એક સ્વાયત્ત (autonomous) AI એજન્ટે લગભગ વીસ મિનિટમાં સંપૂર્ણ Retrieval-Augmented Generation (RAG) સ્ટેક બનાવ્યું અને માનવ કોડની એક પણ લાઇન લખ્યા વિના ડ્રાફ્ટ પુલ રિક્વેસ્ટ (pull request) ખોલી.
“લૂપ” (loop) શા માટે મહત્વનું છે
RAG સ્ટેક બનાવવાનો અર્થ સામાન્ય રીતે સર્ચ એન્જિન, એમ્બેડિંગ મોડલ, લેંગ્વેજ મોડલ અને ગ્લુ કોડ (glue code) ને એકસાથે જોડવાનો હોય છે. ડેવલપર્સ Helm charts માં ફેરફાર કરવા, auth glitches સુધારવા અને ખોટા મોડલ નામો શોધવામાં કલાકો બગાડે છે. આ ટેસ્ટમાં, સ્વાયત્ત એજન્ટે પાંચ-પગલાંની લૂપ અનુસરી હતી જે કોઈપણ કોડ લખતા પહેલા માનવ-એજન્ટ વચ્ચે સહમતિ (agreement) ફરજિયાત બનાવે છે.
| તબક્કો (Phase) | શું થાય છે |
|---|---|
| પ્રસ્તાવ (Proposal) | એજન્ટ પ્રોમ્પ્ટ વાંચે છે અને એક નક્કર યોજના તૈયાર કરે છે, પરંતુ હજુ કોડ જનરેટ કરતું નથી. |
| સહમતિ (Agreement) | વપરાશકર્તા યોજનાની સમીક્ષા કરે છે, તેને મંજૂરી આપે છે અથવા ફેરફારો માટે વિનંતી કરે છે. |
| અમલીકરણ (Implementation) | એજન્ટ એક નવી બ્રાન્ચ પર ફીચર બનાવે છે. |
| ડ્રાફ્ટ ગેટ (Draft Gate) | એજન્ટ તેની પોતાની લિન્ટિંગ (linting) અને ટેસ્ટ સુટ ચલાવે છે, અને તેને મળતી ભૂલો સુધારે છે. |
| ડ્રાફ્ટ PR (Draft PR) | કોડ પુશ કરવામાં આવે છે અને અંતિમ માનવ સમીક્ષા માટે પુલ રિક્વેસ્ટ ખોલવામાં આવે છે. |
મોટાભાગના AI-સહાયિત કોડિંગ ટૂલ્સ સીધા અમલીકરણ તરફ દોડી જાય છે, જે ઘણીવાર અસરોથી વિરુદ્ધ કોડ બનાવે છે. એક સ્પષ્ટ સહમતિનો તબક્કો ઉમેરીને, આ લૂપ અંધાધૂંધ અમલીકરણને અટકાવે છે અને કોઈપણ કમિટ (commit) થાય તે પહેલા વપરાશકર્તાને પ્રોજેક્ટનું સંચાલન કરવાની મંજૂરી આપે છે.
જે સ્ટેક તૈયાર થયો તે
વીસ મિનિટમાં એજન્ટે પ્રોડક્શન-રેડી (production-ready) RAG પાઇપલાઇન તૈયાર કરી:
- OpenSearch 3.7 હાઇબ્રિડ સર્ચ (vector + keyword) માટે કોન્ફિગર કરવામાં આવ્યું છે.
- Local Ollama LLM જે રિટ્રીવલ-ઓગમેન્ટેડ પ્રતિસાદો માટે જનરેટિવ એન્જિન તરીકે કામ કરે છે.
- FastMCP server જે લેંગ્વેજ મોડલને ચાર કસ્ટમ ટૂલ્સ પ્રદાન કરે છે.
- Skaffold અને Helm સ્ક્રિપ્ટ્સ જે કન્ટેનર બિલ્ડ્સ, Kubernetes મેનિફેસ્ટ્સ અને સર્વિસ ડિપ્લોયમેન્ટને ઓટોમેટ કરે છે.
પાઇપલાઇનમાં ત્રીસ લેખો ઉમેરવામાં આવ્યા હતા, જેનાથી એન્ડ-ટુ-એન્ડ રિટ્રીવલ અને જનરેશનનું તાત્કાલિક પરીક્ષણ શક્ય બન્યું. સામાન્ય રીતે એક ડેવલપર દરેક ઘટકને કોન્ફિગર કરવામાં આખો દિવસ વિતાવે છે; આ ઝડપ આશ્ચર્યજનક છે.
