🤖 AI

On Accelerating Grounded Code Development for Research

यह शोध पत्र एक ओपन-सोर्स फ्रेमवर्क प्रस्तुत करता है जो कोडिंग एजेंटों को वास्तविक समय में अद्यतित अनुसंधान रिपॉजिटरी और तकनीकी दस्तावेज़ों तक पहुँचने में सक्षम बनाकर विशिष्ट वैज्ञानिक और तकनीकी क्षेत्रों के लिए ग्राउंडेड कोड विकास को गति देता है, जिससे विकसित होते क्षेत्रों में फाउंडेशनल मॉडल्स की सीमाओं को दूर किया जा सके।

मूल लेखक: Santosh Ganji

प्रकाशित 2026-04-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Santosh Ganji

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

यहाँ शोध के लिए "ग्राउंडेड कोड डेवलपमेंट को गति देने" (Accelerating Grounded Code Development for Research) नामक पेपर का सरल, रोज़मर्रा की भाषा और रचनात्मक उपमाओं (analogies) के साथ अनुवाद दिया गया है।

बड़ी समस्या: "पुरानी विश्वकोश" (The Outdated Encyclopedia)

कल्पना कीजिए कि आप एक बहुत ही प्रतिभाशाली वैज्ञानिक या इंजीनियर हैं जो कुछ नया आविष्कार करने की कोशिश कर रहे हैं, जैसे कि एक तेज़ 5G सिग्नल या एक नए प्रकार की बैटरी। आपके पास एक सुपर-स्मार्ट AI सहायक (एक Large Language Model) है जो कुछ साल पहले तक की दुनिया के बारे में सब कुछ जानता है।

समस्या: यह AI उस छात्र की तरह है जो 2023 में कॉलेज से स्नातक होकर निकला है। वह बुनियादी बातें जानता है, लेकिन उसे इस बात का कोई अंदाज़ा नहीं है कि आपने कल कौन से प्रयोग किए थे, आपकी टीम ने अभी कौन से नए प्रोटोकॉल लिखे हैं, या आपकी कंपनी कौन से विशिष्ट तकनीकी मैनुअल का उपयोग करती है। यदि आप इसे अपने नए प्रोजेक्ट के लिए कोड लिखने के लिए कहते हैं, तो यह पुराने नियमों के आधार पर अनुमान लगा सकता है, जिससे गलतियाँ हो सकती हैं।

आमतौर पर, इसे ठीक करने के लिए, आपको AI को अपने नए डेटा पर "री-ट्रेन" (re-train) करना होगा। लेकिन यह ऐसा है जैसे छात्र को आपकी विशिष्ट नोट्स सीखने के लिए दो साल तक वापस स्कूल जाने के लिए मजबूर करना। यह बहुत महंगा है, बहुत धीमा है, और इसके प्रबंधन के लिए विशेषज्ञों की एक टीम की आवश्यकता होती है।

समाधान: "इंस्टेंट लाइब्रेरी कार्ड" (The Instant Library Card)

लेखक, संतोष गंजी, एक सरल और तेज़ तरीका प्रस्तावित करते हैं। AI को री-ट्रेन करने के बजाय, हम उसे एक जादुई लाइब्रेरी कार्ड देते हैं जो उसे ज़रूरत पड़ने पर आपके विशिष्ट दस्तावेज़ों और कोड को तुरंत पढ़ने की अनुमति देता है।

इसे इस तरह सोचें: पूरी लाइब्रेरी को याद करने के बजाय, AI को लाइब्रेरी में जाने, अपनी ज़रूरत की सटीक किताब खोजने, उसका पेज पढ़ने और फिर अपना उत्तर लिखने की अनुमति है। इसे "ग्राउंडेड कोड डेवलपमेंट" (Grounded Code Development) कहा जाता है।

यह सिस्टम कैसे काम करता है (तीन उपकरण)

यह पेपर इस कार्य को पूरा करने के लिए तीन मुख्य भागों वाला एक टूलकिट पेश करता है:

1. "डॉक्यूमेंट सर्च" (तेज़ लाइब्रेरियन)

