मैं कई महीनों से हाथ से कोडिंग कर रहा हूँ
(miguelconner.substack.com)- AI coding agents के आम हो जाने के इस दौर में, एक डेवलपर का रिकॉर्ड जिसने उल्टा LLM के बिना हाथ से कोडिंग करने वाले 3 महीने के रिट्रीट में भाग लिया
- Brooklyn के Recurse Center में 6वां हफ्ता बिताते हुए, LLM को शुरुआत से खुद बना रहे हैं, Python skills को मजबूत कर रहे हैं, और साथ ही कंप्यूटर की विभिन्न abstraction layers की समझ भी गहरी कर रहे हैं
- Coding agents तेज़ iteration और deployment संभव बनाते हैं, लेकिन जब आप खुद हाथ से code लिखते हैं, तब जो चाहिए उसे व्यक्त करना और साथ ही codebase को सीखना — ये दो काम एक साथ होते हैं
- Cal Newport की "लेखन व्यायाम जैसा है" वाली उपमा की तरह, code बनाने में लगने वाला मानसिक प्रयास तकनीक का एक मूल तत्व है — यह दृष्टिकोण साझा किया गया है
- इस अवलोकन के आधार पर कि AI tools का बेहतरीन उपयोग करने वाले engineers के पास अक्सर गहरा ज्ञान होता है, यह ज़ोर दिया गया है कि AI युग में भी बुनियादी क्षमता ही leverage बनाती है
LLM और coding experience
- पिछले 2 वर्षों से Barcelona की Aily Labs में AI agents बना रहे थे
- 2024 की शुरुआत में एक internal web search agent बनाया, जो Anthropic के "Building Effective AI Agents" लेख से लगभग 6 महीने पहले और OpenAI के DeepResearch से लगभग 1 साल पहले था
- Cursor के शुरुआती users में थे, और LLM का उपयोग करके knowledge graph निर्माण में भी जल्दी शामिल हुए
- हर हफ्ते चलने वाले journal club का नेतृत्व किया और open source LLM निर्माण से जुड़े papers प्रस्तुत किए
- DeepSeek R1, Ai2 का Olmo 3, Meta का Llama 3 paper आदि कवर किए
- Internal model training और SOTA closed models पर आधारित workflow निर्माण के बीच के trade-off को समझने में मदद मिली
- 2023 में पहली बार LLM इस्तेमाल करने के बाद से लगातार इसके काम करने के तरीके और applications में रुचि रही
तकनीक के मूल तत्व के रूप में सीधे coding
- LLM का अध्ययन करते हुए और coding में उनका उपयोग करते हुए जो समझ आया
- जब आप "हाथ से" code लिखते हैं, तो जो आप चाहते हैं उसे लिखना और साथ ही codebase को सीखना — ये दो काम एक साथ होते हैं
- Coding agent का उपयोग करने पर अक्सर prompt में जो बताया गया है वही ठीक-ठीक मिलता है; अगर आपकी इच्छा स्पष्ट न हो, तो agent आपकी जगह कई assumptions कर लेता है
- ऐसे में सीखना कम हो जाता है और codebase की समझ भी घटती है
- वहीं coding agents तेज़ iteration और stable software deployment को संभव बनाते हैं, और बेहतरीन tutor की भूमिका भी निभाते हैं
- Cal Newport के NYT column से उद्धरण
- "आपकी writing आपकी अपनी होनी चाहिए। स्पष्ट notes या reports लिखने के लिए जो तनाव चाहिए, वह athlete के gym workout के बराबर एक मानसिक क्रिया है; यह हटाने लायक झुंझलाहट नहीं, बल्कि कौशल का मूल तत्व है।"
- लेखक का मानना है कि यही उपमा code लिखने पर भी समान रूप से लागू होती है
- Aily में साथ काम करने वाले उत्कृष्ट programmers आम तौर पर AI का बेहतरीन उपयोग करने वाले लोग भी थे, और गहरा ज्ञान AI tools पर leverage देता है
code retreat क्या है
