एक फैक्ट्री से दो मंजिला हार्नेस तक: एक डेव पाइपलाइन एक साल से भी कम समय में कैसे बढ़ी
Cursor
Anthropic
OpenAI
Google/DeepMind
लेखक एक मल्टी-एजेंट डेवलपमेंट फैक्ट्री बनाने का वर्णन करता है जो लगभग दस समानांतर पाइपलाइनों की प्रणाली में विकसित हुई, जिसमें दो-स्तरीय हार्नेस था – शीर्ष-स्तरीय नियंत्रण और प्रति फैक्ट्री स्थानीय गेट्स। मुख्य सिद्धांत: रैचेट (विफलताएं स्थायी सुधार बन जाती हैं), सेंसर-फर्स्ट (नियमों से पहले डिटेक्टर के रूप में इनवेरिएंट), और मापनीयता (नियमों को व्यवहार बदलना चाहिए)। यह प्रणाली कर्सर से बंधी नहीं है; यह स्किल्स, AGENTS.md और MCP जैसे खुले मानकों का उपयोग करती है।
पिछले वर्ष नवंबर में, लेखक ने एक मल्टी-एजेंट डेवलपमेंट एनवायरनमेंट (multi-agent development environment) बनाना शुरू किया – यह किसी एक मॉडल का रैपर (wrapper) नहीं था, बल्कि एक फैक्ट्री (factory) थी जो किसी प्रोजेक्ट को आवश्यकताओं से लेकर कार्यशील कोड तक ले जाती है, बिना उसे तोड़े जिसे नहीं तोड़ा जाना चाहिए। कर्सर (Cursor) और नियम-आधारित एजेंट्स (rule-based agents) से शुरुआत करते हुए, सिस्टम ने एक प्रक्रिया-आधारित दृष्टिकोण अपनाया: प्रत्येक चरण का अपना भूमिका-उप-एजेंट (role-subagent) और समीक्षक था। कुछ महीनों के भीतर, कई समानांतर पाइपलाइनों (parallel pipelines) की आवश्यकता उत्पन्न हुई – मार्केटिंग, उत्पाद, डिज़ाइन, सामग्री के लिए। एक शीर्ष-स्तरीय नियंत्रण प्लेन (top-level control plane) जोड़ा गया: एक रूट राउटर (root router), नियंत्रण प्लेन (239 कार्य आइटम), एक हार्नेस सीखने की परत (हार्नेस learning layer: रैचेट, सेंसर, रूल-इवैल्स/rule-evals)। फैक्ट्री दो-मंजिला हो गई: ऊपर क्रॉस-कटिंग नियंत्रण, नीचे प्रत्येक फैक्ट्री के अंदर स्थानीय गेट (local gates)। लेखक रैचेट (ratchet) का अभ्यास करता है – हर एजेंट विफलता को स्थायी वातावरण सुधार में बदल दिया जाता है, चैट नोट में नहीं। सेंसर-प्रथम (sensor-first) का अर्थ है कि एक नया इनवेरिएंट (new invariant) एक डिटेक्टर स्क्रिप्ट (detector script) के रूप में शुरू होता है जिसमें PASS/FAIL अनुबंध होता है, इससे पहले कि वह एक टेक्स्ट नियम बने। मापनीयता (measurability) सुनिश्चित करती है कि एक नियम व्यवहार बदलता है – एक गेट अच्छे आर्टिफैक्ट्स को पास करता है और उल्लंघनकर्ताओं को ब्लॉक करता है। लेखक कर्सर तक सीमित नहीं है: ओपन स्टैंडर्ड (open standards: Skills, AGENTS.md, MCP) क्लॉड (Claude), कोडेक्स (Codex) और जेमिनी (Gemini) द्वारा समर्थित हैं। एक न्यूनतम कार्यशील स्केलेटन (minimal working skeleton) एजेंट-हार्नेस-रेफरेंस (agent-harness-reference) पर उपलब्ध कराया गया है। कुछ इनवेरिएंट्स में अभी भी डिटेक्टरों का अभाव है और वे समीक्षा अनुशासन पर निर्भर हैं।
स्रोत: Habr — хаб ИИ —
मूल
