NormCode Canvas: Making LLM Agentic Workflows Development Sustainable via Case-Based Reasoning
यह शोध पत्र 'नॉर्मकोड कैनवस' (NormCode Canvas) का परिचय देता है, जो एक तैनात प्रणाली है जो विविध बहु-चरणीय कार्यों में रिट्रीवल (retrieval), रिवीज़न (revision) और रिकर्सिव सेल्फ-इम्प्रूवमेंट (recursive self-improvement) के लिए विश्वसनीय, दो-स्तरीय केस-बेस्ड रीजनिंग (Case-Based Reasoning) को सक्षम करने हेतु कंपाइलर-वेरिफाइड स्कोप नियमों के साथ एक सेमी-फॉर्मल प्लानिंग लैंग्वेज का उपयोग करके टिकाऊ एलएलएम एजेंटिक वर्कफ़्लो विकास सुनिश्चित करती 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 बहुत बुद्धिमान, लेकिन थोड़े भुलक्कड़ सहायक (एक AI) को एक जटिल घर बनाना सिखाने की कोशिश कर रहे हैं।
अधिकांश वर्तमान AI सिस्टम में, आप सहायक को निर्देशों की एक लंबी सूची देते हैं। जैसे-जैसे सहायक काम करता है, वह अब तक किए गए हर काम का एक चलता हुआ "मानसिक नोट" रखता है। यदि वह किचन बनाते समय बीच में कोई गलती कर देता है, तो आपको उसे "वापस जाने" के लिए कहना पड़ता है। लेकिन क्योंकि उसके मानसिक नोट्स फाउंडेशन से लेकर छत तक सब कुछ का एक अस्त-व्यस्त मिश्रण होते हैं, इसलिए वह अक्सर इस बात को लेकर भ्रमित हो जाता है कि ठीक-ठीक क्या गलत हुआ था। वह किचन को ठीक करने की कोशिश में गलती से फाउंडेशन को बदल सकता है, या वह यह भूल सकता है कि वह किचन क्यों बना रहा था।
NormCode Canvas इस अव्यवस्था को हल करने के लिए एक नया सिस्टम है जो इस बात को बदल देता है कि AI कैसे "सोचता" है और "याद रखता" है। यह Case-Based Reasoning (मामला-आधारित तर्क) नामक एक विधि का उपयोग करता है, जो केवल नियमों की एक अस्पष्ट सूची देने के बजाय, AI को चीजें करने के विशिष्ट, सटीक उदाहरण दिखाकर सिखाने जैसा है।
यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ विभाजित किया गया है:
1. "स्नैपशॉट" नियम (जादुई कैमरा)
कल्पना कीजिए कि AI एक LEGO महल बना रहा है।
- पुराना तरीका: AI बस ईंटें जोड़ता जाता है। यदि वह गलती करता है, तो आपको खराब ईंट को खोजने के लिए ईंटों के पूरे ढेर को देखना पड़ता है।
- NormCode का तरीका: जब भी AI एक विशिष्ट चरण (जैसे "टावर बनाना") पूरा करता है, तो सिस्टम केवल उस टावर का एक परफेक्ट, अलग स्नैपशॉट लेता है। वह उस स्नैपशॉट को एक बॉक्स में रखता है और उसे सील कर देता है। उस बॉक्स में केवल वह टावर और उस टावर के निर्देश होते हैं। इसमें फाउंडेशन या छत शामिल नहीं होती है।
इसे Scope Isolation (दायरा अलगाव) कहा जाता है। क्योंकि हर चरण अपने स्वयं के सीलबंद बॉक्स में है, यदि टावर गिर जाता है, तो आप जानते हैं कि ठीक करने के लिए कौन सा बॉक्स खोलना है। आपको छत को गलती से तोड़ने की चिंता करने की आवश्यकता नहीं है।
2. दो-स्तरीय लाइब्रेरी (रेसिपी बुक बनाम कुकिंग)
यह सिस्टम दो स्तरों पर काम करता है, जैसे एक लाइब्रेरी और एक किचन:
स्तर 1: "कुकिंग" (ठोस मामले/Concrete Cases)
