બે-મગજ (two-brain) આર્કિટેક્ચર શા માટે?

મોટાભાગના કોડ-લખતા આસિસ્ટન્ટ્સ એકલ મોડેલનો ઉપયોગ કરે છે જેને શું બનાવવું તે નક્કી કરવું અને સોર્સ કોડ લખવો પડે છે. લાંબા સેશન્સ દરમિયાન મોડેલની કોન્ટેક્સ્ટ વિન્ડો ભરાઈ જાય છે, જેના કારણે "કોન્ટેક્સ્ટ ડ્રિફ્ટ" (context drift) થાય છે – તે અગાઉના નિર્ણયો ભૂલી જાય છે અને વિરોધાભાસી અથવા ડુપ્લીકેટ કોડ આપે છે. Cursor આ સમસ્યાને માનસિક શ્રમને વિભાજિત કરીને ઉકેલે છે:

  • પ્લાનર એજન્ટ્સ (Planner agents) સૌથી શક્તિશાળી મોડેલ્સ પર ચાલે છે (ડ્રાફ્ટમાં Opus 4.8 અથવા Fable 5 નો ઉલ્લેખ છે). તેઓ ઉચ્ચ-સ્તરીય વિનંતીને કાર્ય શ્રેણીમાં (task hierarchy) વિભાજિત કરે છે, અસ્પષ્ટતાઓને દૂર કરે છે અને ડિઝાઇન પસંદગીઓને રેકોર્ડ કરે છે.
  • વર્કર એજન્ટ્સ (Worker agents) ઝડપી, હાઈ-થ્રુપુટ મોડેલ્સ (Composer 2.5) પર ચાલે છે. તેઓ પ્લાનર્સ પાસેથી ચોક્કસ કાર્યો લે છે અને કોડ સ્નિપેટ્સ જનરેટ કરે છે.

"શું" અને "કેવી રીતે" ને અલગ રાખવાથી તે ઓવરલોડ અટકે છે જે સિંગલ-મોડેલ સિસ્ટમ્સને અવરોધે છે. દરેક મોડેલ તેની ભૂમિકાને અનુરૂપ કોન્ટેક્સ્ટ સાઈઝની અંદર રહે છે, જેનાથી ટોકન-બજેટમાં થતો મોટો વધારો ટાળી શકાય છે જે ડિઝાઇનર્સને પ્રોમ્પ્ટ્સ ટૂંકા કરવા માટે મજબૂર કરે છે.

સ્વોર્મનું (swarm) સ્કેલિંગ

Cursor ના સ્વોર્મના પ્રારંભિક વર્ઝન પ્રતિ કલાક લગભગ એક હજાર કમિટ્સ (commits) કરી શકતા હતા. સ્પ્લિટ-બ્રેઈન રીડિઝાઇન પછી સિસ્ટમ અંદાજે પ્રતિ સેકન્ડ એક હજાર કમિટ્સ સુધી પહોંચી ગઈ. આ ઝડપે એક નવો બોટલનેક (bottleneck) ખુલ્લો પાડ્યો: વર્ઝન-કંટ્રોલ ટૂલ્સ આટલા મોટા સંઘર્ષ માટે બનાવવામાં આવ્યા નહોતા. જ્યારે બે પ્લાનર્સ એકબીજા પર ઓવરલેપ થતી સૂચનાઓ આપે, ત્યારે રિપોઝિટરીમાં ડુપ્લીકેટ લોજિક હોઈ શકે છે – આ સમસ્યાને ટીમ "સ્પ્લિટ-બ્રેઈન એરર્સ" (split-brain errors) કહે છે.

Cursor એ ત્રણ સુરક્ષાત્મક પગલાંઓ દ્વારા આ અરાજકતાને નિયંત્રિત કરી:

