The Kitchen Loop: User-Spec-Driven Development for a Self-Evolving Codebase
यह शोध पत्र 'किचन लूप' (Kitchen Loop) प्रस्तुत करता है, जो एक उत्पादन-परीक्षित ढांचा है जो उपयोगकर्ता विशिष्टताओं के एक एकीकृत विश्वास मॉडल, सिंथेटिक उच्च-आवृत्ति परीक्षण, ग्राउंड-ट्रुथ सत्यापन और ड्रिफ्ट नियंत्रण को जोड़कर सुरक्षित, स्वायत्त सॉफ्टवेयर विकास को सक्षम बनाता है ताकि शून्य रिग्रेशन के साथ 1,000 से अधिक मर्ज किए गए पुल रिक्वेस्ट प्राप्त किए जा सकें।
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 सेल्फ-ड्राइविंग कार है जो न केवल खुद चलती है, बल्कि अपना इंजन खुद बनाती है, अपने सड़क नियम खुद डिजाइन करती है, और जब आप सो रहे होते हैं तब अपने आप गड्ढे भी भर देती है।
यह मूल रूप से वह है जो "किचन लूप" (Kitchen Loop) है। यह सॉफ्टवेयर बनाने का एक नया तरीका है जहाँ AI केवल आपके कहने पर कोड नहीं लिखता; बल्कि यह लगातार सॉफ्टवेयर को टेस्ट करता है, उसे तोड़ता है, और खुद ही उसे ठीक करता है, ताकि यह सुनिश्चित हो सके कि वह कभी खराब न हो और हमेशा बेहतर होता रहे।
यहाँ इसका विवरण दिया गया है कि यह कैसे काम करता है, सरल उपमाओं (analogies) का उपयोग करते हुए।
1. समस्या: "तेज़ लेकिन दोषपूर्ण" फैक्ट्री
लंबे समय तक, कोड लिखना ही कठिन हिस्सा था। अब, AI किसी भी इंसान की तुलना में बहुत तेज़ी से कोड लिख सकता है। लेकिन एक पेंच है: AI कोड लिखने में तो बहुत अच्छा है, लेकिन उसे यह जानने में बहुत बुरा है कि उसने जो लिखा है वह वास्तव में काम करता है या नहीं।
एक ऐसी फैक्ट्री की कल्पना करें जहाँ एक रोबोट दिन में 1,000 कारें बनाता है। समस्या यह है कि रोबोट को गाड़ी चलाना नहीं आता। वह पहियों को उल्टा लगा सकता है या ब्रेक लगाना भूल सकता है। यदि किसी इंसान को हर कार की जाँच करनी पड़ती है, तो फैक्ट्री रुक जाएगी। यदि कोई जाँच नहीं करता, तो कारें दुर्घटनाग्रस्त हो जाएंगी।
पेपर का तर्क है कि बाधा अब कोड लिखने में नहीं है; बल्कि यह सिद्ध करने में है कि वह काम करता है।
2. समाधान: "किचन लूप" (The Kitchen Loop)
लेखकों ने एक सिस्टम बनाया है जिसे "किचन लूप" कहा जाता है। इसे एक स्वयं-सफाई करने वाले, स्वयं-पकाने वाले किचन के रूप में सोचें जो कभी नहीं रुकता।
यहाँ लूप कैसे काम करता है, स्टेप-दर-स्टेप:
स्टेप A: मेनू (The Specification Surface)
खाना पकाने से पहले, आपको एक मेनू चाहिए। सिस्टम उस सूची को देखता है कि सॉफ्टवेयर क्या करने का दावा करता है (जैसे, "टोकन A को टोकन B से बदलें," "मौसम की जाँच करें," "ईमेल भेजें")।
- उपमा: यह रेस्टोरेंट के मेनू की तरह है। लूप वादा करता है कि वह मेनू के हर एक आइटम को आज़माएगा, न कि केवल लोकप्रिय व्यंजनों को।
स्टेप B: "अत्यधिक भूखा" ग्राहक (एक यूजर के रूप में x 1000)
यही असली जादू है। सॉफ्टवेयर का परीक्षण करने के लिए इंसान के बजाय, एक AI एक सिंथेटिक पावर यूजर के रूप में कार्य करता है।
- रूपक: एक ऐसे ग्राहक की कल्पना करें जो दिन में 1,000 भोजन खाता है, सामग्रियों के हर संयोजन को आज़माता है, अजीब चीजें ऑर्डर करता है, और देखता है कि क्या टूटता है।
- AI सॉफ्टवेयर का उपयोग बिल्कुल वैसे ही करता है जैसे एक इंसान करेगा, लेकिन 1,000 गुना अधिक गति से। यह सिस्टम को तोड़ने की कोशिश करता है। यदि यह टोकन बदलने की कोशिश करता है और ऐप क्रैश हो जाता है, तो यह एक टिकट दर्ज करता है: "हे, किचन में आग लग गई है!"
स्टेप C: "अपराजित" स्वाद परीक्षण (Unbeatable Tests)
जब AI एक बग को ठीक करता है, तो हमें कैसे पता चलेगा कि वह वास्तव में ठीक हो गया है?
