AgenticAKM : Enroute to Agentic Architecture Knowledge Management
यह शोध पत्र AgenticAKM का प्रस्ताव करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो आर्किटेक्चर नॉलेज मैनेजमेंट के जटिल कार्य को निष्कर्षण (extraction), पुनर्प्राप्ति (retrieval), सृजन (generation) और सत्यापन (validation) के लिए विशिष्ट उप-कार्यों में विभाजित करता है, और 29 रिपॉजिटरीज़ पर एक उपयोगकर्ता अध्ययन के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण उच्च-गुणवत्ता वाले आर्किटेक्चर डिसीजन रिकॉर्ड्स के निर्माण को प्रभावी ढंग से स्वचालित 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 आपके पास एक विशाल, प्राचीन पुस्तकालय (एक सॉफ़्टवेयर कोड रिपॉजिटरी) है। इसके अंदर लाखों किताबें, नोट्स और ब्लूप्रिंट हैं जो बताते हैं कि इस इमारत का निर्माण कैसे किया गया था। हालाँकि, मूल वास्तुकार (architect) बहुत पहले जा चुका है, और वर्तमान लाइब्रेरियन (डेवलपर्स) लीकेज ठीक करने में इतने व्यस्त हैं कि वे यह नहीं लिख पाते कि कुछ दीवारें क्यों बनाई गईं या प्लंबिंग कैसे जुड़ी हुई है। यह गायब जानकारी आर्किटेक्चरल नॉलेज (Architectural Knowledge) कहलाती है। इसके बिना, इमारत का रखरखाव करना कठिन हो जाता है, और नए कर्मचारी इसमें खो जाते हैं।
यह शोध पत्र इस समस्या को हल करने के लिए AgenticAKM नामक एक नई प्रणाली पेश करता है। यह कैसे काम करता है, इसे सरल उपमाओं (analogies) के माध्यम से यहाँ समझाया गया है:
समस्या: "एकल-व्यक्ति शो" काम नहीं करता
पहले, लोग एक एकल, अत्यंत बुद्धिमान AI (एक लार्ज लैंग्वेज मॉडल या LLM) का उपयोग करने की कोशिश करते थे जो पूरे पुस्तकालय को पढ़ सके और इमारत के इतिहास का सारांश लिख सके।
- उपमा: कल्पना कीजिए कि एक व्यक्ति को एक पूरी विश्वकोश (encyclopedia) को याद करने, उसके हर अध्याय का सारांश लिखने और इमारत के इतिहास को समझाने के लिए कहा जाता है, वह भी एक ही बैठक में।
- परिणाम: वह व्यक्ति अभिभूत (overwhelmed) हो जाता है। वह विवरण भूल जाता है, तथ्यों को मिला देता है, या उसकी याददाश्त की सीमा समाप्त हो जाती है ("context limit")। इसके द्वारा बनाया गया सारांश अक्सर अस्पष्ट होता है, इसमें मुख्य कारण छूट जाते हैं, या वह पूरी तरह से गलत होता है।
समाधान: एक विशिष्ट निर्माण दल (Specialized Construction Crew)
एक ओवरवर्क्ड जीनियस पर भरोसा करने के बजाय, AgenticAKm विशेषज्ञों की एक टीम (जिन्हें Agents कहा जाता है) को काम पर रखता है जो एक सुव्यवस्थित मशीन की तरह मिलकर काम करते हैं। एक केंद्रीय प्रबंधक (Orchestrator) उन्हें समन्वित (coordinate) करता है।
यहाँ वह टीम और उनके कार्य दिए गए हैं:
स्कैवेंजर (Extractors & Retrievers - खोजकर्ता):
- वे क्या करते हैं: वे एक साथ सब कुछ समझने की कोशिश नहीं करते। एक एजेंट कोड को स्कैन करके मुख्य घटकों (components) को ढूंढता है। दूसरा एजेंट निर्णयों के पीछे के "क्यों" को खोजने के लिए पुराने इश्यू ट्रैकर्स और दस्तावेजों की खुदाई करता है।
