Holmes: Multimodal Agentic Diagnosis for Mixed-Language Mobile Crashes at Industrial Scale
होम्स (Holmes) एक मल्टी-एजेंट सिस्टम है जो मल्टीमॉडल रनटाइम सिग्नल्स को संश्लेषित करके पुनरुत्पादन (reproduction) के बिना विफलता संदर्भों को पुनर्गठित करता है, जिससे अल्ट्रा-लार्ज-स्केल एप्लिकेशन्स में मिश्रित-भाषा वाले मोबाइल क्रैश के लिए रूट कॉज़ एनालिसिस को स्वचालित किया जाता है, और वास्तविक दुनिया के वीचैट (WeChat) डेटा पर 87.6% फॉल्ट लोकलाइजेशन सटीकता प्राप्त करते हुए जांच के समय को 98% से अधिक कम करता 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 आप WeChat नामक एक विशाल, हलचल भरे शहर के मुख्य जासूस (Chief Detective) हैं। इस शहर में अरबों निवासी और लाखों इमारतें (कोड की लाइनें) हैं। हर दिन, हजारों इमारतें अचानक ढह जाती हैं (क्रैश हो जाती हैं)।
अतीत में, जब कोई इमारत ढहती थी, तो मानव जासूसों की एक टीम को यह समझने में घंटों या दिनों तक समय बिताना पड़ता था कि आखिर हुआ क्या था। उन्हें कागजी कार्रवाई के पहाड़ों (लॉग्स) को छानना पड़ता था, ब्लूप्रिंट (सोर्स कोड) को देखना पड़ता था, और उस सटीक क्षण को फिर से बनाने की कोशिश करनी पड़ती थी जब दुर्घटना हुई थी, जो अक्सर इसलिए भी मुश्किल होता था क्योंकि वे दुर्घटना को एक टेस्ट लैब में दोबारा नहीं बना पाते थे।
Holmes एक नई, सुपर-पावर्ड जासूसी टीम है जिसे इन रहस्यों को सेकंडों में सुलझाने के लिए डिज़ाइन किया गया है। यह कैसे काम करता है, इसके लिए सरल उपमाओं (analogies) का उपयोग किया गया है:
1. समस्या: "ब्लैक बॉक्स" का रहस्य
जब एक मोबाइल ऐप क्रैश होता है, तो यह एक व्यस्त सड़क के बीच में इमारत के ढहने जैसा होता है। आप समय में पीछे जाकर यह नहीं देख सकते कि वास्तव में क्या हुआ था। आपके पास केवल ये चीजें होती हैं:
- मलबा (The Debris): इमारत की आखिरी गतिविधियों की एक सूची (जिसे "स्टैक ट्रेस" कहा जाता है)।
- गवाह (The Witnesses): क्रैश से ठीक पहले लोग क्या कह रहे थे, उसका एक लॉग।
- ब्लूप्रिंट (The Blueprints): शहर के लिए एक विशाल निर्देश पुस्तिका (7 करोड़ लाइन का कोड)।
पुराने तरीके पूरे 7 करोड़ पन्नों की मैनुअल को एक टाइपो (गलती) खोजने के लिए पढ़ने जैसे थे। यह बहुत धीमा था। अन्य तरीकों ने AI का उपयोग करने की कोशिश की, लेकिन उन्हें एक टेस्ट लैब में क्रैश को फिर से बनाना पड़ता था, जो असंभव है क्योंकि हर उपयोगकर्ता का फोन अलग और निजी होता है।
2. समाधान: द होम्स डिटेक्टिव स्क्वाड (The Holmes Detective Squad)
एक अकेले जासूस द्वारा सब कुछ करने के बजाय, Holmes विशेषज्ञ एजेंटों की एक टीम का उपयोग करता है जो एक हाई-टेक पुलिस स्टेशन की तरह मिलकर काम करते हैं। वे तीन-चरणीय प्रक्रिया का उपयोग करते हैं:
चरण 1: सुराग इकट्ठा करना (द रिट्रीवल टीम)
मामला सुलझाने से पहले, टीम तुरंत सबसे प्रासंगिक सबूत जुटाती है।
- द स्टैक कोड रिट्रीवर: यह "मलबे" (क्रैश लिस्ट) को देखता है और तुरंत ब्लूप्रिंट के उन विशिष्ट पन्नों को निकाल लेता है जहाँ इमारत गिरी थी।
- द लॉग माइनर: पूरी 1 घंटे की गवाह की गवाही पढ़ने के बजाय, यह केवल उन 5 मिनटों की बातचीत को खोजने के लिए एक स्मार्ट फ़िल्टर का उपयोग करता है जो वास्तव में क्रैश का कारण बनी।
- द थ्रेड इंस्पेक्टर: यह जाँचता है कि क्या शहर के अन्य हिस्सों (अन्य थ्रेड्स) ने इमारत में हस्तक्षेप किया था। क्या 5वीं मंजिल पर चल रहे निर्माण कार्य दल ने गलती से 10वीं मंजिल से एक सपोर्ट बीम खींच लिया था?
