आपके AI एजेंट को एक नक्शा चाहिए: LLM Wiki या README काफी है
OpenAI
Anthropic
यह लेख चर्चा करता है कि कैसे AI एजेंट संरचित ज्ञानकोषों, जैसे LLM Wiki या README-आधारित रिपॉजिटरी, का उपयोग करके जटिल कोडबेस को नेविगेट कर सकते हैं। इसमें Andrej Karpathy का LLM Wiki पैटर्न प्रस्तुत किया गया है, जो एक LLM का उपयोग करके wiki लिखने और बनाए रखने के लिए करता है, और इसकी तुलना दस्तावेज़ीकरण-एक-कोड के रूप में दृष्टिकोण से की गई है, जहाँ README फ़ाइलें प्राथमिक ज्ञान स्रोत के रूप में काम करती हैं। लेखक एक भुगतान प्लेटफ़ॉर्म के लिए अपने LLM Wiki के व्यावहारिक कार्यान्वयन को साझा करता है और ज्ञान निर्माण 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