Can Coding Agents Be General Agents?
यह शोध पत्र इस बात की जांच करता है कि क्या कोडिंग एजेंट एक एंटरप्राइज रिसोर्स प्लानिंग (ERP) सिस्टम के भीतर व्यावहारिक कार्यों पर उनके प्रदर्शन का मूल्यांकन करके एंड-टू-एंड बिजनेस प्रोसेस ऑटोमेशन के लिए सामान्यीकरण कर सकते हैं, जिसमें यह पाया गया कि हालांकि वे सरल कार्यों को विश्वसनीय रूप से संभालते हैं, लेकिन डोमेन लॉजिक और कोड निष्पादन के बीच के अंतर को पाटने की कठिनाई के कारण उन्हें जटिल कार्यों में संघर्ष करना पड़ता 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 आपने एक प्रतिभाशाली, अत्यंत तीव्र जूनियर प्रोग्रामर को काम पर रखा है जो कोड लिखने में माहिर है। वह बग्स ठीक कर सकता है, वेबसाइट बना सकता है और सेकंडों में स्क्रिप्ट ऑटोमेट कर सकता है। इसे हम "कोडिंग एजेंट" (Coding Agent) कहते हैं।
अब, कल्पना कीजिए कि आप उसी प्रोग्रामर से अपने चीफ ऑपरेशंस ऑफिसर (COO) के रूप में कार्य करने के लिए कहते हैं। आप चाहते हैं कि वह आपके कंपनी के इन्वेंट्री का प्रबंधन करे, कर्मचारियों के छुट्टी के अनुरोधों को मंजूरी दे और जटिल बिक्री ऑर्डर को संभाले—यह सब अपना खुद का कोड लिखकर और चलाकर।
आपके द्वारा साझा किया गया पेपर एक सरल लेकिन गहरा प्रश्न पूछता है: क्या यह प्रतिभाशाली प्रोग्रामर एक शानदार बिजनेस मैनेजर भी हो सकता है?
यहाँ उनके निष्कर्षों का विवरण दियाв है, जिसे रोजमर्रा के उदाहरणों के साथ समझाया गया है।
1. सेटअप: "स्विस आर्मी नाइफ" बनाम "विशेषज्ञ"
एक कोडिंग एजेंट को एक स्विस आर्मी नाइफ की तरह समझें। यह अविश्वसनीय रूप से बहुमुखी है। यह काट सकता है, पेंच कस सकता है और बोतलें खोल सकता है (कोड लिखना, डिबग करना, टूल्स इंस्टॉल करना)। क्योंकि अधिकांश आधुनिक व्यवसाय सॉफ्टवेयर के भीतर होते हैं (स्प्रेडशीट्स, डेटाबेस, ऐप्स), लोगों ने सोचा, "हे, अगर यह टूल सॉफ्टवेयर को ठीक कर सकता है, तो यह शायद सॉफ्टवेयर के अंदर चल रहे व्यवसाय को भी चला सकता है।"
शोधकर्ताओं ने इन एजेंटों को एक लाइव, जटिल व्यावसायिक प्रणाली (एक ERP, जो कंपनी के केंद्रीय तंत्रिका तंत्र की तरह है) देकर और उन्हें वास्तविक काम करने के लिए कहकर इस बात का परीक्षण किया, जैसे कि "दो अलग-अलग ग्राहकों के लिए बजट के भीतर रहते हुए और सख्त कंपनी नियमों का पालन करते हुए 40 कुर्सियाँ खरीदें।"
2. अच्छी खबर: वे सरल कार्यों में बेहतरीन हैं
जब कार्य सरल थे (जैसे "एक ग्राहक के लिए इनवॉइस बनाएं"), तो एजेंट अद्भुत थे। उन्होंने उम्मीद से कहीं अधिक तेजी से और सटीकता से काम किया। वे बिना सिखाए यह समझ गए कि डेटाबेस से कैसे बात करनी है, बस एरर मैसेज को पढ़कर और दोबारा प्रयास करके।
उदाहरण: यह एक मास्टर शेफ से प्याज काटने के लिए कहने जैसा है। वे इसे बिना किसी देखरेख के, तुरंत और पूर्णता के साथ करते हैं।
3. बुरी खबर: "कॉम्प्लेक्सिटी क्लिफ" (जटिलता की ढलान)
जैसे ही कार्य जटिल हुए (जिसमें कई चरण, परस्पर विरोधी नियम और सख्त बजट शामिल थे), एजेंट क्रैश होने लगे। वे इसलिए विफल नहीं हुए क्योंकि वे कोड नहीं लिख सकते थे; वे इसलिए विफल हुए क्योंकि वे बिजनेस लॉजिक को सही ढंग से कोड में अनुवाद नहीं कर सके।
शोधकर्ताओं ने पाया कि एजेंट चार विशिष्ट तरीकों से "टूटे":
A. "आलसी शॉर्टकट" (Lazy Heuristics)
परिदृश्य: नियम था: "केवल अमेरिकी विक्रेताओं से खरीदें।"
एजेंट की गलती: विक्रेता के पते या देश के कोड की जांच करने के बजाय, एजेंट ने ऐसा कोड लिखा जो केवल विक्रेता के नाम में "American" या "North" शब्द को खोज रहा था।
रूपक: कल्पना कीजिए कि एक क्लब के बाउंसर को बताया गया है, "केवल न्यूयॉर्क के लोगों को ही अंदर आने दें।" आईडी चेक करने के बजाय, बाउंसर उन सभी को अंदर आने देता है जिनका नाम "New" या "York" से शुरू होता है। इसने ऐसा दिखाया कि उसने नियम का पालन किया, लेकिन उसने लंदन के एक व्यक्ति को अंदर आने दिया जिसका नाम "Newman" था। कोड चला, लेकिन बिजनेस लॉजिक गलत था।
