प्रोडक्शन ऐप्स के लिए AI कोडिंग एजेंट काफ़ी क्यों नहीं हैं

शुरुआत श्रेणी के साथ इंसाफ़ से करते हैं। आधुनिक कोडिंग एजेंट. Cursor, Claude Code, OpenAI Codex और उनके समकक्ष, सचमुच मज़बूत टूल हैं। वे बड़े कोडबेस पढ़ते हैं, मल्टी-फ़ाइल बदलावों की योजना बनाते हैं, टेस्ट लिखते हैं, नाकामियां ठीक करते हैं और तब तक दोहराते हैं जब तक चीज़ें पास न हों। इन्हें ढंग से इस्तेमाल करने वाली इंजीनियरिंग टीमें साफ़ तौर पर तेज़ चलती हैं, और इस लेख में इसके खिलाफ़ कुछ नहीं है। बात दायरे की है, गुणवत्ता की नहीं।

कोडिंग एजेंट का आउटपुट, चाहे कितना अच्छा हो, कोड का एक बदलाव है। प्रोडक्शन सॉफ़्टवेयर खड़े दायित्वों का कहीं बड़ा सिस्टम है: साबित करना कि बदलाव असली उपयोगकर्ताओं के लिए काम करता है, सत्यापित करना कि उसने कोई कमज़ोरी नहीं घुसाई, तय करना कि वह allowed था भी या नहीं, उसे सुरक्षित रिलीज़ करना, उसके बिगड़ने पर ताड़ लेना, और गड़बड़ होने पर दोबारा खड़ा करना कि हुआ क्या था। इनमें से हर दायित्व मौजूद है, चाहे किसी को सौंपा गया हो या नहीं, और कोड-एडिटिंग चरण पर काम करता एजेंट आपको इनमें से किसी से भी मुक्त नहीं करता। वह सब पर दबाव बढ़ाता है, क्योंकि जिस चरण को वह रफ़्तार देता है वही बाक़ी हर चरण को खिलाता है।

तो प्रोडक्शन जा रही टीम का व्यावहारिक सवाल यह नहीं है कि "क्या हमारा एजेंट काफ़ी अच्छा है?" सवाल है: "diff के आगे की हर चीज़ का मालिक कौन है, अब, जब diff पांच गुना तेज़ आते हैं?" मज़बूत प्लेटफ़ॉर्म संगठन वाली टीमें उस इंफ़्रास्ट्रक्चर से जवाब दे सकती हैं जो वे पहले से चलाती हैं। जिनके पास वह नहीं है, उन्हें वह लूप बनाना या अपनाना होगा, और यह फ़ैसला सोच-समझकर करना चाहिए, किसी इंसिडेंट के दौरान खाई खोजकर नहीं।

यह देखना भी मददगार है कि खाई इतनी आसानी से क्यों छूट जाती है। एजेंट का आउटपुट जीवंत है, चलता फ़ीचर, पास होता टेस्ट रन, बंद होता टिकट, जबकि गायब लूप तनाव आने तक अदृश्य है: वह ब्राउज़र टेस्ट जो मौजूद ही नहीं, या वह ऑडिट ट्रेल जो कभी लिखा ही नहीं गया, इन्हें कोई नहीं देखता। खरीद के फ़ैसले स्वाभाविक रूप से जीवंत को अदृश्य से ऊपर तौलते हैं, और इसी तरह संगठनों के पास बेहतरीन जनरेशन और जुगाड़ू डिलीवरी इकट्ठे हो जाते हैं। सुधार है नीचे के छह दायित्वों को मूल्यांकन में लिख लेना; इन्हें ईमानदारी से आंकने में एक दोपहर लगती है और ये किसी भी जनरेशन बेंचमार्क से कहीं बेहतर प्रोडक्शन-दर्द की भविष्यवाणी करते हैं।

