Applying SHAPR in AI-Assisted Research Software Development: Lessons Learnt from Building a Share Trading System
यह शोध पत्र एक मॉड्यूलर शेयर ट्रेडिंग सिस्टम विकसित करने के लिए SHAPR फ्रेमवर्क को लागू करने का एक केस स्टडी प्रस्तुत करता है, जो यह प्रदर्शित करता है कि कैसे संरचित दस्तावेज़ीकरण, पुनरावृत्ति चक्र (iterative cycles), और एक विशिष्ट टूल कॉन्फ़िगरेशन, AI-सहायता प्राप्त अनुसंधान सॉफ्टवेयर विकास में निरंतरता, ट्रैसेबिलिटी और पद्धतिगत स्पष्टता बनाए रख सकते हैं।
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 अकेले शेफ हैं जो एक बिल्कुल नया, जटिल रेसिपी बनाने की कोशिश कर रहे हैं जिसमें पहले कभी कोई ऐसी डिश नहीं बनी है। आपने निर्णय लिया है कि आप सब्जियों को काटने, मसालों को मिलाने और यहाँ तक कि नए स्वाद संयोजन सुझाने के लिए एक सुपर-स्मार्ट, हाइपर-फास्ट किचन रोबोट (जेनरेटिव एआई) का उपयोग करेंगे।
रोबोट अद्भुत है। यह आपसे दस गुना तेज़ी से काम करता है। लेकिन समस्या यह है कि क्योंकि यह बहुत तेज़ है, आप शायद यह ट्रैक नहीं रख पाएंगे कि आपने एक विशिष्ट मसाला क्यों डाला था, या रोबोट गलती से बीच में ही किसी सामग्री का नाम बदल सकता है, जिससे नोट्स का एक भ्रमित करने वाला ढेर बन जाएगा। अंत में आपके पास एक बेहतरीन स्वाद वाली डिश तो होती है, लेकिन आप यह नहीं समझा पाते कि आपने इसे कैसे बनाया, या इसे बाद में दोबारा कैसे बनाया जाए।
यह पेपर इस बारे में है कि कैसे एक शोधकर्ता, का चिंग चैन (Ka Ching Chan) ने ठीक इसी समस्या का सामना किया जब वे एक "शेयर ट्रेडिंग सिस्टम" (एक सॉफ्टवेयर जो स्टॉक खरीदने और बेचने का अनुकरण करता है) बना रहे थे। इस अराजकता को हल करने के लिए, उन्होंने SHAPR नामक नियमों के एक सेट का उपयोग किया।
यहाँ SHAPR क्या है और उन्होंने क्या सीखा, इसका एक सरल विवरण दिया गया है, रोजमर्रा के उदाहरणों का उपयोग करते हुए।
SHAPR क्या है?
SHAPR का अर्थ है Solo, Human-centred, AI-assisted Practice (अकेले, मानव-केंद्रित, एआई-सहायता प्राप्त अभ्यास)।
इसे AI के साथ काम करने के लिए एक सुरक्षा हार्नेस (safety harness) के रूप में सोचें।
- Solo (अकेले): आप रसोई में एकमात्र इंसान हैं।
- Human-centred (मानव-केंद्रित): आप हेड शेफ हैं। AI आपका सु-शेफ (sous-chef) है। AI सब्जियां काटता है, लेकिन डिश का स्वाद कैसा होगा और क्या वह खाने के लिए सुरक्षित है, यह आप तय करते हैं।
- AI-assisted (AI-सहायता प्राप्त): आप रोबोट की गति का उपयोग करते हैं, लेकिन आप उसे कार चलाने नहीं देते।
बड़ी समस्या: AI का "ब्लैक होल"
जब आप AI के साथ काम करते हैं, तो यह आसान है कि एक अच्छी बातचीत हो, आपको कुछ कोड मिल जाए, और फिर पाँच मिनट बाद आप भूल जाएँ कि आप कहाँ थे। AI एक वेरिएबल का नाम data_1 सुझा सकता है, और फिर बाद में data_2 सुझा सकता है, और अचानक आपका कोड भ्रम के उलझे हुए जाल में बदल जाता है। इसे "ड्रिफ्ट" (drift) कहा जाता है।
