आपके AI एजेंट को एक मानचित्र की आवश्यकता है: LLM विकी या README पर्याप्त है
OpenAI
Anthropic
लेख में चर्चा की गई है कि कैसे AI एजेंट संरचित ज्ञान आधारों जैसे LLM विकी या README-उन्मुख भंडार का उपयोग करके जटिल कोडबेस को नेविगेट कर सकते हैं। यह Andrej Karpathy के LLM विकी पैटर्न को प्रस्तुत करता है, जो एक LLM का उपयोग करके विकी लिखने और बनाए रखने के लिए करता है, और इसे दस्तावेज़ीकरण-एक-कोड के रूप में दृष्टिकोण से तुलना करता है जहाँ README फ़ाइलें प्राथमिक ज्ञान स्रोत के रूप में कार्य करती हैं। लेखक एक भुगतान प्लेटफ़ॉर्म के लिए अपने LLM विकी के व्यावहारिक कार्यान्वयन को साझा करता है और ज्ञान उत्पादन और रखरखाव के संदर्भ में दोनों दृष्टिकोणों की तुलना करता है।
यह लेख तर्क देता है कि AI एजेंट्स को हर सेशन में शून्य से शुरुआत करने से बचने के लिए एक संरचित नॉलेज बेस (एक 'मैप') की आवश्यकता होती है। यह Andrej Karpathy के LLM (Large Language Model) Wiki पैटर्न को पेश करता है, जिसमें तीन परतें (रॉ डॉक्यूमेंट्स, LLM द्वारा मेंटेन की जाने वाली विकी पेज, और इंडेक्स/लॉग फाइलें) और तीन ऑपरेशन (इनजेस्ट, क्वेरी, लिंट) शामिल हैं। लेखक ने इस पैटर्न को एक पेमेंट प्लेटफॉर्म पर लागू किया, जिसमें कोर पेमेंट डोमेन को कवर करने वाली 70-पेज की विकी शामिल है। वह इसकी तुलना अपने पिछले README-केंद्रित दृष्टिकोण से भी करते हैं, जहां डॉक्यूमेंटेशन कोड के बगल में मार्कडाउन फाइलों में रहता है, और एक CLAUDE.md फाइल एजेंट को संबंधित डॉक्यूमेंटेशन की ओर निर्देशित करती है। मुख्य अंतर यह है: README में, डेवलपर्स प्रति मॉड्यूल नॉलेज लिखते हैं; जबकि LLM Wiki में, LLM कई स्रोतों से नॉलेज को संश्लेषित करता है। लेखक बताते हैं कि हर प्रोजेक्ट के लिए LLM Wiki की आवश्यकता नहीं होती, खासकर तब जब कोडबेस सरल हो या एजेंट पहले से ही अच्छे अनुमान लगाने में सक्षम हो।
स्रोत: Habr — хаб ИИ —
मूल