- Claude Code, OpenAI Codex, Cursor जैसे एजेंट-आधारित CLI tools के मुख्यधारा में आने के साथ, कई AI एजेंट्स को एक साथ चलाकर समानांतर में काम कराने वाले ‘parallel coding agents’ का उपयोग बढ़ रहा है
- कई इंजीनियर इसके जरिए उत्पादकता बढ़ा रहे हैं, और यह सिर्फ डेवलपमेंट तक सीमित नहीं बल्कि research, maintenance, और instruction-driven tasks में भी लागू हो सकता है
- लेकिन code review की गति bottleneck बन सकती है, और focus flow टूटने की चिंता भी मौजूद है
- अधिक अनुभवी डेवलपर्स अक्सर multi-tasking और code review साथ-साथ संभालने की क्षमता के कारण parallel agents के उपयोग में अधिक सहज होते हैं
- parallel agent workflows में testing, छोटे task units, refactoring, और code review जैसी बुनियादी engineering practices reliability और quality बनाए रखने के मुख्य तत्व हैं
समानांतर AI एजेंट्स का प्रसार और डेवलपमेंट शैली में बदलाव
- Claude Code, OpenAI Codex, Cursor जैसे एजेंट-आधारित CLI tools के mainstream होने से, इंजीनियर कई एजेंट्स को एक साथ चलाकर समानांतर में काम करवाने वाले ट्रेंड को अपना रहे हैं
- Anthropic के इंजीनियर Sid Bidasaria ने एक बातचीत में कहा कि उन्होंने कई एजेंट्स चलाकर अपनी उत्पादकता बढ़ाई
- AI engineering विशेषज्ञ Simon Willison ने "parallel coding agent lifestyle को अपनाना" शीर्षक लेख में यह बताया
- शुरुआत में वे AI-generated code review bottleneck को लेकर सशंकित थे, लेकिन पिछले कुछ हफ्तों में उन्होंने स्वाभाविक रूप से parallel agents का उपयोग शुरू कर दिया
- एक समय में केवल एक महत्वपूर्ण बदलाव की ही review और application संभव है, लेकिन ऐसे tasks बढ़ रहे हैं जिन्हें cognitive load बहुत बढ़ाए बिना parallel में शुरू किया जा सकता है
- parallel agents का उपयोग research, maintenance tasks, और instruction-based tasks में विशेष रूप से उपयोगी है
मौजूदा software engineering practices पर प्रभाव
- parallel agent workflows में दशकों पुरानी software engineering practices को उलट देने की क्षमता हो सकती है
- अगर एक समय में एक ही समस्या पर ध्यान देने वाले "single-threaded" सहयोगी की तुलना में कई एजेंट्स एक साथ चलाने वाला इंजीनियर अधिक उत्पादक साबित होता है, तो यह पूरी तरह संभव है
- AI से पहले के दौर की engineering में flow (गहरे फोकस/मग्नता) बनाए रखना मुख्य था
- components को समझना → solution बनाना, validate करना और iterate करना → pull request submit करना या merge और deploy करना
- इस प्रक्रिया में interruption होने पर flow टूटता है, और दोबारा उसी स्थिति में लौटने में समय लगता है। इसलिए कई डेवलपर्स uninterrupted focus time को बहुत महत्व देते हैं
- लेकिन यह सभी highly productive engineers पर लागू नहीं होता; कुछ इंजीनियर multi-tasking और context switching में बहुत अच्छे होते हैं
- मैनेजर रहते हुए लेखक ने जिन सबसे productive engineers को जाना, वे बार-बार context switch करते हुए कई काम एक साथ संभालते थे
- उनका एक दिन: code review → coding task → standup → coding
(वास्तव में code review requests, मदद के अनुरोध, manager के सवाल आदि जैसी लगातार interruptions भी होती रहती थीं)
senior engineers और parallel agents की उपयुक्तता
- संभव है कि senior और उससे ऊपर के engineers parallel AI agent workflows में स्वाभाविक रूप से ढल जाएं
- वे टीम सदस्यों के parallel workflows को अपने दिमाग में बनाए रख सकते हैं
- 2–5 workstreams में फैले code reviews संभाल सकते हैं
- लगातार टूटते फोकस के बीच भी प्रगति करने की interruption handling ability विकसित कर चुके होते हैं
- वे साथियों को निर्देश देने में सक्षम होते हैं, इसलिए delegation और urgent tasks की व्याख्या भी कर सकते हैं
- उनके पास लेखन कौशल भी होता है, जिससे code review, RFC documents, tickets, और सहकर्मियों के काम पर प्रतिक्रिया जैसी effective written communication संभव होती है