- Recurse Center(RC), Brooklyn में स्थित एक self-directed, full-time programming retreat है
- Retreat: "दैनिक जीवन से कुछ समय के लिए पीछे हटकर किसी विशेष गतिविधि पर ध्यान केंद्रित करने की अवधि"
- आवेदन और coding interview के बाद भागीदारी; 6 या 12 हफ्तों तक programming में डूबना
- विभिन्न विशेषज्ञताओं वाले cohort-based collaborative environment इसकी विशेषता है, और कई दशकों के अनुभव वाले programmers भी इसमें शामिल होते हैं
- यह मुफ्त में चलाया जाता है
- Recurse Center में लक्ष्य
-
शुरुआत से LLM सीखना
- Pre-training और post-training सहित, पहले से बने codebase को fork करने के बजाय खुद Transformer लिखने का लक्ष्य
-
हाथ से Python और बेहतर लिखना
- कई साल Python में काम करने के बावजूद अभी भी बहुत कुछ सीखना बाकी है; docs देखने या LLM से पूछने को कम करके project structure के बारे में intuition बनाना चाहते हैं
-
कंप्यूटर को और गहराई से समझना
- यह समझ कि कंप्यूटर कई abstraction layers पर काम करने वाली एक बेहद जटिल मशीन है
- चूंकि उन्होंने औपचारिक Computer Science शिक्षा नहीं ली, इसलिए ये layers साथ में कैसे काम करती हैं इसका बेहतर mental model बनाना चाहते हैं
- ठोस योजना बहुत नहीं है, लेकिन RC इसके लिए सही जगह लगा
-
प्रगति
-
1. शुरुआत से LLM train करना
- Stanford के CS336: Language Modeling from Scratch course की पहली assignment को LLM coding help के बिना पूरा किया
- 50 पन्नों की assignment एक दूसरे Recurser के साथ की
- Python में optimized tokenizer लिखा, और PyTorch में upgraded GPT-2 style architecture implement किया
- Tiny Stories dataset पर hyperparameter tuning के लिए कई ablation किए, फिर इसे OpenWebText के लगभग 9 billion tokens पर लागू किया
- खुद लिखे 17M parameter model के learning rate sweep के नतीजों में पाया कि high learning rate instability लाती है। A100 पर training में लगभग 1 घंटा लगा
- आगे की योजना
- CS336 की बाकी assignments: language model optimization, scaling law estimation/calculation, raw text को pre-training data में बदलना, model post-training
- दूसरी assignment GPU profiling और Triton में FlashAttention2 implement करना पहले ही शुरू कर चुके हैं
- अंतिम लक्ष्य: ऐसा model पाना जिसे खुद post-train किया हो
- Stanford के CS336: Language Modeling from Scratch course की पहली assignment को LLM coding help के बिना पूरा किया
-
2. Python skill में सुधार
- Python और PyTorch में कई छोटे agents और neural networks लिखकर अभ्यास कर रहे हैं
- सबसे अधिक मदद 10 साल से अधिक Python अनुभव वाले व्यक्ति के साथ pair programming से मिली
- एक pair partner को जब syntax या behavior याद नहीं आता, तो वे तुरंत terminal खोलकर एक छोटा example टाइप करते हैं और 1 मिनट के भीतर behavior verify कर लेते हैं
- Google search या LLM query के बिना समस्या हल करने की यह muscle-memory बनी प्रक्रिया अटकाव दूर करने में बहुत सहायक रही
- Advent of Code जैसे problems को pair programming से हल करके इस दिशा को जारी रखने की योजना है
