Can AI Agents Generate Microservices? How Far are We?
यह शोध पत्र कार्यात्मक माइक्रोसर्विसों को उत्पन्न करने के लिए एआई एजेंटों की क्षमता का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि वे उच्च एपीआई अनुबंध अनुपालन के साथ रखरखाव योग्य कोड का उत्पादन कर सकते हैं—विशेष रूप से क्लीन-स्टेट परिदृश्यों में—निरंतरता में वर्तमान सीमाएं और मानवीय देखरेख की आवश्यकता पूर्णतः स्वायत्त पीढ़ी को रोकती 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 विशाल, हलचल भरे रेस्टोरेंट किचन के मैनेजर हैं। यह किचन एक माइक्रोसर्विस (Microservices) आर्किटेक्चर पर बना है। इसके बजाय कि एक ही बड़ा शेफ पूरा भोजन बनाने की कोशिश करे, आपके पास कई विशिष्ट स्टेशन हैं: एक सब्जियां काटने के लिए, एक स्टेक ग्रिल करने के लिए, एक सॉस बनाने के लिए और एक प्लेटिंग करने के लिए। प्रत्येक स्टेशन स्वतंत्र है, लेकिन उन्हें एक साथ मिलकर काम करना होगा ताकि भोजन ग्राहक तक सही ढंग से पहुँच सके।
अब, कल्पना कीजिए कि आपने इन AI शेफ (AI Agents) की मदद लेने के लिए एक टीम रखी है। आप जानना चाहते हैं: क्या ये AI शेफ वास्तव में शून्य से एक नया स्टेशन बना सकते हैं, या मौजूदा किचन में बिना पूरे भोजन को खराब किए एक नया स्टेशन जोड़ सकते हैं?
यह पेपर यह देखने के लिए एक "टेस्ट टेस्ट" है कि ये AI शेफ काम में कितने अच्छे हैं। यहाँ इसका सरल विवरण दिया गया है:
1. मदद मांगने के दो तरीके
शोधकर्ताओं ने AI का परीक्षण दो अलग-अलग परिदृश्यों में किया, जैसे उन्हें दो अलग-अलग प्रकार के निर्देश देना:
परिदृश्य A: "नवीनीकरण" (इन्क्रीमेंटल जनरेशन)
- सेटअप: किचन पहले से मौजूद है। AI को बताया जाता है, "'सॉस स्टेशन' पर जाओ, वर्तमान शेफ को हटा दो, और एक नया शेफ नियुक्त करो। लेकिन बाकी किचन को बिल्कुल वैसा ही रहने दो जैसा वह है।"
- चुनौती: नए AI शेफ को मौजूदा वर्कफ़्लो में पूरी तरह फिट होना होगा। यदि वे किसी अलग तरह के चाकू या किसी अलग रेसिपी फॉर्मेट का उपयोग करते हैं, तो पूरा किचन टूट जाएगा।
- परिणाम: आश्चर्यजनक रूप से, AI तब बेहतर प्रदर्शन करता था जब उसे न्यूनतम निर्देश (जैसे कि "बस एक सॉस स्टेशन बनाओ") दिए जाते थे, बजाय एक विशाल, विस्तृत मैनुअल के। जब शोधकर्ताओं ने उन्हें पढ़ने के लिए बहुत अधिक टेक्स्ट दिया, तो AI भ्रमित हो गया और मौजूदा किचन के नियमों को अनदेखा करने लगा। जब उन्हें खुद किचन को "एक्सप्लोर" करने के लिए छोड़ दिया गया, तो उन्होंने लय को बेहतर ढंग से समझा।
- सफलता दर: लगभग 50% से 76% बार, नया स्टेशन पुराने वाले के साथ पूरी तरह से काम करता रहा।
परिदृश्य B: "ग्रीनफील्ड प्रोजेक्ट" (क्लीन स्टेट जनरेशन)
- सेटअप: आप एक खाली मैदान में एक बिल्कुल नया रेस्टोरेंट बना रहे हैं। आप AI को आवश्यकताओं की एक सूची देते हैं ("हमें एक सॉस स्टेशन चाहिए जो एक घंटे में 500 ऑर्डर संभाल सके") लेकिन देखने के लिए कोई मौजूदा किचन नहीं देते।
- चुनौती: AI को शुरू से ही पूरा ढांचा बनाना है।
- परिणाम: यह बहुत बेहतर रहा। AI ने 81% से 98% बार काम करने वाले स्टेशन बनाए। क्यों? क्योंकि टकराने के लिए कोई "पुराना किचन" नहीं था। AI जो चाहे बना सकता था, जब तक कि वह नियमों का पालन कर रहा हो।
- कैच (Catch): कोड कभी-कभी "अजीब" था (अलग फ़ाइल नाम या संरचना), लेकिन चूंकि यह एक नई इमारत थी, इसलिए इससे कोई फर्क नहीं पड़ता था जब तक कि दरवाजे खुल रहे थे और लाइटें जल रही थीं।
2. तीन AI शेफ (एजेंट्स)