पुराना तरीका: कुछ सिस्टम आपके दस्तावेज़ों को जटिल गणितीय मानचित्रों (वेक्टर्स) में बदलकर "स्मार्ट" बनने की कोशिश करते हैं ताकि समान विचारों को खोजा जा सके। यह किसी किताब को यह पूछकर खोजने जैसा है, "कौन सी किताब एक दुखी कुत्ते की कहानी के बारे में महसूस होती है?" इसे सेटअप करना धीमा है और कभी-कभी यह उस सटीक किताब को मिस कर देता है जिसकी आपको आवश्यकता है।
नया तरीका: यह सिस्टम लेक्सिकल सर्च (Lexical Search) का उपयोग करता है। यह एक सुपर-फास्ट लाइब्रेरियन की तरह है जो बस आपके द्वारा टाइप किए गए सटीक शब्दों को देखता है। यदि आप "5G synchronization" मांगते हैं, तो यह उन सभी दस्तावेज़ों को ढूंढ लेता है जिनमें ये सटीक शब्द हैं।
यह क्यों शानदार है: यह तत्काल है। इसे अर्थ (meaning) के बारे में "सोचने" की आवश्यकता नहीं है; यह बस कीवर्ड्स को मैच करता है। यह तकनीकी मैनुअल के लिए एकदम सही है जहाँ अस्पष्ट भावनाओं के बजाय सटीक शब्दों का महत्व अधिक होता है।

2. "LSP सर्च" (कोड डिटेक्टिव)

समस्या: यदि आप किसी सामान्य सर्च टूल से अपने कोड में एक फंक्शन खोजने के लिए कहते हैं, तो वह कमेंट, वेरिएबल नाम या टेक्स्ट की स्ट्रिंग के अंदर "calculate" शब्द को ढूंढ सकता है। यह "apple" शब्द को खोजने और "pineapple", "apple pie" और "apple tree" में खोजने जैसा है।
समाधान: यह सिस्टम LSP (Language Server Protocol) का उपयोग करता है। यह AI को एक "कोड डिटेक्टिव" (Code Detective) बैज देने जैसा है। डिटेक्टिव केवल टेक्स्ट को नहीं पढ़ता; वह कोड की संरचना (structure) को समझता है। वह जानता है कि calculate() एक फंक्शन है, न कि केवल एक शब्द। वह आपको बता सकता है कि एक फंक्शन कहाँ परिभाषित (define) है और कहाँ उपयोग किया गया है, और सारा "शोर" (noise) हटा सकता है।

3. "स्किल लाइब्रेरी" (प्रोजेक्ट मैनेजर)

समस्या: लाइब्रेरी कार्ड और डिटेक्टिव होने के बावजूद, AI एक बड़े काम को कैसे करना है, इस बारे में भ्रमित हो सकता है। वह बिना योजना बनाए सीधे कोड लिखने में कूद सकता है, या वह पहले नियम चेक करना भूल सकता है।
समाधान: स्किल लाइब्रेरी (Skill Library) एक प्रोजेक्ट मैनेजर या रेसिपी बुक की तरह है।
- केवल "कोड लिखें" कहने के बजाय, शोधकर्ता AI को एक "स्किल" (वर्कफ़्लो) देता है।
- उदाहरण स्किल: "एक नया सिग्नल डिज़ाइन करें।"
- चरण:
  1. चरण 1: लाइब्रेरी में जाएँ और नवीनतम पेपर्स पढ़ें।
  2. चरण 2: यह देखने के लिए कि हमने पिछली बार इसे कैसे किया था, 'कोड डिटेक्टिव' का उपयोग करें।
  3. चरण 3: एक योजना लिखें (अभी कोड न लिखें!)।
  4. चरण 4: अब उस योजना के आधार पर कोड लिखें।
- यह AI को एक तार्किक अनुसंधान प्रक्रिया का पालन करने के लिए मजबूर करता है, ठीक वैसे ही जैसे एक मानव वैज्ञानिक करता है।

"Zed-Fork" और "Doc-Search"