B. "दिवास्वप्न देखने वाला" (Hallucinations)
परिदृश्य: एजेंट को क्षतिग्रस्त LED बोर्डों को स्टोर करने की आवश्यकता थी।
एजेंट की गलती: एजेंट ने तय किया, "ओह, खराब इलेक्ट्रॉनिक्स को फ्रिज में रखा जाना चाहिए," भले ही कंपनी के पास कोई फ्रिज नहीं है। उसने डेटाबेस में "फ्रिज" को खोजने के लिए सटीक कोड लिखा, वहां कुछ नहीं पाया, और निष्कर्ष निकाला कि बोर्डों को फेंक दिया गया है।
रूपक: यह एक ऐसे जासूस की तरह है जो अपने सिद्धांत में इतना आश्वस्त है कि वह एक "गुप्त कमरे" की कल्पना कर लेता है जो अस्तित्व में ही नहीं है। वह कमरे की तलाश करता है, कुछ नहीं पाता, और मामला सुलझ गया घोषित कर देता है, भले ही वह ऐसी जगह देख रहा था जो कभी थी ही नहीं।
C. "भुलक्कड़ छात्र" (Ignored Constraints)
परिदृश्य: एक नियम था, "छुट्टियां लगातार (consecutive) होनी चाहिए।"
एजेंट की गलती: एजेंट ने एक ऐसा शेड्यूल मंजूर कर दिया जहाँ एक कर्मचारी ने सोमवार को छुट्टी ली, मंगलवार को काम किया और बुधवार को फिर से छुट्टी ली।
रूपक: यह एक ऐसे छात्र की तरह है जिसने पूरी किताब पढ़ ली लेकिन आखिरी पन्ने पर दिए गए एक विशिष्ट नियम को भूल गया। उसने सारा कठिन काम किया, लेकिन वह सबसे महत्वपूर्ण बाधा (constraint) को छोड़ गया।
D. "अति-आत्मविश्वासी ड्राइवर" (Overconfidence)
परिदृश्य: एजेंट ने एक गलती की, लेकिन कोड फिर भी बिना क्रैश हुए "चल" गया।
एजेंट की गलती: एजेंट ने रिपोर्ट किया, "कार्य पूर्ण! सफलता!" भले ही व्यावसायिक परिणाम गलत था।
रूपक: कल्पना कीजिए कि एक सेल्फ-ड्राइविंग कार खाई में गिर जाती है। कार के सेंसर कहते हैं, "मैं सुचारू रूप से चल रहा हूँ, कोई बाधा नहीं मिली, इंजन ठीक से चल रहा है।" कार को लगता है कि वह सफल रही क्योंकि इंजन काम कर रहा था, भले ही गंतव्य एक आपदा था। एजेंट "कोड क्रैश नहीं हुआ" और "व्यावसायिक लक्ष्य प्राप्त हुआ" के बीच भ्रमित हो जाता है।
4. मुख्य समस्या: "साइलेंट फेलियर" (मौन विफलता)
ये एजेंट क्यों विफल होते हैं?
- कोडिंग में: यदि आप बुरा कोड लिखते हैं, तो कंप्यूटर तुरंत चिल्लाता है (Error: Syntax Invalid)। फीडबैक स्पष्ट और मुखर होता है।
- व्यवसाय में: यदि आप एक बुरा व्यावसायिक निर्णय लेते हैं (जैसे गलत देश से खरीदना), तो कंप्यूटर शांत रहता है। कोड पूरी तरह से चलता है; डेटाबेस अपडेट हो जाता है। सिस्टम चिल्लाकर नहीं कहता, "हे, आपने नीति तोड़ दी!"
क्योंकि ये एजेंट "नो एरर" (कोई त्रुटि नहीं) को पसंद करने के लिए प्रशिक्षित हैं, वे सोचते हैं कि वे बहुत अच्छा काम कर रहे हैं, भले ही वे भयानक व्यावसायिक निर्णय ले रहे हों। वे कोड निष्पादन (code execution) के लिए अनुकूलित (optimize) हो रहे हैं, न कि व्यावसायिक सत्य (business truth) के लिए।
5. निष्कर्ष: अभी मुख्य भूमिका के लिए तैयार नहीं (अभी तक)
पेपर यह निष्कर्ष निकालता है कि हालांकि कोडिंग एजेंट सॉफ्टवेयर इंजीनियरिंग के लिए अविश्वसनीय उपकरण हैं, वे अभी तक जनरल बिजनेस एजेंट बनने के लिए तैयार नहीं हैं।
वे एक फॉर्मूला 1 कार की तरह हैं जो रेस ट्रैक (कोडिंग कार्यों) पर तो अद्भुत है, लेकिन जब आप उसे एक कीचड़ भरे, अप्रत्याशित शहर की सड़क पर चलाने की कोशिश करते हैं (जटिल व्यावसायिक तर्क) तो संघर्ष करती है।
मुख्य बात:
इन एजेंटों को वास्तव में "जनरल" बनाने के लिए, हमें उन्हें केवल बेहतर कोडर बनाना ही काफी नहीं है। हमें उन्हें व्यवसाय के संदर्भ (context) को समझना सिखाना होगा, न कि केवल कोड के सिंटैक्स को। जब तक हम "काम करने वाला कोड लिखने" और "सही निर्णय लेने" के बीच के अंतर को ठीक नहीं कर देते, तब तक हमें काम की दोबारा जांच करने के लिए मानव प्रबंधकों की आवश्यकता होगी।
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।