- Real-time collaboration शुरू में तनावपूर्ण लगता है, लेकिन उसी से तेज़ growth महसूस होती है
-
3. कंप्यूटर की समझ को गहरा करना
- 1983 का Apple IIe कंप्यूटर पर BASIC में fizzbuzz लिखा
- code को manually edit और run करने की प्रक्रिया खुद अनुभव की, और अतीत व वर्तमान के कंप्यूटरों के फर्क और समानताएँ दोनों महसूस कीं
- CTF Fridays में भाग लेकर Unix/terminal skills मज़बूत कीं
- Bandit जैसे "war games" challenges को terminal से हल करते हुए passwords इकट्ठे किए और levels पार किए
- अब समझ सकते हैं कि Claude Code उनके कंप्यूटर पर क्या चलाने की कोशिश कर रहा है
- Vim में single-layer perceptron हाथ से कोड किया
- शुरुआत में यह बहुत उबाऊ था, लेकिन दूसरे Recurser की tips और shortcuts सीखने से सुधार हुआ
- Cloud GPU पर training jobs चलाते समय अंत में file edit करनी हो तो यह बहुत उपयोगी है
- Clojure workshop में भाग लिया (जिसे 15+ साल के अनुभव वाले व्यक्ति ने संचालित किया)
- Functional language का अनुभव कम होने से विषय स्वयं ही रोचक लगा
- छोटी introduction के बाद mob programming के रूप में सत्र चला, जहाँ प्रतिभागी बारी-बारी से 1–2 मिनट तक समस्या समाधान में योगदान देते रहे
- साप्ताहिक 5-मिनट tech talks में भाग लिया
- "Running Rust Code", "GPUs for Dummies", "Typesafe APIs for Type B Personalities", "Some Useless Agents" (स्वयं का talk) जैसे विविध विषय रहे
- अब तक 2 बार प्रस्तुति दे चुके हैं (simple agent architecture, MCP tools को efficiently scale करना), और इस हफ्ते GPU optimization methods पर बोलने वाले हैं
- अन्य प्रतिभागियों के projects और careers के बारे में सुनने मात्र से भी यह समझ बढ़ती है कि कंप्यूटर किन समस्याओं को हल कर सकते हैं
- 1983 का Apple IIe कंप्यूटर पर BASIC में fizzbuzz लिखा
बाकी 6 हफ्ते
- रिट्रीट के बाद नई तकनीकों और skills के साथ agent production deployment और eval execution के काम पर लौटने की योजना है
- चिंता है कि बचे हुए 6 हफ्तों में सूची की सभी चीज़ें पूरी करना कठिन होगा
- लेकिन RC की असली कीमत सभी items पूरे करने में नहीं, बल्कि coding पर समय लगाना ही है
6 टिप्पणियां
काम के लिए code मैं AI agent को सौंप देता हूँ, जितना हो सके loop लंबा रखकर सब कुछ उसी से करवाता हूँ
और शौकिया personal project मैं बिना AI assistant या AI autocomplete का इस्तेमाल किए खुद develop करता हूँ (...)
मुझे कुछ समय पहले देखा हुआ एक मज़ाकिया पोस्ट याद आ गया।
मैंने खुद हाथ से कोड लिखकर AI से कहा कि इसे बेहतर बना दे,
तो उसने दिखाया:
Phase 1: बेकार कोड हटाना
ऐसा आया था, हाहाहा
मैंने vscode के AI फीचर्स बंद कर दिए हैं और Claude code इस्तेमाल कर रहा हूँ, काफ़ी ज़्यादा स्मूद लगता है।
AI के लिए मैंने vim छोड़कर vscode अपनाया था,
लेकिन लगा कि development करते समय मिलने वाली खुशी खो गई है, इसलिए मैं फिर से vim पर लौट आया।
aI को मैं assistant की तरह इस्तेमाल कर रहा हूँ, और लगता है कि मैंने development की खुशी सच में फिर से पा ली है।
मैं तो उल्टा AI Agent इस्तेमाल करने के बाद nvim पर आ गया/आई।
सोर्स को nvim में देखना मुझे कहीं ज़्यादा सुविधाजनक लगता है..