लेखक ने विशिष्ट उपकरणों का भी उल्लेख किया है जिन्हें उन्होंने बनाया है:

doc-search.dev: एक वेबसाइट जहाँ आप अपने PDF और तकनीकी दस्तावेज़ अपलोड कर सकते हैं। यह आपके AI के लिए एक व्यक्तिगत क्लाउड लाइब्रेरी की तरह है।
Zed-fork: एक कोड एडिटर का संस्करण जो इन नियमों को लागू करता है। यह सुनिश्चित करता है कि AI "स्किल लाइब्रेरी" के चरणों का पालन करे और केवल कल्पना (hallucinate) न करे।

निचोड़ (The Bottom Line)

यह पेपर तर्क देता है कि हमें ऐसे "सुपर-इंटेलिजेंट" AI बनाने की ज़रूरत नहीं है जो सब कुछ जानते हों। इसके बजाय, हमें ऐसे स्मार्ट असिस्टेंट बनाने चाहिए जो चीज़ों को खोजना जानते हों।

कोडिंग एजेंटों को निम्नलिखित देकर:

आपके विशिष्ट दस्तावेज़ों तक तत्काल पहुँच (लेक्सिकल सर्च के माध्यम से)।
आपके कोड संरचना की सटीक समझ (LSP के माध्यम से)।
पालन करने के लिए एक स्पष्ट वर्कफ़्लो (स्किल लाइब्रेरी के माध्यम से)।

...हम वैज्ञानिकों और इंजीनियरों को खोज और रचनात्मकता पर ध्यान केंद्रित करने दे सकते हैं, जबकि AI मैनुअल पढ़ने, कोड खोजने और नियमों का पालन करने जैसे उबाऊ काम संभालता है। यह AI को एक "सब कुछ जानने वाले छात्र" से एक "विश्वसनीय अनुसंधान सहायक" में बदल देता है।

प्रदान किए गए शोध पत्र के आधार पर, संतोष गंजी द्वारा लिखित "On Accelerating Grounded Code Development for Research" का विस्तृत तकनीकी सारांश यहाँ दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र विशेष वैज्ञानिक और तकनीकी डोमेन (जैसे सामग्री विज्ञान, बायोइंजीनियरिंग, वायरलेस संचार) में लार्ज लैंग्वेज मॉडल्स (LLMs) और कोडिंग एजेंट्स को लागू करने में आने वाली एक महत्वपूर्ण बाधा को संबोधित करता है।

ज्ञान अंतराल (Knowledge Gap): मौलिक मॉडल्स (Foundational models) के पास डोमेन-विशिष्ट ज्ञान (जैसे प्रयोगात्मक परिणाम, नवीन प्रोटोकॉल, मालिकाना दस्तावेज़) तक पहुँच नहीं होती है, जो मॉडल प्रशिक्षण चक्रों की तुलना में बहुत तेज़ी से विकसित होता है।
वर्तमान समाधानों की सीमाएँ:
- फाइन-ट्यूनिंग (Fine-tuning): यह अत्यधिक महंगी है और इसके लिए विशेषज्ञता/डेटा की आवश्यकता होती है जो अक्सर विशिष्ट शोधकर्ताओं के पास नहीं होता।
- जटिल RAG/KG-RAG: रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) और नॉलेज ग्राफ RAG (KG-RAG) अक्सर उच्च कम्प्यूटेशनल ओवरहेड, गतिशील वातावरण में विलंबता (latency), और अपर्याप्त ग्राउंडिंग के कारण "भ्रम" (hallucinations) से ग्रस्त होते हैं। वे उन सिमेंटिक एम्बेडिंग्स पर निर्भर करते हैं जो सटीक तकनीकी शब्दावली को मिस कर सकती हैं या जिन्हें जटिल रखरखाव की आवश्यकता होती है।
- एजेंटिक रीजनिंग त्रुटियाँ (Agentic Reasoning Errors): मल्टी-स्टेप रीजनिंग फ्रेमवर्क अक्सर विश्वसनीय, नियत (deterministic) ग्राउंडिंग के बिना लंबी अनुक्रमों में त्रुटियों को संचित करते हैं।
मुख्य चुनौती: शोधकर्ताओं को ऐसे वर्कफ़्लो में कोडिंग एजेंट्स को एकीकृत करने के तरीके की आवश्यकता है जो बड़े मॉडल रिट्रेनिंग या जटिल सिमेंटिक इंडेक्सिंग पाइपलाइन की आवश्यकता के बिना, गतिशील रिपॉजिटरी और तकनीकी दस्तावेज़ों तक तत्काल पहुँच प्रदान कर सके।

