एक टीम, न कि तर्क की एक अकेली धारा
Argo कार्य को तोड़ता है, इसे विशेषीकृत भूमिकाओं में वितरित करता है, और कुछ भी लिखे जाने से पहले उन्हें एक-दूसरे को चुनौती देने देता है। इससे वे कमज़ोरियाँ सामने आती हैं जिन्हें एक अकेला एजेंट चूक जाता।
Agent Argo
अपना लक्ष्य प्राकृतिक भाषा में बताएं। एक CEO-AI योजना बनाता है, विशेषज्ञ एजेंटों की एक टीम को कार्य सौंपता है और परिणाम को पूर्ण मानने से पहले उसका स्वतंत्र सत्यापन करवाता है।
CEO-AI टीमविशेषज्ञ एजेंटों की एक टीम कुछ भी लिखे जाने से पहले एक-दूसरे को चुनौती देती है — न कि कोई एकल चैट एजेंट।
प्रदाता-तटस्थ (BYOK)अपनी खुद की API कुंजियाँ, क्लाउड और स्थानीय मॉडल का स्वतंत्र मिश्रण — किसी एक प्रदाता पर निर्भरता नहीं।
स्वतंत्र सत्यापनएक अलग सत्यापन एजेंट — कोड का लेखक नहीं — परीक्षण और समीक्षा से हर परिणाम जांचता है और विफलता पर स्वतः मरम्मत शुरू करता है।
पूर्ण अनुरेखणीयताहर निर्णय, संदर्भ, मॉडल और लागत दर्ज की जाती है — महीनों बाद भी पता लगाई जा सकती है।
टेलीमेट्री
मापा गया, दावा नहीं किया गया
Argo स्वीकृत परिणाम की लागत मापता है — टोकन नहीं। ये आँकड़े वास्तविक इंस्टॉलेशन के अनाम, ऑप्ट-इन टेलीमेट्री से आते हैं: केवल समग्रीकृत संख्याएँ, कभी प्रोजेक्ट सामग्री नहीं।
आँकड़े दिखाने के लिए अभी तक पर्याप्त अनाम उपयोग डेटा नहीं है — न्यूनतम नमूना आकार पहुँचने पर ये दिखाई देंगे।
–प्रति स्वीकृत रन औसत मिनट बचाए गए
–अनुमानित बचाए गए डेवलपर घंटे
–अनुमानित शुद्ध बचत (€)
–रन स्वीकृत होते हैं
–रोलबैक दर
SWE बेंचमार्क
अनुमानित आंकड़े — असली टेस्ट रन बाद में आएंगे
ये आंकड़े जान-बूझकर निराशावादी रूप से अनुमानित हैं — हम कुछ ऐसा वादा करने के बजाय कम आंकना पसंद करते हैं जो Argo (अभी तक) भरोसेमंद ढंग से नहीं देता। हर प्रतिशत समाधान दर दर्शाता है: बेंचमार्क कार्यों का वह हिस्सा जो पूरी तरह सही ढंग से हल हुआ — न किसी अन्य मॉडल से समय की तुलना, न आधे-सही समाधानों के लिए आंशिक अंक। ये तर्कसंगत अनुमान हैं, मापे गए परिणाम नहीं: इन्हें अंतर्निहित मॉडलों, ऑर्केस्ट्रेशन और Argo की सत्यापन परत के आधार पर तय किया गया है — न कि वास्तव में चलाए गए बेंचमार्क रन से। असली टेस्ट रन फिलहाल संभावित रूप से ऊंची API लागत (प्रति कार्य कई मॉडल कॉल) के कारण टाल दिए गए हैं और बाद में आएंगे।
Ultracode अभी भी सक्रिय विकास में है — ये आंकड़े अस्थायी अनुमान हैं।
अनुमानित आंकड़े हैं, माप नहीं — असली बेंचमार्क रन लागत कारणों से टाल दिए गए हैं और उपलब्ध होते ही जोड़ दिए जाएंगे।
ब्लॉग
ब्लॉग: विकास को लाइव देखें
हम अभी क्या बना रहे हैं, कौन-सी नई तकनीकें लागू कर रहे हैं, और नवीनतम अपडेट में क्या बदला।
पोज़िशनिंग
कोई चैटबॉट नहीं। एक कृत्रिम सॉफ़्टवेयर टीम
एक अकेला एजेंट जल्दी से एक प्रशंसनीय समाधान देता है। लेकिन प्रशंसनीयता विश्वसनीयता नहीं है। Argo योजना, कार्यान्वयन, समीक्षा, और अनुमोदन को अलग-अलग ज़िम्मेदारियों के रूप में मानता है — एक अच्छी टीम की तरह।