चरण 2: गहरी पड़ताल (द एक्सप्लोरेशन टीम)
कभी-कभी क्रैश इसलिए होता है क्योंकि कोई गलती पहले हुई थी या इमारत के किसी दूसरे हिस्से में हुई थी।
- द कोड एक्सप्लोरर: यह एजेंट एक ऐसे जासूस की तरह काम करता है जो न केवल क्रैश स्थल को देखता है बल्कि सुरागों के निशान का पीछा भी करता है। यह पूछता है, "इस फंक्शन को किसने कॉल किया?" और "इससे पहले क्या हुआ था?" यह विशाल कोड लाइब्रेरी के माध्यम से गतिशील रूप से खुदाई करता है, केवल उन विशिष्ट पन्नों को प्राप्त करता है जिनकी उसे आवश्यकता है, न कि एक साथ पूरी लाइब्रेरी को लोड करता है। यह इसे "नॉन-लोकल" दोषों (उन गलतियों को जो क्रैश वाली जगह से दूर हुई हों) को खोजने में सक्षम बनाता है।
चरण 3: निर्णय (द रीजनिंग टीम)
यह मुख्य जासूस है जो सब कुछ एक साथ जोड़ता है।
- द सिंथेसिस एजेंट: यह मलबे, फ़िल्टर्ड गवाह लॉग, ब्लूप्रिंट के पन्ने और हस्तक्षेप रिपोर्टों को लेता है। यह एक विशेष ट्रिक का उपयोग करता है: यह लो-लेवल सुरागों (जैसे CPU रजिस्टर्स, जो इमारत के आंतरिक दबाव गेज की तरह हैं) को देखता है ताकि बिजनेस लॉजिक (ऐप को क्या करना चाहिए) और सिस्टम फ्रेमवर्क (ऑपरेटिंग सिस्टम) के बीच के अंतर को पाटा जा सके।
- इसके बाद यह एक अंतिम रिपोर्ट तैयार करता है: "क्रैश इसलिए हुआ क्योंकि दो श्रमिकों ने एक ही समय में एक ही उपकरण का उपयोग करने की कोशिश की (एक रेस कंडीशन)। इसका समाधान एक 'लॉक' जोड़ना है।"
3. यह गेम चेंजर क्यों है?
पेपर में Holmes का परीक्षण WeChat (चीनी सोशल मीडिया दिग्गज) के वास्तविक क्रैश पर किया गया। यहाँ उनके निष्कर्ष दिए गए हैं:
- गति (Speed): एक जटिल क्रैश को सुलझाने के लिए इंसान को 2-3 घंटे लगने के बजाय, Holmes इसे लगभग 77 सेकंड में कर देता है। यह समय में 98% की कमी है।
- सटीकता (Accuracy): इसने 87.6% बार उस विशिष्ट फंक्शन (इमारत के विशिष्ट कमरे) की सही पहचान की जहाँ त्रुटि हुई थी।
- लागत (Cost): इसे चलाना अविश्वसनीय रूप से सस्ता है। एक क्रैश पर Holmes चलाने की लागत लगभग 13 सेंट है, जबकि एक सीनियर इंजीनियर द्वारा घंटों बिताने की लागत (जो $70 से अधिक होगी) की तुलना में यह बहुत कम है।
4. यह "मिक्स्ड-लैंग्वेज" पहेली को कैसे संभालता है?
आधुनिक ऐप्स अलग-अलग सामग्रियों से बने घर की तरह होते हैं: कुछ दीवारें लकड़ी (Swift/Objective-C) की हैं, कुछ ईंट (C++) की हैं, और कुछ कंक्रीट (System Frameworks) की हैं।
- चुनौती: जब "कंक्रीट" वाले हिस्से में क्रैश होता है, तो "लकड़ी" वाला हिस्सा अक्सर यह नहीं देख पाता कि क्या गलत हुआ है क्योंकि निर्देश एक अलग भाषा में होते हैं।
- Holmes की ट्रिक: यह लो-लेवल आर्टिफैक्ट्स (जैसे असेंबली कोड और मेमोरी स्नैपशॉट्स) को एक सार्वभौमिक अनुवादक (universal translator) के रूप में उपयोग करता है। यह समस्या को हाई-लेवल ऐप लॉजिक से लेकर सिस्टम स्तर तक ट्रैक कर सकता है, भले ही सिस्टम वाले हिस्से का सोर्स कोड छिपा हुआ (क्लोज्ड-सोर्स) हो।
5. मुख्य निष्कर्ष (The Bottom Line)
Holmes एक डेवलपर के काम को एक जासूस (जिसे घंटों तक सुराग खोजने पड़ते हैं) से बदलकर एक वेरिफायर (जो बस AI की रिपोर्ट की जांच करता है) में बदल देता है।
- पहले: "मुझे नहीं पता कि यह क्यों क्रैश हुआ। मुझे 50,000 लाइन का कोड पढ़ना होगा और अनुमान लगाना होगा।"
- बाद में: "Holmes कहता है कि क्रैश फाइल X, लाइन 149 में रेस कंडीशन के कारण हुआ। मुझे बस इसकी पुष्टि करनी है।"
पेपर निष्कर्ष निकालता है कि यह सिस्टम औद्योगिक स्तर पर प्रभावी ढंग से काम करता है, जो श्रम-गहन और धीमी प्रक्रिया को एक तेज़, कुशल वर्कफ़्लो में बदल देता है, जिससे कंपनियों के लाखों डॉलर और डेवलपर्स के घंटों का समय बचता 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।