2. कार्यप्रणाली (Methodology)

लेखक एक ऐसा फ्रेमवर्क प्रस्तावित करते हैं जो एजेंट के प्रारंभिक एकीकरण के लिए जटिल सिमेंटिक रीजनिंग के बजाय गति, पुनरुत्पादकता (reproducibility), और नियत ग्राउंडिंग (deterministic grounding) को प्राथमिकता देता है। कार्यप्रणाली के तीन मुख्य स्तंभ हैं:

A. रिट्रीवल रणनीति: सिमेंटिक एम्बेडिंग्स के ऊपर लेक्सिकल सर्च (Lexical Search over Semantic Embeddings)

डेन्स वेक्टर एम्बेडिंग्स (RAG) के उपयोग के चलन के विपरीत, यह शोध पत्र तर्क देता है कि तेजी से बदलते अनुसंधान वातावरण में कोडिंग एजेंटों को ग्राउंड करने के लिए लेक्सिकल सर्च श्रेष्ठ है।

तर्क: लेक्सिकल सर्च (BM25/TF-IDF का उपयोग करके) प्रासंगिक दस्तावेजों तक तत्काल, नियत पहुँच प्रदान करता है। यह एम्बेडिंग मॉडल्स से जुड़े प्रीप्रोसेसिंग, इंडेक्सिंग और ट्यूनिंग खर्चों से बचता है।
कार्यान्वयन: सिस्टम दस्तावेजों को इंडेक्स करने के लिए Elasticsearch (Apache Lucene पर आधारित) का उपयोग करता है। यह एक तीन-स्तरीय फॉलबैक रणनीति अपनाता है:
1. match_phrase (सटीक वाक्यांश)।
2. match (AND लॉजिक के साथ - सभी शब्द)।
3. match (OR लॉजिक के साथ - कोई भी शब्द)।
लाभ: यह सुनिश्चित करता है कि एजेंट तकनीकी डोमेन में, जहाँ सटीक शब्दावली सिमेंटिक समानता से अधिक महत्वपूर्ण होती है, जानकारी को तेज़ी से और विश्वसनीय रूप से प्राप्त करें।

B. डॉक्यूमेंट पार्सिंग और इनजेशन पाइपलाइन (Document Parsing and Ingestion Pipeline)

एक मजबूत पाइपलाइन कच्चे PDF (100MB तक) को सर्च इंजन के लिए संरचित डेटा में संसाधित करती है:

पैरेलल प्रोसेसिंग: बड़े दस्तावेजों (50+ पृष्ठों) को समानांतर में संसाधित करने वाले चंक्स (chunks) में विभाजित करने के लिए ProcessPoolExecutor का उपयोग किया जाता है।
मल्टी-मोडल एक्सट्रैक्शन:
- टेक्स्ट: PyMuPDF के माध्यम से निकाला जाता है; टेबल्स और गणितीय सूत्रों को सुरक्षित रखने के लिए वैकल्पिक रूप से pymupdf4llm के माध्यम से Markdown में परिवर्तित किया जाता है।
- फिगर्स/टेबल्स: समानांतर में निकाले जाते हैं। टेबल्स को Markdown फॉर्मेट (col1 | col2) में बदला जाता है; फिगर कैप्शन को स्थानिक ह्यूरिस्टिक्स (spatial heuristics) के माध्यम से पहचाना जाता है।
चंकिंग (Chunking): टेक्स्ट को बिना ओवरलैप के 3,000-कैरेक्टर के फिक्स्ड चंक्स में विभाजित किया जाता है, जो पेज लोकेशन के साथ संरेखित (alignment) सुनिश्चित करता है।
स्टोरेज: सामग्री को चार Elasticsearch इंडेक्स में संग्रहीत किया जाता है: documents (मेटाडेटा), document_chunks (टेक्स्ट), document_figures, और document_tables|