गार्डरेल के साथ स्वायत्तता
परिवर्तन एक अलग वातावरण में एक पैच के रूप में शुरू होते हैं और समीक्षा के बाद ही लागू किए जाते हैं। आप तय करते हैं कि Argo स्वचालित रूप से क्या कर सकता है — महत्वपूर्ण कार्य हमेशा विशेष रूप से संरक्षित रहते हैं।
हर निर्णय एक निशान छोड़ता है
हर रन यह लॉग करता है कि क्या हुआ: कौन-सा संदर्भ, कौन-सा मॉडल, कौन-सी लागत, कौन-सी जाँच। महीनों बाद भी, आप यह पता लगा सकते हैं कि कोई निर्णय क्यों लिया गया था।
यह कैसे काम करता है
आवश्यकता से लेकर सत्यापित परिणाम तक
आप प्राकृतिक भाषा में एक लक्ष्य बताते हैं। Argo इसे एक योजना में बदलता है, सही एजेंटों को ऑर्केस्ट्रेट करता है, और एक ऐसा परिणाम देता है जो सिर्फ पूर्ण दिखता ही नहीं — इसे सत्यापित किया गया है।
- एक शेड्यूलर और रीप्लानर तय करते हैं कि वास्तव में किन एजेंटों और मॉडलों की आवश्यकता है
- स्वतंत्र वेरिफ़ायर परिणामों का केवल सारांश देने के बजाय उनकी जाँच करते हैं
- संदर्भ पैकेज बड़े कोडबेस के प्रासंगिक हिस्सों को सटीक रूप से लक्षित करके पहुँचाते हैं
- Git मोड: किए गए कार्य से निकाले गए commits, branches, और PR विवरण
CEO AI
कार्य को समझें, एक योजना और टास्क ग्राफ़ बनाएँ
कार्य को समझें, एक योजना और टास्क ग्राफ़ बनाएँ
एजेंट टीम
आर्किटेक्चर, विकास, QA, दस्तावेज़ीकरण — संरचित डेलिबरेशन के साथ
आर्किटेक्चर, विकास, QA, दस्तावेज़ीकरण — संरचित डेलिबरेशन के साथ
सत्यापन
टेस्ट, समीक्षाएँ, स्वतंत्र वेरिफ़ायर, मरम्मत रन
टेस्ट, समीक्षाएँ, स्वतंत्र वेरिफ़ायर, मरम्मत रन
परिणाम
सत्यापित पैच, तर्क, और एक पूर्ण ऑडिट ट्रेल
सत्यापित पैच, तर्क, और एक पूर्ण ऑडिट ट्रेल
अर्थशास्त्र
सही मीट्रिक: प्रति स्वीकृत परिणाम लागत
Argo अक्सर एक अकेले चैट की तुलना में प्रति कार्य अधिक टोकन खर्च करता है — और फिर भी सस्ता पड़ता है। नियमित काम सस्ते या स्थानीय मॉडलों पर चलता है; महंगे फ़्रंटियर मॉडलों का उपयोग केवल वहीं किया जाता है जहाँ उनका अतिरिक्त मूल्य अतिरिक्त लागत को उचित ठहराता है।
- कीमत स्तरों में बुद्धिमान मॉडल रूटिंग, समझाने योग्य मॉडल चयन के साथ
- सॉफ़्ट और हार्ड बजट सीमाएँ, रन शुरू होने से पहले सिम्युलेट की गई
- कम पुनः प्रयास, कम पुनः कार्य, कम समीक्षा समय — मानव श्रम कहीं अधिक महंगा संसाधन है
नियमित
संदर्भ खोज, दस्तावेज़ीकरण, सरल जाँच → सस्ते या स्थानीय मॉडल
संदर्भ खोज, दस्तावेज़ीकरण, सरल जाँच → सस्ते या स्थानीय मॉडल
चुनौतीपूर्ण
आर्किटेक्चर, जटिल कार्यान्वयन, मूल-कारण विश्लेषण → शक्तिशाली मॉडल
आर्किटेक्चर, जटिल कार्यान्वयन, मूल-कारण विश्लेषण → शक्तिशाली मॉडल
सुरक्षा उपाय
सत्यापन और एस्केलेशन केवल वहीं जहाँ वे मापने योग्य मूल्य लाते हैं
सत्यापन और एस्केलेशन केवल वहीं जहाँ वे मापने योग्य मूल्य लाते हैं
अगला कदम
कम निगरानी के साथ बेहतर परिणाम
कम पुनः कार्य, कम समीक्षा समय, परिणाम में अधिक भरोसा — यही एक एजेंट और एक टीम के बीच का अंतर है।