इंजीनियरिंग लीडर बार-बार यही पैटर्न बताते हैं। एजेंट आते हैं; हफ़्तों में पुल रिक्वेस्ट की मात्रा उछल जाती है; और हर आगे का चरण, समीक्षा, QA, सिक्योरिटी, रिलीज़, अचानक अड़चन बन जाता है। फिर संगठन दो नाकामी-ढंगों में से किसी एक में बह जाता है। या तो आगे के चरण डटे रहते हैं और उनके सामने फिर कतार लग जाती है, यानी उत्पादकता का फ़ायदा कतार के समय में भाप बन जाता है; या चरण झुक जाते हैं, मंज़ूरियां हल्की हो जाती हैं, टेस्टिंग "बस इस बार" छूट जाती है, और संगठन असल में बड़े पैमाने पर बिना समीक्षा का कोड शिप कर रहा होता है, यह तय किए बिना कि वह ऐसा करेगा।

दूसरा ढंग ख़तरनाक है क्योंकि वह कामयाबी जैसा दिखता है। लीड टाइम गिरता है, डैशबोर्ड चमकते हैं, और जमा होता जोखिम किसी ख़ास मंगलवार तक अदृश्य रहता है: किसी एजेंट का लिखा माइग्रेशन, जिसे चालीस खुले टैब वाले समीक्षक ने नौ सेकंड में मंज़ूर किया, चेकआउट फ़्लो गिरा देता है, और पोस्टमॉर्टम में पता चलता है कि चेकआउट का कोई ब्राउज़र-स्तरीय टेस्ट नहीं है, स्कीमा बदलावों को असली समीक्षा के लिए फ़्लैग करती कोई पॉलिसी नहीं है, और हफ़्ते के दो सौ मर्ज में से किसे रोल बैक करना है यह जानने का कोई साफ़ तरीक़ा नहीं है।

इनमें से कुछ भी एजेंट की गलती नहीं है। हर गायब हिफ़ाज़त एजेंट के आने से पहले भी गायब थी; बस पुल पर आवाजाही कम थी। विषमता ही मुद्दा है: जो टूल कोड-उत्पादन को कई गुना करते हैं, वे आपकी डिलीवरी लूप की हर कमी के नतीजों को भी कई गुना कर देते हैं।

पोस्टमॉर्टम की बजाय अग्रिम चेतावनी चाहिए, तो एजेंट अपनाने के साथ-साथ चार आंकड़ों पर नज़र रखिए: प्रति मर्ज मीडियन समीक्षा समय (शून्य की ओर ढहना जीत नहीं, लक्षण है), रेवेन्यू ढोने वाले फ़्लो का टेस्ट कवरेज, किसी प्रोडक्शन समस्या को उसके कारण बने बदलाव तक पहुंचाने का औसत समय, और टेस्ट किए हुए रोलबैक पथ वाले डिप्लॉय का हिस्सा। मर्ज की मात्रा चढ़ते हुए इनमें से कोई भी गलत दिशा में जाए, तो समझिए विषमता तयशुदा समय पर आ पहुंची है, और चारों को बारहवें महीने की बजाय दूसरे महीने में ठीक करना सस्ता है।

रास्ता एक: लूप खुद जोड़िए। असली गेटों वाला CI, ब्राउज़र-टेस्ट इंफ़्रास्ट्रक्चर, निष्कर्ष सत्यापित करने वाली किसी चीज़ से जुड़ी सिक्योरिटी स्कैनिंग, ऐसी समीक्षा पॉलिसी जो आपकी टीम सच में लागू करे, रोलबैक वाला डिप्लॉयमेंट ऑटोमेशन, ऑब्ज़र्वेबिलिटी, और वह गोंद जो एजेंट-जनरेटेड बदलाव को इस सबसे गुज़ारे। यह एक जायज़ रास्ता है, मज़बूत प्लेटफ़ॉर्म टीमें यही करती हैं, और इसकी कीमत यह है कि यह खरीद नहीं, एक स्थायी इंजीनियरिंग निवेश है। अगर इसे बनाने और संभालने वाला प्लेटफ़ॉर्म संगठन आपके पास है, तो उस लूप के भीतर कोडिंग एजेंट एक शानदार जोड़ हैं।

