कोडिंग एजेंट के घटक

 (magazine.sebastianraschka.com)
32 पॉइंट द्वारा GN⁺ 24 일 전 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • कोडिंग एजेंट एक ऐसी प्रणाली है जो LLM-केंद्रित control loop और software harness से बनी होती है, और कोड लिखने, चलाने तथा feedback के दोहराव वाले चक्र में काम करती है
  • एजेंट harness context management, tool access, prompt composition और state control संभालता है, जबकि कोडिंग कार्यों के लिए विशेष coding harness repository, test और error checking को प्रबंधित करता है
  • कोडिंग एजेंट live repo context, prompt cache, tool access, context management, session memory, subagent delegation — इन छह घटकों पर काम करता है
  • harness design की गुणवत्ता के अनुसार, एक ही LLM होने पर भी performance और user experience में बड़ा अंतर आ सकता है, और अच्छी तरह डिज़ाइन किया गया harness अधिक सतत और context-aware development environment देता है
  • Mini Coding Agent इस संरचना का pure Python में बना एक minimal example है, और OpenClaw से इसका अंतर coding specialization और operational scope में है

कोडिंग एजेंट के घटक

  • कोडिंग एजेंट एक ऐसी प्रणाली है जो LLM-केंद्रित control loop और उसे घेरने वाले software harness से मिलकर बनती है, और कोड लिखने, संशोधित करने, चलाने और feedback के दोहराव वाले चक्र में काम करती है
  • LLM मूल रूप से next-token prediction model है, जबकि reasoning model ऐसा LLM है जिसे intermediate reasoning और verification अधिक करने के लिए प्रशिक्षित किया गया है
  • एजेंट वह control loop है जो लक्ष्य हासिल करने के लिए model calls, tool use, state updates और termination decision को बार-बार चलाता है
  • agent harness इस loop को घेरने वाली software structure है, जो context management, tool access, prompt composition, state control आदि संभालती है
  • coding harness इसका code work के लिए विशेष रूप है, जो repository context, code execution, testing और error checking को प्रबंधित करता है

LLM, reasoning model और agent का संबंध

  • LLM को engine, reasoning model को enhanced engine, और agent harness को उस engine को नियंत्रित करने वाली system के रूप में समझा जा सकता है
  • LLM और reasoning model अपने-आप में coding tasks कर सकते हैं, लेकिन वास्तविक development environment में repo exploration, function search, test execution, error analysis जैसे जटिल context management की आवश्यकता होती है
  • coding harness model की क्षमता को अधिकतम करता है और साधारण chat interface की तुलना में कहीं अधिक शक्तिशाली coding experience देता है

coding harness की भूमिका

  • यह model को घेरने वाली software layer है, जो prompt assembly, tool exposure, file state tracking, command execution, permission management, cache और memory storage जैसे काम करती है
  • एक ही LLM होने पर भी harness design के आधार on performance और user experience में बड़ा फर्क पड़ता है
  • उदाहरण के लिए, GLM-5 जैसा open-weight model भी यदि Codex या Claude Code स्तर के harness में integrate किया जाए, तो समान performance दे सकता है
  • OpenAI ने GPT-5.3 और GPT-5.3-Codex जैसे harness-specific post-processing models को अलग से बनाए रखने के उदाहरण भी दिए हैं

कोडिंग एजेंट के 6 मुख्य घटक

  • 1. Live Repository Context

    • एजेंट को मौजूदा Git repo state, branch, documentation, test commands आदि की जानकारी होनी चाहिए
    • “test ठीक करो” जैसे निर्देश repo structure और context के अनुसार बदलते हैं, इसलिए काम शुरू करने से पहले repo summary information इकट्ठा की जाती है
    • इससे हर बार zero state से शुरू नहीं करना पड़ता और stable facts का आधार मिलता है

  • 2. Prompt Shape and Cache Reuse

    • repo summary, tool descriptions और general instructions अक्सर नहीं बदलते, इसलिए इन्हें stable prompt prefix के रूप में cache किया जाता है
    • हर request पर पूरा prompt फिर से assemble करने के बजाय, केवल बदले हुए हिस्सों को update किया जाता है
    • इससे repeated sessions में compute waste कम होता है और response consistency बनी रहती है

  • 3. Tool Access and Use

    • model केवल commands suggest नहीं करता, बल्कि harness द्वारा परिभाषित tool set के माध्यम से वास्तव में commands चला भी सकता है
    • हर tool के स्पष्ट input-output formats और boundaries होते हैं, और execution से पहले validation तथा approval process किया जाता है
    • उदाहरण: “क्या यह known tool है?”, “क्या arguments valid हैं?”, “क्या working path workspace के अंदर है?” जैसी जाँच
    • इससे security और reliability बेहतर होती है; model की स्वतंत्रता कुछ घटती है, लेकिन practical usability बढ़ती है

  • 4. Minimizing Context Bloat

    • लंबी sessions में repeated file reads, logs और tool outputs के कारण prompt length overflow की समस्या आती है
    • harness इसे दो रणनीतियों से संभालता है
      • clipping: लंबे text, logs और notes को एक तय लंबाई तक छोटा करना
      • summarization: पुराने conversation history को compressed summary में बदलना
    • हाल की घटनाओं को विस्तार से रखा जाता है, जबकि पुरानी जानकारी को deduplicate और compress किया जाता है
    • नतीजतन, model quality से भी अधिक context quality का वास्तविक performance पर बड़ा असर पड़ता है

  • 5. Structured Session Memory

    • एजेंट state को working memory और full transcript में अलग रखता है
    • full transcript में सभी requests, responses और tool outputs शामिल होते हैं, जिससे session resume करना संभव होता है
    • working memory वर्तमान में महत्वपूर्ण जानकारी, जैसे current task, key files और recent notes, को summary form में store करती है
    • compact transcript model prompt reconstruction के लिए होता है, जबकि working memory task continuity बनाए रखने के लिए

  • 6. Delegation With Bounded Subagents

    • मुख्य एजेंट सहायक कार्यों को parallel में चलाने के लिए subagent बनाता है
    • उदाहरण: किसी specific symbol की definition location, config file contents, या test failure का कारण अलग subtask के रूप में बाँटना
    • subagent केवल ज़रूरी context inherit करता है, और read-only access, recursion depth limits जैसी constraints के भीतर काम करता है
    • Claude Code और Codex दोनों subagents को support करते हैं, और task scope तथा context depth के आधार पर सीमाएँ तय करते हैं

घटकों का सार

  • ये छहों घटक आपस में गहराई से जुड़े हैं, और harness design की गुणवत्ता ही model उपयोग की दक्षता तय करती है
  • अच्छी तरह डिज़ाइन किया गया coding harness साधारण LLM chat की तुलना में कहीं अधिक context-aware और persistent development support environment देता है
  • Mini Coding Agent(https://github.com/rasbt/mini-coding-agent) इस संरचना का pure Python में बना एक minimal example है

OpenClaw के साथ तुलना

  • OpenClaw coding-only helper से अधिक general agent platform के करीब है
  • समानताएँ:
    • workspace के भीतर prompt और instruction files (AGENTS.md, TOOLS.md आदि) का उपयोग
    • JSONL session files, conversation compression, session management जैसी सुविधाएँ शामिल
    • auxiliary sessions और subagents बनाए जा सकते हैं
  • अंतर:
    • coding agents repo exploration, code editing, local tool execution के लिए optimize किए जाते हैं
    • OpenClaw का फोकस multi-channel और cross-workspace long-running agent operations पर अधिक है

परिशिष्ट: नई पुस्तक की सूचना

  • Build A Reasoning Model (From Scratch) का लेखन पूरा हो चुका है और अभी Early Access संस्करण उपलब्ध है
  • publisher गर्मियों में प्रकाशन के लक्ष्य के साथ layout पर काम कर रहा है
  • यह पुस्तक LLM के reasoning mechanism को स्वयं implement करके समझने वाले approach पर केंद्रित है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.