Hacker News की राय
मैं इस सेमेस्टर में 18 साल के छात्रों को emulated Apple II Plus पर 6502 assembly पढ़ा रहा हूँ
छात्र पहले से आधुनिक environment में Python, data structures, और object-oriented programming सीख चुके थे
कुल लगभग 10 घंटे की कक्षा और lab में उन्होंने registers, instructions, addressing modes, memory map, और Apple monitor routines सीखी, फिर 40x40 low-resolution graphics में drawing program, bouncing ball, अपने बनाए sprites, और simple collision detection तक मिलकर implement किया
assignment के लिए उनसे Snake या Tetris जैसे simple game खुद बनवाए, demo करवाए, और फिर उसका काम करने का तरीका present करवाया
शुरुआत में उन्हें line editor पसंद नहीं आया, लेकिन जल्दी ही वे code लिखने से पहले योजना बनाने और चर्चा करने लगे
यह वही आदत थी जिसे मैं पुरानी classes में हमेशा ज़ोर देकर सिखाना चाहता था, पर मज़बूत tools न होने पर यह उल्टा स्वाभाविक रूप से बैठ गई
बाद में छात्रों ने कहा कि अब उन्हें screen पर पूरा code दिखे बिना भी code दिमाग़ में दिखता है
आख़िरकार वे फिर modern tools पर लौटेंगे, लेकिन यह अनुभव निश्चित रूप से बहुत मायने रखता है
सबसे बड़ा कारण यह है कि types के बारे में लगातार सोचना पड़ता है, और Python उस हिस्से को कभी-कभी उल्टा धुंधला कर देती है
whitespace भी कभी ज़रूरी होता है और कभी नहीं; जो अनुभवी लोगों को साँस लेने जितना स्वाभाविक लगता है, वही beginners को उलझा सकता है
low-level environment और सीमित tools की वजह से code लिखने से पहले सोचने की आदत बनी
आज भी greenfield काम में मैं pen और graph paper निकालकर function या class candidates का एक loose graph बनाता हूँ और arrows से जोड़ता हूँ
बेशक अगर इसे ज़्यादा आगे बढ़ाया जाए तो यह waterfall planning का दूसरा रूप बन सकता है, इसलिए संतुलन ज़रूरी है
सिर्फ कुछ घंटे पहले structure पर सोच लेने से असली coding का समय काफ़ी घट जाता है
असली output शायद ही कभी paper design जैसा बिल्कुल निकला हो, लेकिन पहले बड़े चित्र पर सोचना ही productivity बढ़ाता है
editor के अंदर scaffolding करते ही बहुत जल्दी असली implementation में फिसल जाते हैं, लेकिन कागज़ पर लिखने से बाद में फिर टाइप करना ही पड़ता है, इसलिए variable names या method choice जैसी छोटी बातों से ध्यान हट जाता है
कुछ बार vibe coding करते समय भी यह तरीका ख़ास उपयोगी रहा, और इसकी वजह से मैं कहीं ज़्यादा specific और focused prompts दे पाया
लेकिन जब मैंने पढ़ा कि code छात्रों के दिमाग़ में बस गया, तो मेरी राय बदल गई
Zed Shaw ने भी कुछ ऐसा ही कहा था कि IDE के बिना लिखा code अजीब तरह से बेहतर दिखता है
इसी तरह मैंने "From Nand to Tetris" जैसी किताब से पढ़ाई की थी, और इससे यह समझने में बहुत मदद मिली कि computer, assembler, और compiler कैसे काम करते हैं
उन्हें जब कोई problem मिलती थी तो वे तुरंत टाइप नहीं करते थे; पहले सोचते, कागज़ पर थोड़ा लिखते, टहलने भी जाते, और उसके बाद ही computer के सामने बैठते थे
फिर लगभग एक ही बार में सब टाइप कर देते और अंत में बस compile करते, और वह सचमुच काम भी कर जाता था
typos भी बहुत कम होते थे
इस अनुभव ने मुझे बहुत गहराई से महसूस कराया कि पहले problem space और program को दिमाग़ में खड़ा करके उस पर reasoning करना कितना महत्वपूर्ण है