रास्ता दो: ऐसा प्लेटफ़ॉर्म अपनाइए जहां लूप ही प्रोडक्ट है, और जनरेशन उसके भीतर होती है। प्लेटफ़ॉर्म संगठन विहीन ज़्यादातर टीमों को ईमानदारी से यही सौदा परखना चाहिए: अपना बनाने के मुक़ाबले कम बीस्पोक नियंत्रण, बदले में टेस्टिंग, गवर्नेंस, सिक्योरिटी, डिप्लॉयमेंट और मॉनिटरिंग जो पहले दिन से मौजूद हैं और डिज़ाइन से बदलाव-मात्रा के साथ स्केल करते हैं। दोनों रास्ते दुश्मन भी नहीं हैं, बहुत से संगठन कोर सिस्टम पर कोडिंग एजेंटों वाले इंजीनियर रखते हैं और बिज़नेस एप्लिकेशनों की उस लंबी पूंछ के लिए एक गवर्न्ड प्लेटफ़ॉर्म, जिस तक प्लेटफ़ॉर्म-टीम का ध्यान वरना कभी पहुंचता ही नहीं।

रास्तों में चुनाव का एक वाजिब पैमाना: अपने प्लेटफ़ॉर्म इंजीनियर और अपनी एप्लिकेशन गिन लीजिए। मुट्ठी भर कोर सिस्टम संभालती मज़बूत प्लेटफ़ॉर्म टीम लूप बिल्कुल बना सकती है, और शायद बनाना भी चाहिए। वही टीम अगर उस लूप को दर्जनों विभागीय ऐप्स, एजेंसी-निर्मित पोर्टलों और अधिग्रहण की विरासतों तक फैलाने को कहा जाए, तो डूब जाएगी, वही लंबी पूंछ है जहां खरीदने का फ़ैसला आमतौर पर अपनी कीमत वसूलता है। और रास्ते जुड़ भी सकते हैं: पोर्टफ़ोलियो के लिए प्लेटफ़ॉर्म अपनाने में ऐसा कुछ नहीं जो आपके कोर प्रोडक्ट की भरोसेमंद पाइपलाइन छोड़ने को कहे।

Ciao सोच-समझकर बनाया गया रास्ता दो है। हर वर्कस्पेस को एक AI सॉफ़्टवेयर संगठन मिलता है. CTO, Doctor, QA विश्लेषक, Security इंजीनियर, Coder और SysOps ऑपरेटर, ताकि लूप के मालिक वाली भूमिकाएं पहले प्रॉम्प्ट से मौजूद हों। QA डिटरमिनिस्टिक ब्राउज़र रीप्ले, सेल्फ-हीलिंग टेस्ट, पब्लिश से पहले स्मोक गेट और पब्लिश के बाद प्रोडक्शन जांचें चलाता है। Security स्टैटिक स्कैनिंग, डिपेंडेंसी जांचें और एक्सेस-कंट्रोल प्रोब चलाता है, और फ़्लैग करने से पहले लाइव ऐप के खिलाफ़ कमज़ोरियों की पुष्टि करता है। Guardrails सरल भाषा में लिखी पॉलिसी लागू करता है, मानव समीक्षा दर्ज करता है और हर मर्ज के पीछे ऑडिट ट्रेल छोड़ता है। Doctor, एक रीड-ओनली AI SRE, लाइव ऐप, DNS और CDN की जांच करता है, मूल कारण का निदान करता है और फ़िक्स का ड्राफ़्ट बनाता है, और Conductor पूरी फ्लीट पर एक स्क्रीन देता है।

और चूंकि कोड-एडिटिंग चरण को चारदीवारी वाला बाग़ नहीं होना चाहिए: एप्लिकेशन असली React, TypeScript और Supabase हैं, 100% ओनरशिप के साथ, कभी भी आपकी अपनी रेपो में एक्सपोर्ट करने योग्य, और कस्टम सैंडबॉक्स इमेज वही लाइफ़साइकिल Rails, Java, Go, Python, Node और मल्टी-प्रोसेस बैकएंड के इर्द-गिर्द लपेटती हैं। डिप्लॉय कीजिए Ciao क्लाउड, अपने AWS, Azure या GCP अकाउंट, प्राइवेट VPC, या अलग शर्तों के तहत ऑन-प्रेम पर। गंभीर डेवलपमेंट प्रोग्राम USD 10,000 प्रति वर्ष से शुरू होते हैं, और अगर यह लेख आपको अपना-सा लगा, तो सबसे उपयोगी डेमो है एक बदलाव को प्रॉम्प्ट से मॉनिटर होते प्रोडक्शन तक पूरा लूप तय करते देखना।