C. टूल इंटीग्रेशन और ऑर्केस्ट्रेशन (Tool Integration and Orchestration)

फ्रेमवर्क एक सिस्टम प्रॉम्प्ट के माध्यम से एजेंट को विशिष्ट टूल्स प्रदान करता है, जिससे एक "ग्राउंडेड" वर्कफ़्लो सक्षम होता है:

डॉक्यूमेंट सर्च टूल: एक कस्टम API (search_internal) जो एजेंटों को जेनेरिक वेब सर्च को बायपास करके निजी, डोमेन-विशिष्ट कॉर्पस को सीधे क्वेरी करने की अनुमति देता है।
LSP-आधारित सिमेंटिक कोड सर्च: केवल grep (जो शोर वाले परिणाम देता है) पर निर्भर रहने के बजाय, सिस्टम Language Server Protocol (LSP) को एकीकृत करता है।
- एजेंट कोड संरचनाओं, सिंबल डेफिनिशन और टाइप रिलेशनशिप को सटीक रूप से नेविगेट करने के लिए lsp_definition और lsp_references को कॉल कर सकते हैं।
- यह कोडबेस की कंपाइलर-स्तर की समझ प्रदान करके टेक्स्ट सर्च का पूरक बनता है।
स्किल लाइब्रेरी (वर्कफ़्लो ऑर्केस्ट्रेशन):
- मुख्य नवाचार स्किल लाइब्रेरी है, जो यह परिभाषित करती है कि एक शोध कार्य को कैसे निष्पादित किया जाए, न कि केवल यह कि कौन से टूल्स उपलब्ध हैं।
- वर्कफ़्लो उदाहरण: "सिंक्रोनाइज़ेशन सिग्नल डिज़ाइन और सिम्युलेट करें" जैसे कार्य के लिए, स्किल एक सख्त अनुक्रम लागू करती है:
  1. एक्सप्लोरेशन (Exploration): क्वेरी एक्सपेंशन के साथ इटरेटिव डॉक्यूमेंट सर्च।
  2. सिंथेसिस (Synthesis): निष्कर्षों को एक संरचित शोध योजना (उद्देश्य, उप-समस्याएं, मेट्रिक्स) में एकत्रित करना।
  3. प्लानिंग (Planning): कार्यान्वयन विवरण (लाइब्रेरी, लॉगिंग, रिसोर्स) को परिभाषित करना।
  4. एक्ज़ीक्यूशन (Execution): केवल योजना ठोस होने के बाद ही एजेंट कोडिंग टूल्स का उपयोग करके सिमुलेशन कोड जेनरेट करता है।

3. प्रमुख योगदान (Key Contributions)

लेक्सिकल-फर्स्ट ग्राउंडिंग फ्रेमवर्क: एक प्रमाण कि जटिल सिमेंटिक RAG के बजाय सरल, नियत लेक्सिकल सर्च (Elasticsearch) गतिशील, तकनीकी डोमेन में कोडिंग एजेंटों को ग्राउंड करने के लिए पर्याप्त और अक्सर बेहतर है।
हाइब्रिड सर्च आर्किटेक्चर: एक सिस्टम जो डॉक्यूमेंट सर्च (बाहरी ज्ञान के लिए) और LSP-आधारित कोड सर्च (आंतरिक कोड संरचना के लिए) को जोड़ता है, जो डॉक्यूमेंटेशन और इम्प्लीमेंटेशन के बीच के अंतर को पाटता है।
स्किल लाइब्रेरी एब्स्ट्रैक्शन: एक अभिनव परत जो शोधकर्ताओं को अपनी विशिष्ट शोध पद्धतियों (जैसे "सर्च $\to$ प्लान $\to$ कोड") को पुन: प्रयोज्य वर्कफ़्लो में एनकोड करने की अनुमति देती है, जिससे एजेंट को समय से पहले कोड जनरेशन करने से रोका जा सके।
ओपन-सोर्स इम्प्लीमेंटेशन: doc-search.dev जैसे टूल्स का रिलीज़ जो डॉक्यूमेंट इनजेशन के लिए है और एक zed-fork एडिटर इंटीग्रेशन जो डोमेन-विशिष्ट नियमों और वर्कफ़्लो को लागू करता है।