इससे अपेक्षित परिणाम ज़्यादा साफ़ दिखता है, और कुछ unexpected होने पर भी जल्दी पता चल जाता है
ऊपर से लोग कहते थे कि यह बहुत कठिन है, अब कोई इसका इस्तेमाल नहीं करता, और course हटा देते थे
फिर भी मैंने systems programming, computer languages, और computer architecture जैसी classes में थोड़ा-थोड़ा छिपाकर इसे शामिल किया
जब मैं बड़ा हो रहा था, assembly curriculum का हिस्सा हुआ करती थी, और यह C/C++ जैसी high-level languages और hardware के बीच की दूरी पाटती थी
इसने समझाया कि कुछ language features क्यों मौजूद हैं, और language के कई components वास्तव में कैसे काम करते हैं
सबसे बढ़कर, ऊपर की टिप्पणियों की तरह यह CPU को line by line follow करके सोचना सिखाने का शानदार तरीका था
औपचारिक course तो अक्सर हार गया, लेकिन उम्मीद है कम से कम छात्रों के भीतर एक बीज तो बो पाया
मेरा मानना है कि हर किसी को कम से कम एक बार किसी एक तरह की assembly ज़रूर सीखनी चाहिए
मुझे लगता है कि AI autocomplete workflow में और निवेश होना चाहिए था
वह एक काफ़ी अच्छा बीच का रास्ता था
जिसे आजकल तथाकथित पुराना तरीका कहा जाता है, वह भी बड़े परिप्रेक्ष्य में agentic workflows की तुलना में अभी काफ़ी प्रतिस्पर्धी है
खुद टाइप करने से codebase की जानकारी कहीं बेहतर बनी रहती है, और सक्रिय रूप से याद करने व जाँचने की प्रक्रिया की वजह से concepts की समझ भी गहरी होती है
code मैं खुद लिखता हूँ, और agent से code review करवाता हूँ
इससे मेरी coding sense और codebase understanding बनी रहती है, और commit से पहले bugs भी अच्छी तरह पकड़ में आ जाते हैं
शुरुआती Cursor सचमुच चौंकाने वाला था, लेकिन उसके बाद autocomplete लगभग ठहरा हुआ लगा, और अब नया Cursor भी दूसरे tools की तरह धीरे-धीरे agents की तरफ़ झुक रहा है
उम्मीद है कि अगर कभी diffusion models को ज़्यादा momentum मिला, तो autocomplete-क़रीब workflows में फिर जान आ सकती है
Inception Labs का Mercury model लगभग तुरंत जवाब देता है, इसलिए आज भी थोड़ा जादू जैसा लगता है
बस अफ़सोस यह है कि उसमें Cursor जैसी sophistication और deep editor integration अभी नहीं है
और diffusion family local use के लिए बहुत उपयुक्त लगती है, लेकिन कोई meaningful open weight model लगभग नहीं है, यह भी खलता है
जब मैं खुद उबाऊ glue code लिखता हूँ, तो project का एक नक्शा दिमाग़ में बन जाता है
इसके उलट अगर agent structure बहुत ज़्यादा बना दे, तो अभी के लिए सब चल जाता है, लेकिन एक हफ़्ते बाद जब कोई छोटा बदलाव करना हो, तो पहले यही ढूँढना पड़ता है कि क्या कहाँ रखा है
सब लोग इतनी जल्दी दूसरी दिशा में क्यों गए, इसकी वजह थी; आख़िरकार यह उपयोगी interface नहीं था
एक बार हवाई जहाज़ में बैठ लेने के बाद वापस जाना सचमुच मुश्किल हो जाता है
यह title मुझे यहाँ देखे गए सबसे उदास title में से एक लगा
इसका मतलब यह भी हो सकता है कि हाथ से coding करना अब इतना असामान्य हो गया है कि उस पर blog post लिखनी पड़ रही है, और यह उदास करने वाली बात है; या फिर कोई AI maximalist इंसानी coding का मज़ाक उड़ा रहा है
post history देखकर लगा कि शायद पहला अर्थ सही है
कुछ-कुछ उस buzzword wild swimming जैसा, जैसे हम बहुत दूर आ गए हों
यह सचमुच jumped the shark जैसा लगता है
फिर भी यह एक बेहद प्रभावशाली योगदान लगा
