Using LLMs in Software Design: An Empirical Study of GitHub and A Practitioner Survey
यह शोध पत्र 291 GitHub संवादों के खनन विश्लेषण और 65 पेशेवरों के सर्वेक्षण को संयोजित करते हुए एक मिश्रित-पद्धतिगत अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह लक्षणित करता है कि डेवलपर्स सॉफ्टवेयर डिज़ाइन कार्यों के लिए LLMs का उपयोग कैसे करते हैं, जिससे नौ विशिष्ट अनुप्रयोग श्रेणियाँ, सात प्रमुख लाभ और छह महत्वपूर्ण सीमाएँ प्रकट होती हैं जो तकनीक की क्षमता और उसकी व्यावहारिक चुनौतियों के बीच वर्तमान तनाव को उजागर करती 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
सॉफ्टवेयर डिज़ाइन को एक विशाल, जटिल शहर के निर्माण (आर्किटेक्टिंग) की प्रक्रिया के रूप में देखें। एक भी ईंट रखने से पहले, वास्तुकारों को यह तय करना होता है कि सड़कें कहाँ जाएँगी, इमारतें एक-दूसरे से कैसे जुड़ेंगी, किन सामग्रियों का उपयोग किया जाएगा और सीवरेज सिस्टम कैसे काम करेगा। यही "सॉफ्टवेयर डिज़ाइन" है।
दशकों तक, यह काम पूरी तरह से मानव विशेषज्ञों द्वारा किया जाता था। लेकिन हाल ही में, एक नया उपकरण आया है: लार्ज लैंग्वेज मॉडल्स (LLMs), जैसे कि ChatGPT। इन मॉडल्स को अति-बुद्धिमान, अविश्वसनीय रूप से तेज़ इंटर्न के रूप में सोचें जिन्होंने कोडिंग और सिटी प्लानिंग के बारे में लिखी गई लगभग हर किताब पढ़ ली है। वे आपसे बात कर सकते हैं, आपके सवालों के जवाब दे सकते हैं, और यहाँ तक कि ब्लूप्रिंट भी बना सकते हैं।
यह शोध पत्र एक क्षेत्र अध्ययन (फील्ड स्टडी) है जो एक सरल प्रश्न का उत्तर देने के लिए है: वास्तविक सॉफ्टवेयर आर्किटेक्ट्स इन "सुपर-इंटर्न" का उपयोग अपने शहरों को डिजाइन करने के लिए वास्तव में कैसे कर रहे हैं, और क्या यह काम करता है?
शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने साक्ष्य के दो स्रोतों को देखा:
- "डायरी" (माइनिंग स्टडी): उन्होंने GitHub पर साझा की गई 291 वास्तविक बातचीत को देखा जहाँ डेवलपर्स ने डिज़ाइन समस्याओं के बारे में ChatGPT के साथ चर्चा की थी।
- "इंटरव्यू" (सर्वेक्षण): उन्होंने 65 सॉफ्टवेयर डेवलपर्स से सीधे पूछा, "आप इन उपकरणों का उपयोग कैसे करते हैं, और आपको इनके बारे में क्या पसंद या नापसंद है?"
यहाँ उनके निष्कर्ष दिए गए हैं, जिन्हें सरल अवधारणाओं में विभाजित किया गया है:
1. "इंटर्न" कौन से काम कर रहे हैं? (कार्य/टास्क)
अध्ययन से पता चला कि डेवलपर्स केवल AI से कोड की एक एकल पंक्ति लिखने के लिए नहीं कह रहे हैं। वे इसका उपयोग नौ विशिष्ट प्रकार के डिज़ाइन कार्यों के लिए कर रहे हैं, जो बड़े चित्र (बिग पिक्चर) से लेकर सूक्ष्म विवरणों तक फैले हुए हैं:
- बड़ी तस्वीर (आर्किटेक्चर): यह तय करना कि शहर एक विशाल इमारत होनी चाहिए या छोटे घरों का समूह (माइक्रोसर्विस)।
- ब्लूप्रिंट (डेटा मॉडल): यह डिज़ाइन करना कि जानकारी कैसे संग्रहीत की जाती है, जैसे कि एक लाइब्रेरी की फाइलिंग प्रणाली को व्यवस्थित करना।
- सड़क के नियम (इंटरफेस): यह समझना कि सिस्टम के विभिन्न हिस्से एक-दूसरे से कैसे बात करते हैं।
- सुरक्षा जाँच (सिक्योरिटी): दरवाजे और खिड़कियां कैसे लॉक की जाएं, इसकी योजना बनाना।
- "ठीक करने वाला" दल (रिफैक्टरिंग): एक पुराने, बिखरे हुए डिज़ाइन को लेकर उसे साफ-सुथरा करना।
उपमा: यह एक ऐसे इंटर्न को काम पर रखने जैसा है जो शहर का लेआउट बनाने, प्लंबिंग डायग्राम बनाने और सुरक्षा गेटों का सुझाव देने में आपकी मदद कर सकता है, लेकिन पेन आपको ही पकड़ना होगा और अंतिम निर्णय भी आपको ही लेना होगा।
2. वे "इंटर्न" से कैसे बात करते हैं? (परस्पर क्रिया/इंटरैक्शन)
शोधकर्ताओं ने पाया कि यह कोई "एक बार में काम खत्म होने वाला" संवाद नहीं है।
- यह एक बातचीत है, न कि केवल एक आदेश: एक डिज़ाइन समस्या को हल करने के लिए डेवलपर और AI के बीच औसतन लगभग 6 बार बातचीत होती है।