शोधकर्ताओं ने तीन अलग-अलग AI "शेफ" का परीक्षण किया:
- Codex (अनुभवी): बहुत स्मार्ट, लेकिन कभी-कभी सोचने में बहुत समय लेता है (एक कार्य के लिए 1.7 घंटे तक!) और महंगा हो सकता है।
- Claude Code (सटीक वाला): तेज़, बहुत सटीक, लेकिन प्रति मील (meal) सबसे महंगा। यह बहुत संक्षिप्त कोड (छोटी रेसिपी) लिखता है।
- Code Qwen (बजट विकल्प): सबसे तेज़ और सबसे सस्ता। यह बहुत अच्छा है, लेकिन अगर निर्देश स्पष्ट नहीं हैं तो कभी-कभी लूप में फंस जाता है।
3. "सीक्रेट सॉस" (उन्होंने क्या पाया)
- कम ही ज्यादा है (कभी-कभी): "नवीनीकरण" परिदृश्य में, मौजूदा कोड का एक विशाल, विस्तृत सारांश देने से AI वास्तव में और खराब हो गया। यह ऐसा था जैसे किसी शेफ को कहना, "यहाँ एक 50 पन्नों का मैनुअल है कि हम पहले चीजें कैसे करते थे," और शेफ उस मैनुअल पर इतना केंद्रित हो गया कि वह वास्तविक किचन को देखना ही भूल गया। एक सरल प्रॉम्प्ट ("बस स्टेशन बनाओ") ने AI को बेहतर ढंग से एक्सप्लोर करने और अनुकूलित होने में मदद की।
- सरल बेहतर है: AI द्वारा लिखा गया कोड वास्तव में मनुष्यों द्वारा लिखे गए कोड की तुलना में सरल और कम जटिल था। यह "मूर्ख" नहीं था, बस अधिक कुशल था। इसने चीजों को अनावश्यक रूप से जटिल नहीं बनाया।
- "याद रखने" की समस्या: AI ने प्रसिद्ध, ओपन-सोर्स प्रोजेक्ट्स (जैसे कि एक लोकप्रिय रेसिपी बुक जिसे हर कोई जानता है) पर छात्र प्रोजेक्ट्स की तुलना में बहुत बेहतर प्रदर्शन किया। यह सुझाव देता है कि AI शायद नए समस्याओं पर वास्तव में "सोचने" के बजाय अपने प्रशिक्षण के दौरान देखे गए उत्तरों को "याद" कर रहा है।
- लागत बनाम गति:
- सबसे तेज़: Code Qwen (7.6 मिनट) और Claude (7.8 मिनट)।
- सबसे धीमा: Codex (16.6 मिनट, कभी-कभी एक घंटे से अधिक!)।
- सबसे सस्ता: Code Qwen ($3 प्रति सेवा)।
- सबसे महंगा: Claude ($13 प्रति सेवा)।
4. फैसला: क्या हम वहां पहुंच गए हैं?
क्या AI माइक्रोसर्विस बना सकता है? हाँ।
क्या वे बिना किसी इंसान की निगरानी के इसे पूरी तरह से कर सकते हैं? अभी नहीं।
AI को एक प्रतिभाशाली लेकिन अनुभवहीन प्रशिक्षु (apprentice) के रूप में सोचें।
- वे एक साफ किचन और सामग्री की एक सरल सूची मिलने पर एक बेहतरीन व्यंजन बना सकते हैं।
- वे मौजूदा किचन में भी एक अच्छा व्यंजन बना सकते हैं यदि आप उन्हें पहले चारों ओर देखने दें।
- हालांकि, वे कभी-कभी छोटी बारीकियों (जैसे कि एक विशिष्ट प्रकार का कनेक्टर या कोई छिपा हुआ नियम) को मिस कर देते हैं जिन्हें एक मानव शेफ पकड़ लेगा। यदि आप उन्हें पूरा किचन अकेले चलाने देते हैं, तो वे गलती से डेटाबेस डिलीट कर सकते हैं या ग्रिल और ओवन के बीच का कनेक्शन तोड़ सकते हैं।
मुख्य निष्कर्ष
AI सॉफ्टवेयर आर्किटेक्ट्स के लिए एक सुपर-पावर्ड असिस्टेंट बनने के लिए तैयार है। यह भारी काम कर सकता है, कोड लिख सकता है, और यहाँ तक कि इसे मनुष्यों की तुलना में अधिक सरल भी बना सकता है। लेकिन हमें काम को डबल-चेक करने, यह सुनिश्चित करने के लिए कि "स्टेशन" एक-दूसरे से सही ढंग से बात कर रहे हैं, और यह सुनिश्चित करने के लिए कि AI लूप में नहीं फंसा है या गलत रेसिपी याद नहीं कर रहा है, एक ह्यूमन आर्किटेक्ट (मानव वास्तुकार) की आवश्यकता है।
हम "बटन दबाएं, परफेक्ट सॉफ्टवेयर प्राप्त करें" के बिंदु पर नहीं हैं, लेकिन हम निश्चित रूप से "बटन दबाएं, 80% काम पूरा करें, फिर बाकी 20% को ठीक करें" के बिंदु पर जरूर 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।