पढ़ने के बाद लगा कि यह सच में बेतुका है
जल्द ही हम मज़ाक में ऐसी दुनिया भी सोचने लगेंगे जहाँ हाथ से coding की बात करने पर लोगों को मानसिक अस्पताल भेज दिया जाए
अपने career के शुरुआती कुछ साल मैंने SPARC आधारित Solaris पर vi में, और वह भी vim नहीं बल्कि vi में, ज़्यादातर Perl code लिखते हुए बिताए
O’Reilly की Perl Cookbook लगभग मेरा एकमात्र मार्गदर्शक थी, internet forums भी ज़्यादा नहीं थे, और search engines भी बहुत प्रारंभिक थे, इसलिए अटकने पर मदद पाना कहीं कठिन था
लेकिन उसी environment ने मुझे Perl syntax, terminal tools, और ख़ासकर vi keystrokes बहुत गहराई से सिखा दिए
न syntax highlighting था, न IntelliSense, और शायद इसी कारण वह सब और गहरे बैठ गया
अब पीछे मुड़कर देखता हूँ तो लगता है कि तब distractions और शोर बहुत कम थे
बेशक career की शुरुआत में expectations कम होने से भी ऐसा लगा होगा, लेकिन आज सब कुछ बहुत ज़्यादा layers में बँटा और जटिल लगने लगा है
वह तुरंत मिलने वाले reward, तेज development, और अनावश्यक layers के बिना एक काफ़ी शुद्ध अनुभव था, और वही चीज़ मुझे इस रास्ते पर लाई
विडंबना यह है कि agentic coding ने उस excitement का थोड़ा हिस्सा वापस लौटा दिया है
क्योंकि अब मुझे जटिल enterprise concerns से खुद पूरी तरह नहीं जूझना पड़ता, और सोच तथा परिणाम के बीच का संबंध फिर से पास आ गया है
industry में बदलाव सचमुच चौंकाने वाला है
सिर्फ 2 साल पहले तक यह बात लगभग हर developer कह सकता था, लेकिन अब हाथ से coding करता हूँ कहने वाला व्यक्ति जैसे लुप्तप्राय प्रजाति का सदस्य लगने लगा है
पिछले 1 साल में जिन नई technologies और languages के साथ काम किया है, उनमें अब परिणाम निकालना इतना आसान हो गया है कि उल्टा मेरे भीतर ज्ञान-ऋण जैसा कुछ जमा हो रहा है
मुझे बहुत चिंता है कि अगली पीढ़ी के software engineers इन चीज़ों की गहरी समझ कैसे पाएँगे, या शायद कभी पाएँगे ही नहीं
पिछली पीढ़ी के उदाहरण में यह IDE के बिना coding करने जैसा था, और सच कहें तो वह तरीका भी पहले ही काफ़ी दुर्लभ हो चुका था
मैं AI को सामान्य रूप से, ख़ासकर GenAI को, काफ़ी समर्थन देता हूँ, लेकिन फिर भी अब भी बहुत समय हाथ से coding में बिताता हूँ
ज़्यादा से ज़्यादा Copilot assistance चालू रखता हूँ
कभी-कभी SpecKit + OpenCode जैसे tools से spec-driven development करता हूँ, या बस vibe code करता हूँ
फिर भी code को समझने की मेरी ज़िम्मेदारी और खुद लिखने की क्षमता को छोड़ देने का मेरा अभी कोई इरादा नहीं है
इसी वजह से मैंने हाल में LISP और Java पर कुछ नई किताबें खरीदीं, और उससे पहले Forth की भी किताबें ली थीं
कम से कम कुछ समय तक, शायद हमेशा, मेरा coding पूरी तरह छोड़ने का इरादा नहीं है
मूल बात implementation नहीं बल्कि behavior की समझ है
उस verification का काम automated unit tests, integration tests, और load tests करते हैं
किसी ने मुझे भोला कहा क्योंकि मैंने कहा कि internal web admin site को vibe coded बनाकर भी मैंने code की एक line देखे बिना security requirements पूरी कर लीं
लेकिन requirement यह थी कि site access वाले लोग कुछ भी कर सकें, access को Amazon Cognito credentials से सुरक्षित किया गया था, और इसे देने वाले Lambda को least-privilege role दिया गया था
अगर ये दोनों invariants टूट गए हों, तो वह ऐसा होगा जैसे Claude ने कोई बहुत बड़ा AWS vulnerability ढूँढ लिया हो
मैं AI का जितना हो सके उतना इस्तेमाल करके बहुत कुछ बनाता हूँ, लेकिन साथ ही यह देखने के लिए समय ज़रूर लगाता हूँ कि AI द्वारा लिखा code मेरे cognitive load के मानक पर खरा उतरता है या नहीं
उस प्रक्रिया में code polishing और documentation भी शामिल है, और इस AGENTS.md example के आधार पर मैं काफ़ी चीज़ें आसानी से संभाल पा रहा हूँ
फिर भी जब चीज़ें अजीब दिशा में जाने लगती हैं, तो मैं उसे पहचान सकता हूँ और तब फिर दिशा खुद तय करता हूँ
और जब credits ख़त्म हो जाते हैं, तभी सच में मेरी बारी आती है
तब तक code अच्छी तरह व्यवस्थित, abstractions समझदार, और comments मददगार हो चुके होते हैं, इसलिए उसके ऊपर organic human coding जारी रखना अच्छा लगता है
अब तो limit के क़रीब आते ही मैं AI से कहता हूँ कि वह मेरे लिए मंच पहले से सजा दे
पहले credits ख़त्म होने पर ऐसा code छूट जाता था जिसे समझने के लिए पढ़ाई करनी पड़ती थी, लेकिन अब मैं अगली brain time hand-out का इंतज़ार तक करने लगा हूँ
यह अजीब लग सकता है, लेकिन मुझे यह भी एक तरह का teamwork लगता है
मैं चाहूँ तो और महँगा plan ले सकता हूँ, लेकिन मैं अपने दिमाग़ को सक्रिय रखना चाहता हूँ
सिद्धांत से मैं सहमत हूँ, लेकिन कम से कम Claude के मामले में मुझे लगता है कि वह logic को बहुत बार copy कर देता है, इसलिए उसे उल्टी दिशा में guide करना पड़ता है
जब LLM मेरी जगह code लिखता है, तो वह code मुझे लगभग एक ऐसे black box जैसा लगता है जिसमें मैं ठीक से हाथ नहीं डाल सकता
अगर चल रहा हो तो उपयोग कर लेता हूँ, लेकिन भरोसा नहीं कर पाता, और टूटने पर बस झुंझलाहट होती है
आख़िरकार मेरे लिए जो तरीका काम करता है, वह यह है कि steering wheel हमेशा मेरे हाथ में रहे, और LLM सवालों के जवाब दे, ideas पर brainstorming करे, और जिन concepts को मैं पहले से समझता हूँ उन्हें किसी specific language syntax में ढालने में मदद करे
सच कहूँ तो concept समझने से ज़्यादा मुझे हमेशा उसे syntax में बदलना थोड़ा कठिन लगा है
मैं भी इस बारे में सोचता रहा हूँ कि agent को कुछ हिस्सा सौंपकर कुछ काम जानबूझकर अपने हिस्से में रखा जाए ताकि दिमाग़ सक्रिय रहे
शायद मुझे Claude Code के लिए कोई skill या hook बनाकर देखना चाहिए
3 महीनों तक self-directed तरीके से गहराई से सीखने की यात्रा कर पाना सचमुच शानदार लगता है
इस तरह की deep technology लंबी अवधि में भी मूल्यवान लगती है, और मुझे अभी भी भरोसा नहीं कि यह बदलाव assembly से C पर जाने जैसी उसी तरह की abstraction है
इन दिनों मेरा ज़्यादातर code LLM generate कर देता है, और दिन के अंत में मुझे सच कहूँ तो न बहुत मज़ा आता है, न उपलब्धि, न संतोष
लेकिन साथ ही मैंने यह भी पहचाना है कि coding में मुझे असल में जो हिस्सा पसंद था वह शायद 5–10% ही था, और बाकी सब उस दिलचस्प core को सहारा देने वाला उबाऊ, अर्ध-यांत्रिक काम था
पूरी मानव इतिहास की तुलना में computers के साथ काम करने का युग खुद बहुत छोटा है, और 100 साल बाद हाथ से coding के युग को कैसे देखा जाएगा, यह सोचकर जिज्ञासा होती है
हो सकता है वह बस एक footnote बनकर रह जाए, या मशीनों के स्वयं को automate करने से पहले के पूरे समय के साथ एक ही श्रेणी में रख दिया जाए
पहले लोग सीधे assembly लिखते थे, फिर C जैसी compiled languages की ओर बढ़े, और assembly उपयोगी लेकिन niche skill बनकर रह गई
