কিছু সময় আগে, আমরা সেরা সিম্যান্টিক কোড অনুসন্ধান প্ল্যাটফর্ম তৈরি করার সিদ্ধান্ত নিয়েছিলাম যা আমরা পারতাম: একটি RAG পাইপলাইন যা LLM এজেন্টদের বাস্তব রিপোজিটরি থেকে সঠিক, উদ্ধৃতি-উপযোগী প্রমাণ দেয়, grep যা কিছু পৃষ্ঠে আনে তার পরিবর্তে। চূড়ান্ত সমাধান ছিল Air Context। আমরা এটিকে কাজ করিয়েছি, এটিকে উৎপাদনে নিয়েছি এবং পথে অনেক অভিজ্ঞতা সঞ্চয় করেছি। পোস্টের এই সিরিজে, আমরা সেই অংশগুলি শেয়ার করব যা আমরা চাইতাম যে কেউ আমাদের প্রথম দিনেই বলত।
কোডিং এজেন্ট নিঃসন্দেহে আমাদের দশকের সফটওয়্যার ডেভেলপমেন্টের জন্য সবচেয়ে বড় প্রযুক্তিগত লাফ। তবে, যত বেশি উন্নয়ন প্রক্রিয়া এজেন্ট-চালিত হচ্ছে, এজেন্টের দক্ষতা এবং উৎপাদিত কোডের গুণমান ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে। বিশেষ করে বড় আকারের কোড বেসের জন্য, এজেন্ট প্রাসঙ্গিক কোডের টুকরো খুঁজতে অনেক সময় ব্যয় করবে।
সঠিক কোড স্নিপেট সনাক্ত করার চেষ্টা করে, এজেন্ট প্রথাগত কোড অনুসন্ধান সরঞ্জাম যেমন কীওয়ার্ড অনুসন্ধান এবং grep-এর আশ্রয় নেবে। এই সরঞ্জামগুলির জন্য এজেন্টকে আগে থেকেই জানতে হবে যে কোন সঠিক টেক্সট অনুসন্ধান করতে হবে। এখানেই রিট্রিভাল-অগমেন্টেড জেনারেশন (RAG) ছবিতে আসে। যদি আমরা সোর্স কোডকে এমনভাবে ইনডেক্স করতে পারি যা এর শব্দার্থ ধারণ করে এবং তারপর এজেন্টকে ফ্রি টেক্সট অনুসন্ধান ব্যবহার করে চাহিদা অনুযায়ী প্রাসঙ্গিক টুকরো পুনরুদ্ধার করার অনুমতি দেয়, তাহলে আমরা একটি ইন্টারফেস তৈরি করি যা এজেন্টের শক্তির সাথে খেলে।
এজেন্টিক যুগের অনেক দুর্দান্ত ধারণার মতো, একটি নেটিভ, প্রোটোটাইপ বাস্তবায়ন অত্যন্ত সহজ। একটি সু-মূল্যায়িত উৎপাদন-গ্রেড সমাধান অবশ্যই তা নয়। সিরিজের এই প্রথম অংশটি পাইপলাইনের প্রাথমিক পর্যায়গুলি কভার করবে: পার্সিং এবং চাঙ্কিং, যেখানে কাঁচা সোর্স ফাইলগুলিকে যথাযথভাবে স্কোপ করা ইউনিটে বিভক্ত করা হয়, এবং ভেক্টরাইজেশন, যেখানে সেই ইউনিটগুলিকে এমন একটি উপস্থাপনায় রূপান্তরিত করা হয় যা সিম্যান্টিক অনুসন্ধান সমর্থন করে।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing