Act Operator – "वास्तविक production उपयोग" के लिए LangGraph 1.0+ project control harness ओपन सोर्स
(github.com/Proact0)एक ही AI model, एक ही इंसान — फिर नतीजे अलग क्यों आते हैं?
हर बार base को फिर से खोदकर दोबारा बनाना पड़ता है, हर टीम Agent को अलग तरीके से इस्तेमाल करती है जिससे code conflict होते हैं, और ऐसे prototype ही जमा होते जाते हैं जो operation में नहीं जा पाते…
यहाँ हमेशा AI tools का उपयोग करने वाले लोगों के बीच collaboration के समय होने वाली एक पुरानी असामान्य समस्या पैदा होती है.
अगर कोई तकनीक से परिचित developer Claude Code से workflow implement करवाता है, तो शानदार code निकलता है. लेकिन यदि कोई नया developer पहली बार उसी Claude Code से वही request करता है, तो साधारण, असंगत, और हल्का-सा गलत code निकलता है. Model वही है. ऐसा क्यों हुआ?
समस्या model नहीं बल्कि context gap थी — और यह इंसानों और AI agents दोनों पर समान रूप से लागू होती है.
बिना onboarding के शामिल किया गया नया team member भी उसी codebase में भटकता है, कारण भी यही है: conventions निहित होते हैं, architecture किसी एक के दिमाग में ही होता है, और guide करने वाला कोई structured environment नहीं होता. AI agents भी इससे अलग नहीं हैं.
अनुभवी लोग भी इस दीवार से टकराते हैं. Session बदलते ही agent पिछली design भूल जाता है. कल तय की गई architecture को आज का agent नहीं जानता. क्योंकि knowledge सिर्फ लोगों के दिमाग में है, codebase के भीतर नहीं. अगर इंसान convention नहीं ढूँढ सकता, तो agent भी नहीं ढूँढ सकता.
इसे हल करने के लिए prompt सुधार या बेहतर model की ज़रूरत नहीं है. ज़रूरत इस बात की है कि इंसान और agent साथ काम करें, ऐसे पूरे environment को ही design किया जाए.
[ Harness पहले से मौजूद था ]
harness शब्द पुरानी French 'harnois' से आया है. इसका मूल अर्थ है "सैन्य उपकरण, नियंत्रण का साधन".
1690 के दशक से इसका रूपक अर्थ स्थापित हुआ: "अनियंत्रित शक्ति को सही दिशा में नियंत्रित करके उपयोग करना (to control for use as power)".
जैसे wind power plant के बारे में कहा जाता है कि वह "हवा को harness करता है", संदर्भ वही है.
Engineering में यह सिद्धांत अलग-अलग रूपों में बार-बार दिखाई देता रहा है.
- Electrical wiring harness: एक device जो उलझी हुई complex wires को एक bundle में बाँधकर नियंत्रित की जा सकने वाली unit बनाता है. यह automotive industry में दशकों से standard है.
- Test harness: ऐसा execution environment जो पूरे infrastructure के बिना किसी specific component को isolate करके चलाने के लिए stubs और drivers से बना होता है. यह software testing का core concept है.
- CI/CD pipeline: ऐसा structured control environment जिसमें code सीधे production में नहीं जाता, बल्कि build·test·verification layers से होकर गुजरता है. यह भी एक harness है.
इन सबमें समानता सिर्फ एक है.
अनियंत्रित लक्ष्य (wires, code components, deployment flow) को सही दिशा में नियंत्रित करने के लिए external environment का design.
इसीलिए 2026 की शुरुआत में जब OpenAI ने Codex agent के साथ 5 महीनों में बिना एक भी line manual code लिखे 10 लाख lines के स्तर का system बनाया, तब इस पुराने सिद्धांत को AI agents पर लागू करने को harness engineering नाम देना स्वाभाविक परिणाम था. Martin Fowler और Anthropic engineering team ने भी उसी समय यही शब्द इस्तेमाल किया, यह कोई संयोग नहीं था.
और LangChain ने भी सिर्फ harness को बेहतर बनाकर Terminal Bench 2.0 ranking को 30वें स्थान से 5वें स्थान तक पहुँचा दिया.
इसलिए act-operator को वास्तविक product में इस्तेमाल किए जा सकने वाले LangGraph 1.0+ structure control harness के रूप में बनाया गया है.
[ Ultra-Quick Start ]
uv इंस्टॉल किए हुए environment में नीचे की एक line से वास्तविक production-उपयोग LangGraph 1.0+ project harness setup पूरा हो जाता है.
uvx --from act-operator act new
[ Act Operator की 3-स्तरीय layers ]
AI-आधारित development में harness एक ऐसी system है जिसमें scaffolding, executable knowledge, और feedback loop शामिल होते हैं, ताकि चाहे काम कोई भी करे, इंसान और AI agents दोनों स्थिर रूप से सही output बना सकें.
Act Operator इसे तीन layers में लागू करता है:
- Scaffolding: पहले agent prompt से भी पहले assembled होने वाला पूरा project skeleton, जिसमें minimum low coupling और minimum high cohesion सुनिश्चित करने वाली module conventions और base classes built-in होती हैं
- Executable SSOT: ऐसा knowledge जो runnable files में encode किया गया हो और जिसे agent और इंसान runtime पर पढ़ें
- Feedback loop: ऐसी specification जो sessions के बीच agents को aligned रखे
[ Executable SSOT ]
आमतौर पर टीमें development और design knowledge को wiki, architecture documents, और मौखिक knowledge के जरिए साझा करती हैं — और कभी-कभी साझा भी नहीं करतीं. समस्या यह है कि documents पुराने पड़ जाते हैं, wiki stale हो जाती है, और मौखिक knowledge team changes के बीच टिक नहीं पाती.
Harness इस knowledge को working files में encode करता है — static documents के रूप में नहीं, बल्कि ऐसे executable references के रूप में जिन्हें agent और इंसान सीधे पढ़ते हैं. Act Operator इसे coupling और cohesion को ध्यान में रखते हुए SSOT components की तीन complementary layers में manage करता है:
- Act Template (scaffold): project skeleton खुद — default CI workflows, base classes, test structure, monorepo configuration, environment variable management, usage guide
- Agent Skills: कुल 5 skills, 50 से अधिक reference patterns, decision trees, architecture templates
- Drawkit: draw.io के लिए पहले से परिभाषित Act architecture shapes — इंसानों के बीच communication के लिए shared visual vocabulary
हर component अलग target को ध्यान में रखता है, लेकिन सभी एक ही underlying conventions को refer करते हैं. Act Template वह structural foundation स्थापित करता है जिस पर agent और developer दोनों काम करते हैं. Skills agent को बताती हैं कि उस structure के भीतर सही तरीके से कैसे build करना है, और Drawkit टीम को architecture को visualize करने का तरीका बताता है.
[ ओपन सोर्स की अन्य जानकारी ]
- Claude Code के अलावा OpenCode, Cursor, Gemini CLI जैसे skills directory को support करने वाले सभी tools के साथ काम करता है.
- Korean/English documents दोनों supported हैं
- Apache 2.0 License – PIPY पर 200% मुफ्त वितरित
आप सभी के feedback और contribution का स्वागत है (और GitHub star★ भी..!). धन्यवाद :)
अभी कोई टिप्पणी नहीं है.