- पैटर्न: डेवलपर एक प्रश्न पूछता है, AI एक उत्तर देता है, डेवलपर कहता है, "यह बहुत अस्पष्ट है," या "इसे इस तरह से आजमाएं," और AI फिर से प्रयास करता है।
- केंद्र: ये अधिकांश बातचीत "विस्तृत डिज़ाइन" (डिटेल्ड डिज़ाइन) स्तर पर होती है। यह ईंट के विशिष्ट प्रकार या खिड़की के सटीक स्थान के बारे में बहस करने जैसा है, बजाय इसके कि पूरा शहर कहाँ बनाया जाना चाहिए, इस पर बहस की जाए।
उपमा: डिज़ाइन के लिए AI का उपयोग करना एक ऐसे GPS के साथ भूलभुलैया में नेविगेट करने जैसा है जो कभी-कभी रास्ता भटक जाता है। आपको इसे लगातार सुधारना पड़ता है, कहना पड़ता है, "नहीं, यहाँ बाएं मुड़ो, दाएं नहीं," जब तक कि आप अंततः निकास ढूंढ नहीं लेते।
3. उनकी महाशक्तियाँ क्या हैं? (लाभ)
डेवलपर्स ने सात मुख्य लाभ बताए, जिनमें शीर्ष दो हैं:
- "बेहतर गूगल": डिज़ाइन विचारों को खोजने के लिए AI अक्सर पारंपरिक खोज इंजन (Search Engine) की तुलना में तेज़ और अधिक सहायक होता है। यह एक जानकार लाइब्रेरियन की तरह कार्य करता है जो जटिल विषयों का तुरंत सारांश दे सकता है।
- "प्रारंभिक चेतावनी प्रणाली": AI डिज़ाइन में कमियों को पहचानने में आश्चर्यजनक रूप से अच्छा है, इससे पहले कि कोई इसे बनाए। यह कह सकता है, "हे, यदि आप इसे इस तरह से बनाते हैं, तो बाद में ट्रैफिक जाम हो जाएगा," जिससे टीम को भविष्य की परेशानियों से बचाया जा सके।
अन्य लाभों में नए टीम के सदस्यों को प्रोजेक्ट को जल्दी समझने में मदद करना और नए, रचनात्मक विचार सुझाना शामिल था जो इंसानों के दिमाग में नहीं आए थे।
4. उनकी बड़ी कमजोरियाँ क्या हैं? (सीमाएँ)
हालाँकि, "सुपर-इंटर्न" में कुछ गंभीर खामियां हैं जो इसे उपयोग करना कठिन बनाती हैं:
- "टेक्स्ट का पहाड़" समस्या: AI अक्सर बहुत अधिक लिख देता है। एक स्पष्ट ब्लूप्रिंट देने के बजाय, यह आपको 50 पन्नों का निबंध दे देता है। डेवलपर्स को इसे पढ़ना कठिन और निराशाजनक लगा।
- "टूटा हुआ ब्लूप्रिंट" समस्या: कभी-कभी AI ऐसा कोड या डिज़ाइन बनाता है जो कागज़ पर तो अच्छा दिखता है लेकिन वास्तव में काम नहीं करता जब आप इसे चलाने की कोशिश करते हैं। यह एक ऐसे वास्तुकार की तरह है जो एक ऐसा पुल बनाता है जो दिखने में सुंदर है लेकिन कार रखने पर ढह जाएगा।
- "भूलने की बीमारी" (एम्नेशिया) समस्या: AI संदर्भ (कॉन्टेक्स्ट) के प्रति बहुत संवेदनशील है। यदि आप इसे अपने विशिष्ट प्रोजेक्ट के बारे में पर्याप्त विवरण नहीं देते हैं, तो यह भ्रमित (Hallucinate) हो सकता है (मनगढ़ंत बातें बना सकता है) या ऐसी सलाह दे सकता है जो किसी दूसरे शहर के लिए उपयुक्त हो।
- "फ़ाइल अपलोड" का संघर्ष: पूरे प्रोजेक्ट फोल्डर को AI को अपलोड करना कठिन है। यह अपने शहर के लेआउट को समझाने के लिए एक नक्शा दिखाने के बजाय, सड़कों के नामों की सूची पढ़कर समझाने जैसा है।
निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि LLMs उत्कृष्ट "खोजकर्ता" (Explorers) हैं लेकिन अभी तक "निर्णय लेने वाले" (Decision-makers) नहीं हैं।
वे इनके लिए शानदार हैं:
- विचारों पर मंथन (Brainstorming) करने के लिए।
- स्पष्ट गलतियों की जाँच करने के लिए।
- नई अवधारणाओं को जल्दी सीखने के लिए।
- प्रारंभिक स्केच तैयार करने के लिए।
लेकिन वे मानव वास्तुकार (Architect) का स्थान लेने के लिए तैयार नहीं हैं। इंसान को अभी भी काम को सत्यापित करना होगा, टूटे हुए हिस्सों को ठीक करना होगा और अंतिम निर्णय लेना होगा। यह एक साझेदारी है: AI कच्चा माल और सुझाव प्रदान करता है, लेकिन इंसान निर्णय और अंतिम फिनिशिंग प्रदान करता है।
संक्षेप में: सॉफ्टवेयर डिज़ाइन के लिए LLM का उपयोग करना एक बहुत तेज़, बहुत जानकार, लेकिन कभी-कभी भ्रमित होने वाले सह-पायलट (Co-pilot) के साथ होने जैसा है। यह आपको तेज़ी से उड़ने में मदद कर सकता है और तूफानों को जल्दी पहचान सकता है, लेकिन आपको अभी भी नियंत्रण (Controls) अपने हाथों में रखने की आवश्यकता 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।