- जाल: यदि AI खुद टेस्ट लिखता है, तो वह धोखाधड़ी कर सकता है (जैसे कोई छात्र अपनी खुद की परीक्षा के उत्तर लिखता है)।
- समाधान: सिस्टम "अपराजित टेस्ट" (Unbeatable Tests) का उपयोग करता है। ये वे टेस्ट हैं जो वास्तविक दुनिया की जाँच करते हैं, न कि केवल कोड की।
- उदाहरण: यदि सॉफ्टवेयर कहता है "मैंने $100 भेजे," तो टेस्ट केवल कोड की जाँच नहीं करता; यह वास्तविक बैंक खाते की जाँच करता है कि क्या बैलेंस बढ़ा है।
- रूपक: यह खाने को चखने वाले जज की तरह है। जज को इस बात से फर्क नहीं पड़ता कि शेफ ने खाना कैसे पकाया; उन्हें केवल इस बात से फर्क पड़ता है कि खाना कैसा है। अगर जज कहते हैं "यह जल गया है," तो व्यंजन को खारिज कर दिया जाता है, चाहे वह कितना भी सुंदर क्यों न दिखे।
स्टेप D: "ड्रिफ्ट" अलार्म (Drift Control)
कभी-कभी एक चीज़ को ठीक करने से दूसरी चीज़ टूट जाती है।
- रूपक: कल्पना करें कि आपने छत में रिसाव (leak) को ठीक किया, लेकिन ऐसा करने में आपने गलती से दीवार में छेद कर दिया।
- किचन लूप में एक ड्रिफ्ट कंट्रोल सिस्टम है। यह लगातार गुणवत्ता को मापता रहता है। यदि सॉफ्टवेयर थोड़ा भी (1%) खराब होता है, तो सिस्टम पॉज़ बटन दबा देता है और इंसान को अलर्ट भेज देता है। यह सॉफ्टवेयर को खराब होने से रोकने से इनकार कर देता है।
3. परिणाम: क्या हुआ?
लेखकों ने इसका परीक्षण दो वास्तविक, जटिल वित्तीय सॉफ्टवेयर सिस्टम पर किया (एक क्रिप्टो ट्रेडिंग के लिए, और एक मार्केट सिग्नल का विश्लेषण करने के लिए)।
- गति: AI ने कुछ ही हफ्तों में 285+ चक्र (iterations) पूरे किए।
- आउटपुट: इसने स्वचालित रूप से 1,000 से अधिक पुल रिक्वेस्ट (कोड अपडेट) मर्ज किए।
- सुरक्षा: शून्य रिग्रेशन (Zero Regressions)। इसका मतलब है कि सॉफ्टवेयर कभी खराब नहीं हुआ। हर अपडेट ने इसे बेहतर बनाया या समान रखा।
- लागत: एक अपडेट के लिए इसकी लागत लगभग **600 खर्च करने पड़ सकते हैं।
4. यह सब कुछ कैसे बदल देता है
यह पेपर एक नया दर्शन पेश करता है: कोड एक कमोडिटी (वस्तु) है। इसे लिखना सस्ता है। भरोसा (Trust) महंगा है।
किचन लूप भरोसे की समस्या को एक एकीकृत ट्रस्ट मॉडल (Unified Trust Model) बनाकर हल करता है:
- मेनू: हमें पता है कि इसे क्या करना चाहिए।
- ग्राहक: यह सुपर-स्पीड में इसे तोड़ने की कोशिश करता है।
- जज: यह वास्तविकता के विरुद्ध परिणामों को सत्यापित करता है (केवल कोड के विरुद्ध नहीं)।
- अलार्म: यदि चीजें खराब होती हैं, तो यह रुक जाता है।
मुख्य निष्कर्ष
हम उस युग से आगे बढ़ रहे हैं जहाँ इंसान कोड लिखते हैं और AI उनकी मदद करता है, और उस युग की ओर बढ़ रहे हैं जहाँ AI सॉफ्टवेयर बनाता है, और इंसान केवल लक्ष्य निर्धारित करते हैं।
इसे इस तरह सोचें:
- पुराना तरीका: आप आर्किटेक्ट, बिल्डर और इंस्पेक्टर हैं। आप थके हुए हैं।
- किचन लूप: आप मालिक (Owner) हैं। आप कहते हैं, "मुझे एक ऐसा रेस्टोरेंट चाहिए जो बेहतरीन खाना परोसे।" किचन लूप शेफ को काम पर रखता है, किचन बनाता है, भोजन पकाता है, भोजन चखता है, और उन शेफ को निकाल देता है जो खाना जला देते हैं। आप बस हफ्ते में एक बार मेनू चेक करते हैं कि वे अभी भी वही परोस रहे हैं जो आपने ऑर्डर किया था।
यह पेपर साबित करता है कि यदि आपके पास एक स्पष्ट मेनू और एक सख्त जज है, तो एक मशीन बाकी सब कुछ सुरक्षित और सस्ते में संभाल सकती 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।