यह अभी चल रहा वास्तविक काम है। हर बार जब AI एक चरण पूरा करता है, तो वह एक "स्नैपशॉट" (केस) को डेटाबेस में सहेजता है।- सुपरपावर: यदि AI फंस जाता है या कोई गलती करता है, तो आप स्नैपशॉट को देख सकते हैं, देख सकते हैं कि किन सामग्रियों (डेटा) का उपयोग किया गया था, और उनमें से एक को बदल सकते हैं। फिर, आप AI को कहते हैं, "इस विशिष्ट चरण से फिर से शुरू करें, लेकिन इस नई सामग्री का उपयोग करें।" AI को पूरा घर फिर से बनाने की आवश्यकता नहीं है; वह केवल उस हिस्से को फिर से बनाता है जो टूटा था। इसे Selective Re-execution (चयनात्मक पुन: निष्पादन) कहा जाता है।
स्तर 2: "रेसिपी बुक" (अमूर्त मामले/Abstract Cases)
यह स्वयं योजना है। केवल चरणों की सूची के बजाय, योजना एक पुन: प्रयोज्य "रेसिपी" है जिसे संपादित और सुधारा जा सकता है।- सुपरपावर: यदि आपको एहसास होता है कि "टावर बनाने" की रेसिपी दोषपूर्ण है, तो आप रेसिपी बुक को ठीक कर सकते हैं। अब, भविष्य में जब भी आप एक टावर बनाएंगे, तो आप उस नई, बेहतर रेसिपी का उपयोग करेंगे। सिस्टम अपनी गलतियों से सीखता है और अपने मास्टर प्लान को स्वचालित रूप से अपडेट करता है।
3. "प्री-फ्लाइट चेक" (स्क्रिप्ट पढ़ना)
AI के शुरू होने से पहले ही, सिस्टम उसके जटिल कोड को एक सरल, मानव-पठनीय कहानी (जैसे एक नाटक की स्क्रिप्ट) में अनुवादित कर देता है।
- यह क्यों महत्वपूर्ण है: एक मानव विशेषज्ञ इस कहानी को AI द्वारा पैसा या समय खर्च करने से पहले पढ़ सकता है। वे कह सकते हैं, "रुको, आप दीवारों से पहले छत बनाने जा रहे हैं? यह एक बुरा विचार है," और योजना को तुरंत ठीक कर सकते हैं। यह AI को एक टूटी हुई योजना पर समय बर्बाद करने से रोकता है।
4. स्व-सुधार पारिस्थितिकी तंत्र (Self-Improving Ecosystem)
पेपर में चार विशिष्ट उपकरण वर्णित हैं जो इस सिस्टम के साथ बने हैं और एक-दूसरे की मदद करते हैं:
- PPT Generator: स्वचालित रूप से स्लाइड डेक बनाता है।
- Code Assistant: कंप्यूटर कोड लिखता है और ठीक करता है।
- Compiler: मानव विचारों को अन्य उपकरणों के लिए "रेसिपी बुक्स" (योजनाओं) में बदल देता है।
- Canvas Assistant: एक जासूस जो अन्य उपकरणों पर नज़र रखता है, गलतियाँ ढूंढता है, और उन्हें स्वचालित रूप से ठीक करता है।
मैजिक लूप: कंपाइलर योजनाएं बनाता है। कोड असिस्टेंट उन योजनाओं का उपयोग करके सॉफ्टवेयर बनाता है। यदि सॉफ्टवेयर टूट जाता है, तो कैनवास असिस्टेंट उसे ठीक करता है। कंपाइलर फिर अगली बार बेहतर योजनाएं बनाने के लिए उन सुधारों से सीखता है। यह एक स्व-निरंतर चक्र है जहाँ उपकरण भविष्य के लिए बेहतर योजनाएं बनाने के लिए एक साथ स्मार्ट होते हैं।
सारांश: यह एक बड़ी बात क्यों है?
वर्तमान AI उपकरण धुंधले विंडशील्ड और बिना रियरव्यू मिरर वाली कार चलाने जैसे हैं। यदि आप दुर्घटनाग्रस्त होते हैं, तो आपको नहीं पता होता कि क्यों, और इसे ठीक करना एक दुस्वप्न है।
NormCode Canvas AI को देता है:
- स्पष्ट खिड़कियां: आप देख सकते हैं कि यह हर चरण में किस डेटा का उपयोग कर रहा है।
- रियरव्यू मिरर: आप यात्रा के बाकी हिस्से को खोए बिना अतीत के किसी भी विशिष्ट क्षण में वापस जा सकते हैं।
- रिपेयर मैनुअल: आप पूरे कार को फिर से बनाए बिना केवल टूटे हुए हिस्से को ठीक कर सकते हैं।
- सीखने वाला मस्तिष्क: यह भविष्य के लिए बेहतर रेसिपी की लाइब्रेरी बनाने के लिए सफलता और विफलता के हर "स्नैपशॉट" को सहेजता है।
यह AI विकास को एक अराजक अनुमान लगाने वाले खेल से एक संरचित, विश्वसनीय और स्व-सुधारने वाली इंजीनियरिंग प्रक्रिया में बदल देता 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।