता है, बजाय इसके कि वह बिना सोचे-समझे उसे ठीक करने की कोशिश करे।
यह टीम वर्क सुनिश्चित करता है कि "स्टोर" वास्तव में काम करे, न कि केवल अच्छा दिखे।
2. आत्म-सुधार करने वाला प्रशिक्षु (FullStack-Learn)
एक बेहतरीन टीम होने के बावजूद, AI को यह जानने के लिए स्मार्ट होना चाहिए कि जटिल चीजें कैसे बनाई जाती हैं। लेखकों ने महसूस किया कि AI को केवल "एक स्टोर बनाओ" कहना पर्याप्त नहीं है; इसे वास्तविक उदाहरणों से सीखने की आवश्यकता है।
उन्होंने Back-Translation नामक एक विधि बनाई। कल्पना कीजिए कि आपको एक बना-बनाया, उच्च-गुणवत्ता वाला घर (GitHub से वास्तविक वेबसाइट कोड) मिलता है। केवल उसकी नकल करने के बजाय, AI एक जासूस की तरह काम करता है:
- यह तैयार घर का अध्ययन करता है।
- यह पता लगाता है कि मूल घर के मालिक ने क्या मांगा था (जैसे, "मुझे लाल दरवाजे और गैरेज वाला घर चाहिए")।
- फिर यह पहली बार की तरह, चरण-दर-चरण, उस घर को शून्य से बनाने का नाटक करता है।
वास्तविक वेबसाइटों के हजारों उदाहरणों के साथ ऐसा करके, AI अपना स्वयं का "प्रशिक्षण मैनुअल" तैयार करता है। यह शून्य से बनाने के तर्क (logic) को सीखता है, न कि केवल नकल करना। वे Augmentation का भी उपयोग करते हैं, जहाँ वे एक मौजूदा घर के डिज़ाइन को लेते हैं और AI से पूछते हैं कि "इसमें दूसरी मंजिल जोड़ें" या "इस घर को बेकरी में बदलें," जिससे और भी अधिक अभ्यास के अवसर पैदा होते हैं। यह AI को बिना किसी मानव शिक्षक के हर कदम पर खुद को स्मार्ट बनाने की अनुमति देता है।
3. सख्त निरीक्षक (FullStack-Bench)
आप कैसे जानेंगे कि AI ने वास्तव में एक काम करने वाला स्टोर बनाया है या केवल एक नकली स्टोर बनाया है? पिछले परीक्षण दृश्य निरीक्षण (visual inspection) की तरह थे: "क्या दरवाजा अच्छा दिखता है? हाँ। पास।"
लेखकों ने FullStack-Bench नामक एक नया परीक्षण सिस्टम बनाया है जो एक स्वास्थ्य निरीक्षक (health inspector) की तरह काम करता है।
- फ्रंट-एंड टेस्ट: क्या दरवाजा खुलता है?
- बैक-एंड टेस्ट: क्या कैश रजिस्टर ने वास्तव में बिक्री दर्ज की?
- डेटाबेस टेस्ट: क्या पैसा वास्तव में बैंक खाते में है, या रजिस्टर ने केवल लेने का नाटक किया?
निरीक्षक केवल वेबसाइट को नहीं देखता; वे डेटा को सही ढंग से सहेजा (save) और प्राप्त (retrieve) किया जा रहा है या नहीं, यह देखने के लिए वास्तविक परीक्षण चलाते हैं। यदि AI बैकएंड की नकल करता है, तो निरीक्षक उसे तुरंत पकड़ लेता है।
परिणाम
जब उन्होंने इस सिस्टम को परखने के लिए इसे टेस्ट किया:
- नए निर्माण दल (FullStack-Dev) ने ऐसी वेबसाइटें बनाईं जो पिछले तरीकों की तुलना में वास्तव में बहुत बेहतर काम करती थीं। इसने "स्टोरफ्रंट" की सफलता दर में लगभग 9%, "कैश रजिस्टर" में भारी 38%, और "बैंक खाते" (डेटाबेस) में 16% का सुधार किया।
- आत्म-सुकरने वाले प्रशिक्षु (FullStack-Learn) ने एक मानक AI मॉडल को लिया और अपने स्वयं के अभ्यास के माध्यम से, इसे इन पूर्ण सिस्टमों को बनाने में काफी स्मार्ट बना दिया, जिससे कुछ क्षेत्रों में इसके स्कोर में लगभग 10% का सुधार हुआ।
संक्षेप में: यह पेपर एक ऐसे सिस्टम को प्रस्तुत करता है जो AI को केवल वेबसाइटों को "दिखावा" करने से रोकता है। यह विशेषज्ञ AI कार्यकर्ताओं की एक टीम का उपयोग करता है, उन्हें वास्तविक प्रोजेक्ट्स को रिवर्स-इंजीनियर करके सिखाता है, और एक सख्त निरीक्षक को नियुक्त करता है ताकि यह सुनिश्चित हो सके कि वेबसाइट के अदृश्य हिस्से वास्तव में काम करते हैं।
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।