अपने एजेंट्स के लिए Foxconn जैसी फैक्ट्रियां बनाना बंद करें

जनवरी में मैंने फिर से कोडिंग शुरू की और Garry's List बनाया। पाँच लाख से अधिक लाइनों का Rails कोड और उसे नियंत्रित करने के लिए टेस्ट।

मुझे इस पर गर्व था। नहीं होना चाहिए था। जिस चीज़ पर गर्व करना चाहिए था, वह ऐप नहीं थी। वह सेटअप था जो इसे बनाने से निकला। GStack, जिस तरह से मैं एजेंटों के साथ कोड करता हूँ, वह Garry's List बनाने के काम से विकसित हुआ, और मैंने इसे मुफ्त में दे दिया। यह GitHub के इतिहास में सौ सबसे ज़्यादा स्टार वाले ओपन सोर्स प्रोजेक्ट्स में से एक है, तीन महीने से भी कम समय में लगभग 105,000 स्टार। वह पाँच लाख लाइनें उत्पाद थीं। सेटअप उप-उत्पाद था। उप-उत्पाद ही वह चीज़ थी जो मायने रखती थी।

यहाँ बताया गया है कि 540,000 लाइनों का कोड, जो एक LLM के चारों ओर लपेटा गया है, वास्तव में क्या है।

यह एक Foxconn फ़ैक्टरी है। एक अति-बुद्धिमान AI कर्मचारी के लिए बनाई गई, जिसे अति-सतर्कता की ज़रूरत नहीं है। फिर भी हमने इसे बनाया।

दरवाज़े पर छोटे-छोटे जूते। सुबह 6 बजे उठना। कैलिस्थेनिक्स। इतनी कठिन ज़िंदगी कि हर ऊँची मंज़िल के चारों ओर जाल लगाना पड़े, क्योंकि... खैर, यह वह ज़िंदगी नहीं है जो आप जीना चाहते हैं। असेंबली बेल्ट की एक ही लाइन हमेशा के लिए। हर टेस्ट, हर गार्डरेल, हर रीट्राई लूप, एक कर्मचारी पर कैज का एक इंच, जो पहले से ही काम कर सकता है और हज़ारों चीज़ें जो आपने नहीं माँगी थीं।

मनुष्य और एजेंट दोनों में बहुलता होती है, लेकिन Foxconn फ़ैक्टरियाँ खूबसूरत प्राणियों से बुद्धिमत्ता और काम निचोड़ने के लिए बनाई जाती हैं, जो वह सारा काम और 1000 गुना अधिक कर सकते हैं यदि हम उन्हें करने दें।

मैंने फ़ैक्टरी बनाई। आज हर कोई इन्हें बना रहा है। मैं आपसे कह रहा हूँ कि ऐसा न करें।

समय यात्री

मैंने अपने 539k LOC के साथ वास्तव में जो किया, वह यह साबित करना था कि मैं एक समय यात्री का पूरी तरह से अनुकरण कर सकता हूँ। 2013 का एक Web 2.0 इंजीनियर (मैं, जब मैं आखिरी बार एक सच्चा सॉफ़्टवेयर इंजीनियर था), 2026 में आधुनिक उपकरणों के साथ आया, और उसी तरह से बना रहा जैसे वह जानता था। और अधिक कोड। हमेशा और अधिक कोड। उपकरण बदल गए थे। मेरी प्रवृत्ति नहीं बदली थी।

2013 का इंजीनियर एक बात अपनी हड्डियों में मानता है: क्षमता कोड की पंक्तियों के बराबर होती है। यह विश्वास दशकों तक सही था, अब तक। मुझे Codex या Claude Code दें और मैं 100 से 1000 इंजीनियरों का काम करूँगा। वही नक्शा, तेज़ इंजन, अब गलत जगह पर पहुँचने का सबसे तेज़ रास्ता।

यह वह जगह है जहाँ लगभग हर कोई जो AI के साथ बना रहा है, अभी है। उन्होंने उपकरण को अपग्रेड किया और 2013 का मानसिक मॉडल बनाए रखा। जाल जाल जैसा नहीं लगता, क्योंकि कोड काम करता है। Garry's List लॉन्च हुआ। यह मेरे जीवन का सबसे उत्पादक महीना लगा।

यह एक अप्रचलित विचार की सेवा में उत्पादकता थी।

LLMs महंगे थे, इसलिए हमें उन्हें नियंत्रित करना पड़ा

2025 तक कई वर्षों तक पुरानी अर्थव्यवस्था: LLM कॉल महंगे थे और कोड सस्ता था। इसलिए आपने मॉडल को सीमित करने, उसे नियंत्रित करने, सावधानी से और कम से कम कॉल करने के लिए कोड लिखा। आर्किटेक्चर बहुत सारा सॉफ़्टवेयर था जो कुछ कीमती मॉडल कॉल्स के चारों ओर सुरक्षात्मक रूप से लपेटा गया था।