अनुसंधान (research) में, यदि आप यह नहीं समझा सकते कि आपको अपने परिणाम कैसे मिले, तो परिणाम मान्य नहीं होते। आपको एक 'पेपर ट्रेल' (लिखित प्रमाण) की आवश्यकता होती है।
समाधान: "तीन कमरों" वाली रसोई
शोधकर्ता ने केवल एक उपकरण का उपयोग नहीं किया। उन्होंने एक "लिंक्ड वर्कस्पेस" बनाया जिसमें तीन अलग-अलग कमरे थे, जिनमें से प्रत्येक का एक विशिष्ट कार्य था। इसने अराजकता को व्यवस्थित रखा:
- चैट रूम (ChatGPT): यह वह जगह है जहाँ आप रोबोट से बात करते हैं। यह मंथन (brainstorming) करने, "क्या होगा अगर हम यह आज़माएँ?" पूछने और त्वरित कोड स्निपेट्स प्राप्त करने के लिए है। यह अव्यवस्थित और तेज़ है।
- वर्कशॉप (PyCharm): यह वह जगह है जहाँ वास्तविक निर्माण होता है। यहाँ कोड रहता है और उसका परीक्षण किया जाता है।
- लेजर (Obsidian): यह सबसे महत्वपूर्ण कमरा है। यह आपका "सत्य का स्रोत" (Source of Truth) है। यह एक डिजिटल नोटबुक है जहाँ आप उन निर्णयों को लिखते हैं जो आपने चैट रूम में लिए थे और उन नियमों को जो वर्कशॉप के लिए हैं।
जादुई ट्रिक: आप लेजर को काम खत्म होने के बाद नहीं लिखते। आप इसे काम करते समय लिखते हैं।
पाँच स्वर्णिम सबक (द "सीक्रेट सॉस")
पेपर में पाँच मुख्य बातें मिलीं जिन्होंने इस प्रणाली को काम करने में मदद की। यहाँ वे रूपकों के माध्यम से दिए गए हैं:
1. "कॉन्ट्रैक्ट" रोबोट को स्थिर करता है
सबक: AI से कुछ बनाने के लिए कहने से पहले, आपको एक "कॉन्ट्रैक्ट" लिखना चाहिए।
उदाहरण: कल्पना कीजिए कि आप एक डेक बनाने के लिए एक ठेकेदार को काम पर रख रहे हैं। यदि आप बस कहते हैं, "मेरे लिए एक डेक बनाओ," तो वे लकड़ी का बना सकते हैं, फिर धातु का, फिर कांच का। आपको एक कॉन्ट्रैक्ट की आवश्यकता है जो कहता है: "यह 10x10 फीट का होना चाहिए, देवदार (cedar) का बना होना चाहिए, और इसमें 4 रेलिंग होनी चाहिए।"
पेपर में: शोधकर्ता ने AI के कोडिंग शुरू करने से पहले कोड के लिए "कॉन्ट्रैक्ट्स" (नियम) लिखे। इसने AI को अपना मन बदलने या भ्रमित करने वाले नाम इस्तेमाल करने से रोका।
2. "सत्य का स्रोत" सबको एक ही पृष्ठ पर रखता है
सबक: आपके पास एक ही स्थान होना चाहिए जो प्रोजेक्ट का वर्तमान "सत्य" रखता हो।
उदाहरण: कल्पना कीजिए कि एक ग्रुप प्रोजेक्ट है जहाँ हर किसी के पास अपनी नोटबुक है। एक व्यक्ति लिखता है "मीटिंग शाम 5 बजे," दूसरा लिखता है "मीटिंग 6 बजे," और तीसरा लिखता है "मीटिंग पार्क में।" अराजकता! आपको एक मास्टर कैलेंडर की आवश्यकता है जिसे सभी अपडेट करें।
पेपर में: शोधकर्ता ने अपने लेजर (Obsidian) में एक "सत्य का स्रोत" दस्तावेज़ रखा। यदि AI ने कुछ बदला, तो उन्होंने तुरंत इस दस्तावेज़ को अपडेट किया। इससे यह सुनिश्चित हुआ कि कोड और नोट्स हमेशा मेल खाते रहें।
