एलएलएम सिज़ोफ्रेनिया: एक वाइब कोडर की कुकबुक

लेखक, 20 वर्षों से अधिक अनुभव वाला एक प्रोग्रामर, बड़े उत्पादन प्रोजेक्ट लिखने के लिए AI एजेंटों का उपयोग करने की एक विधि का वर्णन करता है। उनका तर्क है कि बड़े कार्य मॉडल के कारण नहीं, बल्कि इसलिए विफल होते हैं क्योंकि एक एकल सत्र सब कुछ एक साथ करने का प्रयास करता है। समाधान उप-एजेंट बनाना है—मार्कडाउन फ़ाइलें जो भूमिका, मॉडल और अनुमत टूल को परिभाषित करती हैं—जो स्वच्छ संदर्भों के साथ काम करते हैं और अपना कार्य पूरा करने के बाद समाप्त हो जाते हैं। लेखक की 'ट्रूप' में एक आर्किटेक्ट, एक डेवलपर, एक समीक्षक (केवल-पढ़ने के लिए), एक परीक्षक जो कोड को तोड़कर परीक्षण 'घातक' होने की पुष्टि करता है, एक सुरक्षा विशेषज्ञ और एक DBA शामिल हैं। एक महत्वपूर्ण अंतर्दृष्टि यह है कि निष्पादन के लिए सस्ता मॉडल और समीक्षा के लिए अधिक महंगा मॉडल उपयोग करना चाहिए, क्योंकि समीक्षक की त्रुटि पर किसी का ध्यान नहीं जाता। यह प्रक्रिया 'कौशल' में संहिताबद्ध है—विवरण, मुख्य भाग और विवरण वाली फ़ाइलें—जो घटनाओं से विकसित होती हैं, जैसे कि रिपोर्ट के बजाय तथ्यों की जाँच करने का नियम। योजना आवश्यक है: मनुष्य योजना की समीक्षा करते हैं ताकि महंगी त्रुटियों को जल्दी पकड़ा जा सके, और बड़े कार्य से पहले आर्किटेक्ट द्वारा योजनाओं को ताज़ा किया जाना चाहिए। लेखक इस बात पर जोर देता है कि राज्य को फ़ाइलों में दर्ज किया जाना चाहिए क्योंकि एजेंटों के पास सत्रों के बीच कोई स्मृति नहीं होती। परियोजना नियम (CLAUDE.md) और एकल चेक स्क्रिप्ट जिसमें ईमानदार निकास कोड होता है, चिपकने वाले के रूप में कार्य करते हैं; नियम दिनांकित मिसालें हैं, और चेक को बायपास नहीं किया जा सकता। समीक्षक उप-एजेंट बनाने के लिए मॉडल से पूछकर शुरू करें, फिर दोहराए गए निर्देशों को कौशल में बदल दें, और ट्रूप को जैविक रूप से बढ़ने दें। लागत: काफी अधिक टोकन, मानव समय रिपोर्टों की समीक्षा करने और विवादों को सुलझाने में स्थानांतरित हो जाता है, और नियम तोड़े जाएँगे—लेकिन यह सामान्य है। यह दृष्टिकोण केवल उन कार्यों के लिए लाभदायक है जो एक संदर्भ में फिट नहीं होते।