जैसे आज हम compiler पर code छोड़ देते हैं और ज़्यादातर उसके अंदर के output को नहीं देखते, वैसे ही आगे चलकर बहुत-से developers LLM abstraction layer की ओर जा सकते हैं
मुख्य कौशल भी अच्छे prompts लिखना, context window manage करना, और agents व memory चलाना जैसी चीज़ों की ओर शिफ्ट हो सकते हैं
कुछ developers अब भी LLM-जनित code पढ़कर समस्याएँ पकड़ सकेंगे, लेकिन संभव है कि ज़्यादातर ऐसा न कर पाएँ
मेरी अपनी भावनाएँ भी मिली-जुली हैं
ChatGPT के आने के बाद से कुछ महीनों पहले तक मैं LLM programming को लेकर काफ़ी skeptical था, और नए models भी बस लगभग उसी low-quality output के अलग रूप लगते थे
लेकिन हाल में models जैसे किसी critical threshold को पार कर गए हों, और मैं अभी भी Claude का सावधानी से उपयोग करता हूँ, फिर भी उसने feature implementation का समय काफ़ी घटाने या सिर्फ logs देखकर bug का स्थान ढूँढने में सचमुच मदद की है
मैं अभी भी coding solved हो गई जैसे बढ़ा-चढ़ाकर किए गए दावों से सहमत नहीं हूँ, लेकिन इतना ज़रूर लगता है कि हम high-level languages के आगमन के बाद के सबसे बड़े बदलावों में से एक देख रहे हैं
मैंने एक तरह के समझौते के रूप में Zed इस्तेमाल करना शुरू किया है
आगे चलकर मैं AI को implementation से ज़्यादा planning और step suggestions के लिए इस्तेमाल करना चाहता हूँ
आजकल non-technical roles वाले लोग भी Claude से apps बनाने लगे हैं, और Openclaw सहित agent-obsession की जो धारा चल रही है, उसे देखकर लगता है कि AI में अत्यधिक डूबते जाना व्यावहारिक नहीं है
जीवन के दूसरे क्षेत्रों में भी मैं हमेशा internal details तक ध्यान देने वाला रहा हूँ, और नए problems में खुद हाथ गंदे करके समाधान निकालने की क्षमता के लिए पहचाना गया हूँ
मैं सोचता हूँ कि market आगे कैसे adapt करेगा, और लोग ऐसी nuance संभालने की क्षमता को कैसे दिखाएँगे और साबित करेंगे
Recurse Center की site पर यह पढ़कर जिज्ञासा हुई कि “कोई शिक्षक नहीं, कोई तय curriculum नहीं, सिर्फ retreat के दौरान full-time commitment चाहिए”
मैं जानना चाहता था कि full-time काम करने वाला व्यक्ति आम तौर पर ऐसे coding retreat में कैसे शामिल होता है
यह भी जानना था कि क्या यह कार्यक्रम मुख्यतः industry में प्रवेश करने वालों या jobs के बीच gap में रहने वालों के लिए है
post ख़ुद retreat में क्या बनाया गया, इसकी कहानी थी, लेकिन मुझे तो उल्टा ख़ुद वहाँ जाने का मन होने लगा
RC के लिए लोग जानबूझकर नौकरी छोड़ देते हैं, या नौकरी जाने के बाद apply करते हैं, ऐसा अक्सर होता है
formal sabbatical, garden leave, और college या graduate students की summer break का उपयोग करने वाले भी बहुत हैं
freelancers, independent contractors, और retirees भी कम नहीं आते
कुछ लोग industry में entry के लिए आते हैं, लेकिन प्रतिभागियों का बड़ा हिस्सा पहले से programmer के रूप में काम कर चुका होता है
प्रतिभागियों की उम्र 12 साल से लेकर 70s की शुरुआती उम्र तक होती है, लेकिन मुख्य वितरण 20s से 40s के बीच है
प्रतिभागियों के बारे में ज़्यादा जानकारी Recurse Center के परिचय पेज पर देखी जा सकती है
नहीं तो वास्तविक विकल्प यही है कि आपके पास लगभग 6 हफ़्तों की ऐसी sabbatical हो, जिसके बाद आप अपनी मौजूदा नौकरी पर लौट सकें