- AI agents का उपयोग अपनी उत्पादकता बढ़ाना चाहने वाले engineers को एक उत्कृष्ट tech leader के जरूरी गुण विकसित करने में मदद कर सकता है
- अब तक parallel agents का सफल उपयोग अधिकतर senior या उससे ऊपर के engineers में देखा गया है
- हालांकि, Flask के creator Armin Ronacher ने कहा कि वे अब पहले जितना parallel agents का उपयोग नहीं करते
- "मेरे दिमाग की review करने की क्षमता की भी एक सीमा है"
parallel agent workflows का भविष्य और अनिश्चितता
- अब हम ऐसे नए दौर में प्रवेश कर चुके हैं जहां हर डेवलपर coding agents के साथ parallel काम शुरू कर सकता है
- यह वास्तव में इंजीनियर्स को अधिक productive बनाएगा या सिर्फ उन्हें productive महसूस कराएगा, यह अभी स्पष्ट नहीं है
- संभव है कि एक समय में एक चीज़ पर ध्यान देने वाला इंजीनियर लंबे समय में अधिक reliable software बनाए, और
- यह भी संभव है कि parallel agent workflows अधिक समस्याओं और दोहराव वाले काम पैदा कर दें, जिससे उनका लाभ खत्म हो जाए
- फिर भी उम्मीद है कि और अधिक डेवलपर्स parallel agents के साथ प्रयोग करेंगे
AI agent workflows में software engineering fundamentals का महत्व
- AI agents का उपयोग करते समय भी software engineering की बुनियादी समझ महत्वपूर्ण रहती है
- testing: सभी side projects में unit tests लागू करना (verification के बिना अपने काम पर भरोसा नहीं करना)
- small, well-described tasks: छोटे दायरे वाले tasks को स्पष्ट रूप से समझाना और examples देना
- refactoring: हर 3–4 tasks के बाद agent द्वारा लिखे गए code को refactor करने का निर्देश देना (जैसे method extract करना, नई class में move करना आदि)
- review: agent के काम को track करना
- छोटे tasks खुद करना: IDE खुला रखना और कुछ lines के बदलाव खुद करना ताकि codebase की समझ बनी रहे
- अन्य इंजीनियर्स ने भी यही अनुभव साझा किया: ऐसी engineering practices जो agent को सभी tests pass कराने के लिए "मजबूर" करती हैं, बेहतर परिणाम देती हैं
- AI agents non-deterministic होते हैं और कुछ हद तक भरोसेमंद नहीं होते, इसलिए इन practices के जरिए कहीं अधिक reliable और practical approach अपनाई जा सकती है
7 टिप्पणियां
जैसा कि Armin Ronacher ने कहा, मुझे लगता है कि bottleneck reviewer का cognitive load है। अगर वे पहले से ही coding या दूसरे कामों में व्यस्त हैं, तो इसे लागू करना संभव नहीं होगा। बल्कि मुझे लगता है कि इसका उल्टा असर भी हो सकता है, जैसे अप्रत्याशित quality गिरावट या review में अधिक समय लगना
मुझे चिंता है कि AI के उपयोग और productivity बढ़ाने के नाम पर developers के लिए multitasking सामान्य हो जाएगी
fe, be, data ऐसे 3 एजेंट तक तो हो जाता है, लेकिन उससे ज़्यादा पर दिमाग साथ नहीं दे पाता टीटी.
AI की वजह से ADHD अब नया normal है? अस्पताल जाए बिना भी काम चल जाएगा?
इसे एक न थकने वाले peer reviewer की तरह समझकर, लगातार मारो-ज़िंदा करो करते हुए कई सारे इस्तेमाल करते हैं हाहाहा
> मैनेजर के दौर में जिन सबसे प्रोडक्टिव इंजीनियरों को मैंने जाना, वे बहुत context switching करते हुए कई काम एक साथ संभालते थे
> लगातार टूटते फोकस के बीच भी प्रगति बना लेने की interruption-handling क्षमता हासिल करना
vs
> context switching कम करें, एक काम पूरा करने के बाद ही अगले पर जाएँ, और याद रखने वाली बातें बाहरी tools में लिखें
> बार-बार होने वाला context switching prefrontal cortex और parietal lobe पर control load बढ़ाता है
> - https://hi.news.hada.io/topic?id=24026
व्यक्तिगत रूप से मुझे भी हर बार multitasking करने की इच्छा होती है, लेकिन यह बहुत थका देता है इसलिए अब मैं इससे सावधान रहता हूँ.
लगातार करते रह पाने वाला सरल तरीका ही बेहतर लगता है.
इंसानी दिमाग भी parallel नहीं है, हाहा। वैसे भी अगर review sequentially ही करना है, तो parallel का इतना बड़ा मतलब नहीं हो सकता।
डेवलपर टीममेट की बजाय अगर इसे PM मानकर parallel में करें, तो मोटे तौर पर सही बैठता है।