- उपमा: इन्हें उन पुरातत्वविदों की एक टीम के रूप में सोचें जो कहानी बताने से पहले विशिष्ट कलाकृतियों से सावधानीपूर्वक धूल झाड़ते हैं और उनका दस्तावेजीकरण करते हैं।
लेखक (Generators - रचनाकार):
- वे क्या करते हैं: एक बार जब स्कैवेंजर तथ्य ले आते हैं, तो लेखक उन तथ्यों का उपयोग करके वास्तविक "आर्किटेक्चरल डिसीजन रिकॉर्ड्स" (ADRs) का मसौदा तैयार करते हैं। ये आधिकारिक दस्तावेज़ हैं जो बताते हैं कि क्या बनाया गया था और क्यों।
- उपमा: ये वे लेखक (scribes) हैं जो पुरातत्वविदों के कच्चे नोट्स लेते हैं और उन्हें एक स्पष्ट, पठनीय इतिहास की पुस्तक में बदलते हैं।
संपादक (Validators - परीक्षक):
- वे क्या करते हैं: कहानी प्रकाशित होने से पहले, ये एजेंट काम की जाँच करते हैं। वे नए दस्तावेज़ की तुलना मूल कोड से करते हैं ताकि यह सुनिश्चित हो सके कि यह सटीक है। यदि उन्हें कोई गलती मिलती है, तो वे लेखकों को उसे ठीक करने के लिए वापस भेज देते हैं।
- उपमा: ये सख्त संपादक हैं जो कहते हैं, "रुको, यह पैराग्राफ उस मानचित्र के विपरीत है जिसे हमने पहले पाया था। जाओ और इसे फिर से लिखो।"
प्रयोग: क्या यह काम कर गया?
शोधकर्ताओं ने इस "क्रू" (दल) दृष्टिकोण का परीक्षण "एकल-व्यक्ति शो" दृष्टिकोण के मुकाबले किया।
- सेटअप: उन्होंने 29 अलग-अलग सॉफ़्टवेयर प्रोजेक्ट्स (पुस्तकालयों) को लिया और दोनों विधियों को इतिहास की पुस्तकें (ADRs) लिखने के लिए कहा।
- जज: उन्होंने 29 मानव विशेषज्ञों (सॉफ्टवेयर इंजीनियरों) को काम के परिणाम पढ़ने और ग्रेड देने के लिए नियुक्त किया।
- निर्णय: एजेंटिक क्रू (Agentic Crew) स्पष्ट रूप से जीत गया।
- उनकी कहानियाँ अधिक पूर्ण (complete) थीं (उन्होंने महत्वपूर्ण विवरणों को नहीं छोड़ा)।
- वे अधिक सुसंगत (coherent) थीं (तर्क समझ में आने वाला था)।
- वे अधिक प्रासंगिक (relevant) थे (उन्होंने वास्तव में उस कोड में लिए गए विशिष्ट निर्णयों की व्याख्या की)।
- "एकल-व्यक्ति शो" अक्सर सामान्य, अस्पष्ट सारांश बनाता था जो सुनने में अच्छे लगते थे लेकिन जिनमें निर्णयों के पीछे के गहरे "क्यों" का अभाव था।
मुख्य निष्कर्ष (The Bottom Line)
यह शोध पत्र दावा करता है कि एक विशाल, जटिल कार्य को छोटे-छोटे कार्यों में तोड़कर और विशेष AI एजेंटों को एक-दूसरे के काम की जाँच करने के लिए देकर, हम सॉफ़्टवेयर के लिए उच्च-गुणवत्ता वाले दस्तावेज़ स्वचालित रूप से तैयार कर सकते हैं। यह एक व्यक्ति को एक घंटे में एक दिन का काम करने के लिए कहने बनाम विशेषज्ञों की एक टीम को इसे ठीक से करने और काम को दोबारा जांचने के लिए समय देने के बीच का अंतर है।
यह पेपर क्या दावा नहीं करता है:
- यह दावा नहीं करता कि यह सिस्टम शून्य से नया सॉफ़्टवेयर डिज़ाइन कर सकता है (यह केवल मौजूदा कोड से ज्ञान प्राप्त करता है)।
- यह दावा नहीं करता कि यह चिकित्सा या क्लिनिकल उपयोग के लिए काम करता है।
- यह दावा नहीं करता कि सिस्टम पूर्ण है; इसके लिए अभी भी मानवीय निरीक्षण की आवश्यकता है, हालांकि अध्ययन AI की कच्ची क्षमता का परीक्षण करने के लिए बिना मानवीय हस्तक्षेप के चलाया गया था।
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।