3. "स्नैपशॉट" गेम को सेव करता है
सबक: जब आप काम का एक चरण पूरा कर लेते हैं, तो अगले चरण पर जाने से पहले एक "स्नैपशॉट" लें।
उदाहरण: वीडियो गेम के बारे में सोचें। आप 10 घंटे तक बिना सेव किए नहीं खेलते। यदि गेम क्रैश हो जाता है, तो आप सब कुछ खो देते हैं। आपको हर लेवल के अंत में "सेव" बटन दबाना होता है।
पेपर में: हर "डेवलपमेंट साइकिल" (जैसे गेम में एक लेवल) के अंत में, शोधकर्ता ने कोड और नोट्स का स्नैपशॉट लिया। इसका मतलब था कि यदि वे बाद में भटक जाते, तो वे पिछले "सेव पॉइंट" पर वापस जा सकते थे और बिना घबराए नए सिरे से शुरू कर सकते थे।
4. "क्विक कैप्चर" बनाम "पॉलिश्ड नोट"
सबक: कोडिंग करते समय एकदम सटीक नोट्स लिखने की कोशिश न करें। बस विचार को पकड़ लें, फिर बाद में उसे साफ करें।
उदाहरण: कल्पना कीजिए कि आप हाइकिंग कर रहे हैं और आपको एक सुंदर पक्षी दिखता है। आप मास्टरपीस पेंट करने के लिए नहीं रुकते; आप बस अपने फोन से एक त्वरित, धुंधली फोटो (Quick Capture) ले लेते हैं। बाद में, जब आप किसी कैफे में बैठे होते हैं, तो आप उस फोटो के आधार पर एक सुंदर विवरण लिखने के लिए AI का उपयोग करते हैं।
पेपर में: शोधकर्ता ने कोडिंग के दौरान विचारों को तुरंत दर्ज करने के लिए "क्विक कैप्चर" का उपयोग किया। बाद में, उन्होंने उन बिखरे हुए नोट्स को साफ, व्यवस्थित दस्तावेज़ों में बदलने के लिए AI का उपयोग किया। इससे वे कागजी कार्रवाई में उलझे बिना कोडिंग पर ध्यान केंद्रित कर सके।
5. किचन को सेटअप करना ही काम है
सबक: अपने उपकरणों और नियमों को सेट करने में समय बिताना समय की बर्बादी नहीं है; यह अनुसंधान का हिस्सा है।
उदाहरण: केक बेक करने से पहले, आपको ओवन को प्रीहीट करना होता है और अपना आटा मापना होता है। यह अभी "कुकिंग" नहीं है, लेकिन यदि आप इसे छोड़ देते हैं, तो केक जल जाएगा।
पेपर में: चैट रूम, वर्कशॉप और लेजर को सेट करने में बिताया गया समय वास्तव में शोधकर्ता को समस्या को बेहतर ढंग से समझने में मदद करता था। सेटअप ही सीखने की प्रक्रिया थी।
निष्कर्ष
यह पेपर हमें बताता है कि अनुसंधान के लिए AI का उपयोग करना केवल "मेरे लिए कोड लिखो" टाइप करना नहीं है। यह अनुशासन के बारे में है।
यदि आप AI को बेकाबू छोड़ देते हैं, तो आपको एक तेज़ लेकिन बिखरा हुआ परिणाम मिलता है जिस पर आप भरोसा नहीं कर सकते। लेकिन यदि आप कॉन्ट्रैक्ट्स का उपयोग करते हुए, एक मास्टर लेजर रखते हुए, स्नैपशॉट्स लेते हुए, और क्विक कैप्चर का उपयोग करते हुए एक हेड शेफ के रूप में कार्य करते हैं, तो आपको AI की गति के साथ मानव अनुसंधान की स्पष्टता और विश्वसनीयता मिलती है।
परिणाम? एक शेयर ट्रेडिंग सिस्टम जो काम करता है, लेकिन उससे भी महत्वपूर्ण बात यह है कि इसके निर्माण की एक स्पष्ट, ईमानदार कहानी 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।