એ બગ્સ (bugs) જેણે તેને લગભગ તોડી નાખ્યું હતું
એજન્ટના આત્મવિશ્વાસનું પરીક્ષણ પાંચ અલગ-અલગ નિષ્ફળતાઓ દ્વારા કરવામાં આવ્યું હતું, જે સામાન્ય રીતે માનવ-સંચાલિત ડિપ્લોયમેન્ટને અટકાવી શકે છે:
- OpenSearch ક્રેડેન્શિયલ ભૂલો – એજન્ટે ખોટી સિક્રેટ કી આપી હતી, જેના કારણે ક્લસ્ટરે કનેક્શન નકાર્યા.
- URL માં Regex ટાઈપો – એક ખોટા અક્ષરને કારણે માન્ય એન્ડપોઇન્ટ ડેડ લિંકમાં ફેરવાઈ ગઈ, જેનાથી ડેટા લોડર બગડી ગયો.
- મોડલ નામના વિસંગતતા – કનેક્ટરે અલગ Ollama મોડલ આઈડેન્ટિફાયરની અપેક્ષા રાખી હતી, જેના કારણે “model not found” ભૂલો આવી હતી.
- JVM મેમરી મર્યાદાઓ – બલ્ક ઇન્ડેક્સિંગથી Java heap ખલાસ થઈ ગયો, જેના કારણે out-of-memory ક્રેશ થયા.
- મોડલ ચંક્સનું અકસ્માતિક ડિલીશન – ક્લીનઅપ સ્ક્રિપ્ટે આવશ્યક ફાઇલોને ડુપ્લીકેટ તરીકે ઓળખીને દૂર કરી દીધી, જેનાથી આખી પાઇપલાઇન જોખમમાં મુકાઈ ગઈ હતી.
જ્યારે એજન્ટ અટકી ગયો, ત્યારે “loop-police” એ હસ્તક્ષેપ કર્યો
loop-police નામનું એક સાથી વોચડોગ લૂપના સ્વાસ્થ્યનું નિરીક્ષણ કરે છે. જ્યારે ડિલીશન બગ દરમિયાન એજન્ટ અનંત ચક્રમાં ફસાઈ ગયો, ત્યારે loop-police એ વિલંબને ઓળખી લીધો, વર્તમાન બ્રાન્ચ રદ કરી અને ફરીથી સહમતિ (Agreement) તબક્કા પર જવા માટે મજબૂર કર્યું. ત્યારબાદ એજન્ટે ભૂલ સ્વીકારી, ખરાબ થયેલી સ્થિતિને સાફ કરી અને પાઇપલાઇનને ફરીથી શૂન્યથી બનાવી. શરૂઆતના પ્લાન મંજૂરી સિવાય માનવ હસ્તક્ષેપ વિના આ સેલ્ફ-હીલિંગ (self-healing) ચક્ર પૂર્ણ થયું.
ડેવલપર્સ માટે આનો અર્થ શું છે
- નિયંત્રણ સાથે ઝડપ. લૂપ એન્જિનિયરોને તેમનો ઈરાદો સ્પષ્ટ કરવાની મંજૂરી આપે છે, અને પછી અમલીકરણ એવા સ્વાયત્ત સિસ્ટમને સોંપે છે જે માનવ-મંજૂર બ્લુપ્રિન્ટનું પાલન કરે છે.
- ઇન-બિલ્ટ સેફ્ટી નેટ્સ. ઓટોમેટેડ લિન્ટિંગ, ટેસ્ટિંગ, અને એક વોચડોગ જે અનિયંત્રિત લૂપને તોડી શકે છે, તે સાયલન્ટ ફેલ્યોર (silent failures) ના જોખમને ઘટાડે છે.
- પ્રવેશ માટે ઓછી અવરોધકતા. જે ટીમો પાસે Helm, Kubernetes અથવા વેક્ટર-સર્ચ નિપુણતાનો અભાવ છે, તેઓ તેમની જરૂરિયાતો સાદી ભાષામાં વર્ણવીને કાર્યરત સ્ટેક તૈયાર કરી શકે છે.
આ અભિગમ કોઈ જાદુઈ ઉકેલ (silver bullet) નથી. અવાસ્તવિક અપેક્ષાઓ અથવા સુરક્ષા ચિંતાઓ શોધવા માટે સહમતિ (Agreement) તબક્કામાં હજુ પણ જાણકાર સમીક્ષકની જરૂર પડે છે. લૂપ ડોમેન એક્સપર્ટાઇઝનું સ્થાન લેતું નથી; તે માત્ર પુનરાવર્તિત પ્લમ્બિંગ કામને પુનરાવર્તિત કરી શકાય તેવા પેટર્નમાં પેકેજ કરે છે.