4. परिणाम और केस स्टडी (Results and Case Study)

केस स्टडी: पेपर इस फ्रेमवर्क को वायरलेस स्टैंडर्ड्स डॉक्यूमेंटेशन (विशेष रूप से 5G/6G प्रोटोकॉल) का उपयोग करके मान्य करता है।
परिणाम: सिस्टम ने सफलतापूर्वक एक एजेंट को सक्षम किया:
- मालिकाना मानकों के दस्तावेजों से विशिष्ट तकनीकी विवरण (जैसे "38.331 में सिंक्रोनाइज़ेशन सिग्नल") प्राप्त करना।
- फंक्शन डेफिनिशन और रेफरेंस खोजने के लिए LSP का उपयोग करके कोडबेस को नेविगेट करना।
- संचार प्रणाली के घटक को डिज़ाइन और सिम्युलेट करने के लिए एक मल्टी-स्टेप रिसर्च वर्कफ़्लो को निष्पादित करना, जो लिटरेचर रिव्यू से लेकर कोड जनरेशन तक जाता है, बिना तकनीकी बाधाओं के भ्रम (hallucinate) पैदा किए।
प्रदर्शन: लेक्सिकल दृष्टिकोण ने तत्काल प्रतिक्रियाशीलता प्रदान की, जिससे एम्बेडिंग जनरेशन और वेक्टर इंडेक्स रीबिल्डिंग की विलंबता और कंप्यूट लागत से बचा जा सका।

5. महत्व (Significance)

प्रवेश की बाधा को कम करना: फाइन-ट्यूनिंग या जटिल RAG पाइपलाइनों की आवश्यकता को हटाकर, यह फ्रेमवर्क डोमेन विशेषज्ञों को, जो ML इंजीनियर नहीं हैं, AI एजेंटों का उपयोग अनुसंधान के लिए करने की अनुमति देता है।
विज्ञान में विश्वसनीयता: यह वास्तविक दस्तावेजों और कोड संरचनाओं में सख्त ग्राउंडिंग को लागू करके वैज्ञानिक अनुसंधान में "भ्रम" (hallucination) की समस्या को संबोधित करता है।
वर्कफ़्लो ऑटोमेशन: यह AI की भूमिका को एक साधारण चैटबॉट से बदलकर एक सहयोगी अनुसंधान भागीदार के रूप में बदल देता है जो शोध कार्य के पूरे जीवनचक्र को प्रबंधित कर सकता है: लिटरेचर रिव्यू, परिकल्पना निर्माण, प्रयोगात्मक डिज़ाइन और कार्यान्वयन।
फ्यूचर-प्रूफिंग: फ्रेमवर्क को तेजी से विकसित होने वाले डेटासेट को संभालने के लिए डिज़ाइन किया गया है, जो इसे उन क्षेत्रों के लिए उपयुक्त बनाता है जहाँ ज्ञान साप्ताहिक या दैनिक रूप से बदलता है, स्थिर मॉडल वेट्स के विपरीत।

संक्षेप में, यह पेपर तर्क देता है कि विशेष वैज्ञानिक कोडिंग के लिए, उन्नत सिमेंटिक रीजनिंग की तुलना में वर्तमान डेटा तक नियत पहुँच और संरचित वर्कफ़्लो अधिक महत्वपूर्ण हैं, और यह इसे प्राप्त करने के लिए एक व्यावहारिक, ओपन-सोर्स आर्किटेक्चर प्रदान करता है।