𝗔𝗜 𝗖𝗼𝗱𝗶𝗻𝗴 𝗘𝘃𝗼𝗹𝘂𝘁𝗶𝗼𝗻: 𝗙𝗿𝗼𝗺 𝗖𝗼𝗽𝗶𝗹𝗼𝘁 𝘁𝗼 𝗔𝗴𝗲𝗻𝘁 𝗦𝘄𝗮𝗿𝗺𝘀
AI कोडिंग तेज़ी से आगे बढ़ रही है। मैंने साधारण सुझावों से लेकर स्वायत्त (autonomous) एजेंटों तक के इस विकास को देखा है।
यहाँ इसकी समयरेखा (timeline) दी गई है:
2021: GitHub Copilot। इसने सिंगल-लाइन ऑटो-कम्प्लीट की सुविधा दी। यह मानक पैटर्न के लिए तो काम करता था, लेकिन कस्टम लॉजिक के मामले में विफल हो जाता था। इसे आपके पूरे कोडबेस की जानकारी नहीं थी।
2023: चैट-आधारित कोडिंग। आप किसी कार्य का वर्णन करते हैं और आपको एक फंक्शन मिल जाता है। फिर भी, आपको सारा कॉन्टेक्स्ट मैन्युअल रूप से देना पड़ता है।
2024: मल्टी-फ़ाइल अवेयरनेस। Cursor और Aider जैसे टूल्स कई फ़ाइलों में बदलावों का समन्वय करते हैं। अब बड़े पैमाने पर रिफैक्टरिंग (refactoring) संभव है।
2025: फुल कोडबेस एजेंट। Claude Code और Devin जैसे टूल्स लक्ष्यों (goals) के आधार पर काम करते हैं। आप एक लक्ष्य निर्धारित करते हैं और काम की समीक्षा करते हैं। Claude Code GitHub के 10 में से 9 वास्तविक मुद्दों को हल कर देता है।
2026: एजेंट टीमें। कई AI सेशन्स मिलकर काम करते हैं। एक लीड विशेषज्ञ साथियों का प्रबंधन करता है। वे संघर्षों को सुलझाने के लिए रियल-टाइम में संवाद करते हैं।
OpenClaw इस क्षेत्र में एक नया खिलाड़ी है। यह चार महीनों में एक छोटे प्रोजेक्ट से बढ़कर 250,000 GitHub स्टार्स तक पहुँच गया।
यह अलग तरह से काम करता है। यह आपके IDE में नहीं रहता, बल्कि आपकी मशीन पर चलता है। आप इससे WhatsApp, Telegram, या Discord के माध्यम से बात करते हैं।
आप फेल हो रहे टेस्ट को ठीक करने के लिए रात 11 बजे एक मैसेज भेजते हैं। सुबह उठने पर आपको एक तैयार Pull Request मिलता है। टर्मिनल खोले बिना यह हमेशा उपलब्ध रहता है।
यह शक्ति अपने साथ जोखिम भी लाती है। आपको "आत्मविश्वास से भरे गलत जवाबों" से सावधान रहना चाहिए।
AI ऐसा कोड बनाता है जो सही दिखता है। यह कंपाइल होता है और टेस्ट पास कर लेता है। लेकिन यह प्रोडक्शन में विफल हो जाता है क्योंकि यह आपके विशिष्ट बिजनेस लॉजिक को मिस कर देता है।
इन क्षेत्रों पर बारीकी से नज़र रखें:
- सुरक्षा सीमाएँ (Security boundaries)
- बाहरी API इंटीग्रेशन (External API integrations)
- डोमेन-विशिष्ट लॉजिक (Domain-specific logic)
- अनलिखित संस्थागत ज्ञान (unwritten institutional knowledge) पर निर्भर कोड
मानक पैटर्न पर भरोसा करें। किनारों (edges) की बारीकी से जांच करें।
कल मैं 'upstream phase' पर चर्चा करूँगा। अधिकांश टीमें यहाँ AI का लाभ उठाने का सबसे अच्छा तरीका चूक जाती हैं।