  1. શેર્ડ ડિઝાઇન ડોક્યુમેન્ટ્સ (Shared design documents) – દરેક પ્લાનર તેના નિર્ણયોને જનરેટ થયેલા કોડ સાથે જોડાયેલા એક કેન્દ્રીય દસ્તાવેજમાં લખે છે. વર્કર્સ તે લિંક્સને અનુસરે છે, જેથી સમાન ડિઝાઇન અન્યત્ર ફરીથી બનાવવામાં ન આવે.
  2. મલ્ટી-એંગલ રિવ્યુઝ (Multi-angle reviews) – ત્રણ એજન્ટો કામના અલગ-અલગ ભાગોનું નિરીક્ષણ કરે છે (સંપૂર્ણ ટ્રાન્સક્રિપ્ટ, ફક્ત આઉટપુટ, અથવા ફક્ત કોડ). આ ક્રોસ-ચેકિંગ એવી અસંગતતાઓને પકડી પાડે છે જે સિંગલ વ્યુ ચૂકી જાય તેમ હોય.
  3. સેલ્ફ-મેન્ટેન્ડ ફીલ્ડ ગાઈડ્સ (Self-maintained field guides) – એજન્ટો આશ્ચર્યજનક તારણો અને મુશ્કેલીઓનું એક "નોલેજ ફોલ્ડર" રાખે છે. જ્યારે નવો વર્કર શરૂ થાય છે, ત્યારે તે જાણી ભૂલોનું પુનરાવર્તન ટાળવા માટે આ ફોલ્ડરનો ઉપયોગ કરે છે, જે સ્વોર્મમાં ટૂંકા ગાળાની મેમરી પૂરી પાડે છે.

આ પગલાં ફેરફારોના પ્રવાહ હોવા છતાં કોડબેઝને સુસંગત રાખે છે.

મહત્વપૂર્ણ બેન્ચમાર્ક (Benchmarks)

Cursor એ આખા SQLite મેન્યુઅલને ફરીથી બનાવીને હાઇબ્રિડ સ્વોર્મનું પરીક્ષણ કર્યું – જે 835 પાનાનું Rust ઇમ્પ્લીમેન્ટેશન છે – એક એવું કાર્ય જે ચોકસાઈ અને સાઈઝ બંને પર દબાણ લાવે છે. પરિણામો સ્પષ્ટ હતા:

  • ચોકસાઈ (Accuracy) – હાઇબ્રિડ કોન્ફિગરેશન (planner + Composer workers) એ 100% ચોકસાઈ હાંસલ કરી, જે સંદર્ભિત સૌથી અદ્યતન મોડેલ (GPT-5.5) ના સિંગલ રન કરતા સતત શ્રેષ્ઠ રહ્યું.
  • કોડ સાઈઝ (Code size) – હાઇબ્રિડ સ્વોર્મે 9,908 લાઇન્સનો એન્જિન કોડ બનાવ્યો, જ્યારે જૂના, મોનોલિથિક સ્વોર્મ દ્વારા 64,305 લાઇન્સ બનાવવામાં આવી હતી.
  • ખર્ચ (Cost) – સિંગલ GPT-5.5 ઇન્સ્ટન્સ ચલાવવાનો ખર્ચ અંદાજે $10,565 થયો. હાઇબ્રિડ અભિગમે વર્કર ફ્લીટ પર માત્ર $411 ખર્ચ્યા.

ખર્ચનો આ તફાવત Composer 2.5 ને કારણે છે, જેનું વર્ણન ડ્રાફ્ટમાં એ રીતે કરવામાં આવ્યું છે કે તે ફ્લેગશિપ મોડેલ્સની સમકક્ષ કામગીરી આપે છે અને પ્રતિ મિલિયન ટોકન કિંમતના માત્ર એક અંશમાં ચાર્જ કરે છે. મોટાભાગના ટોકન વપરાશને આ સસ્તા મોડેલ પર ખસેડીને, સ્વોર્મ ગુણવત્તા સાથે સમાધાન કર્યા વગર એકંદર ખર્ચ ઓછો રાખે છે.

નિષ્કર્ષ (Bottom line)

  • શક્તિશાળી પ્લાનરને સસ્તા એક્ઝિક્યુટર સાથે જોડવાથી ઝડપ, કોડની સંક્ષિપ્તતા અને ખર્ચમાં અનેકગણો ફાયદો મળે છે.
  • આ ડિઝાઇન "શું" ને ફ્રન્ટિયર મોડેલ્સને અને "કેવી રીતે" ને સ્પેશિયાલિસ્ટ મોડેલ્સને સોંપીને કોન્ટેક્સ્ટ ડ્રિફ્ટને દૂર કરે છે.
  • ઓપરેશનલ ઓવરહેડ અને ઇન્ફ્રાસ્ટ્રક્ચરની માંગ વ્યાપક સ્વીકૃતિ માટેના સૌથી મોટા અવરોધો remain છે.