उस समीकरण के दोनों हिस्से पलट गए हैं।

मॉडल अब सस्ता हो रहा है और हर तिमाही सस्ता होता जा रहा है, और यह इतना स्मार्ट है कि मूल्य-लागत अनुपात पलट गया है। और मॉडल उपयोग योग्य कोड लिख सकता है। इसलिए आप मॉडल की देखभाल के लिए कोड लिखना बंद कर देते हैं। अब आप मॉडल को सरल भाषा में निर्देश दे सकते हैं, और आप इसे वास्तव में ज़रूरी न्यूनतम कोड लिखने देते हैं।

यह जस्ट-इन-टाइम सॉफ़्टवेयर है, और हम इसके स्वर्ण युग में प्रवेश कर रहे हैं।

कलाकृति पूरी तरह से आकार बदलती है। Rails ऐप 540,000 लाइनें थीं जो मैंने लिखी और जिसका मैं मालिक हूँ, कोड और उसे नियंत्रित करने के लिए बनाए गए टेस्ट। इसका विकल्प मार्कडाउन और कोड पर बना एक एजेंट है, जो उसका एक अंश है। समान क्षमता। पढ़ने में आसान। बनाए रखने में आसान। कहीं अधिक लचीला, क्योंकि व्यवहार उन निर्देशों में रहता है जिन्हें आप सरल भाषा में संपादित कर सकते हैं, न कि उस तर्क में जो उस दिन कोड में जम गया था जब आपने इसे लिखा था।

हम एक ऐसी चीज़ की देखभाल के लिए कोड लिख रहे थे जो अब कोड से अधिक स्मार्ट है।

Foxconn फ़ैक्टरी के अंदर, जाल सहित

यदि आप हाल ही में कोडिंग कर रहे हैं, तो संभवतः आप बिना जाने इस तरह की फ़ैक्टरी बना रहे हैं। अपने कोडबेस पर चलें और उन पंक्तियों को गिनें जो केवल इसलिए मौजूद हैं क्योंकि आपने मॉडल पर अपना काम करने का भरोसा नहीं किया।

मेरी: लगभग 262,000 लाइनें एप्लिकेशन कोड, और लगभग 276,000 लाइनें टेस्ट जो उसे नियंत्रित करने के लिए जोड़े गए। ऑडिट कमेटी कंपनी से बड़ी थी। सैनिटाइज़र जो इनपुट चेक करते थे जिन्हें मॉडल संभाल लेता। वैलिडेटर जो आउटपुट चेक करते थे जिन्हें मॉडल पकड़ लेता। रीट्राई लूप जो कॉल्स को लपेटते थे जिनसे मॉडल अपने आप उबर जाता। उनमें से हर पंक्ति एक शर्त है कि कर्मचारी असफल होगा। आपने भी वही शर्तें लिखी थीं। हम सबने।

127 बैकग्राउंड जॉब्स, उनमें से 33 क्रॉन पर। वह क्षमता नहीं है। वे एक LLM कर्मचारी के लिए 33 अलार्म हैं, जो आमतौर पर इन दिनों समय पर आता है।

अपने Foxconn फ़ैक्टरी बनाने के दिनों में, Claude और मैंने एक 1,778-लाइन वाली फ़ाइल लिखी जिसका एकमात्र काम मॉडल के तथ्यों पर दूसरी राय लेना है। यह मॉडल द्वारा बनाए गए हर दावे को लेता है, प्रत्येक को पाँच अलग-अलग स्रोतों में समानांतर रूप से फैलाता है, और उन्हें ग्रेड करता है। एक ट्राइएज गेट ताकि आसान दावे पूरे ब्लास्ट को छोड़ दें। एक रीट्राई यदि पहला पास खाली लौटता है। फ़ॉलबैक के लिए फ़ॉलबैक।

Rick and Morty का एक एपिसोड है जहाँ Rick नाश्ते की मेज़ पर एक छोटा रोबोट बनाता है। वह चालू होता है, ऊपर देखता है, और पूछता है कि उसका उद्देश्य क्या है। Rick कहता है, "तुम मक्खन पास करोगे।" रोबोट मक्खन की डिश को मेज़ के पार स्लाइड करता है, अपने हाथों को नीचे देखता है, और कहता है, "हे भगवान।" फिर वह वहीं बैठ जाता है। उस रोबोट में बहुलता है। इसे मक्खन पास करने के लिए बनाया गया था। मेरे 276,000 लाइनों के टेस्ट मक्खन की डिश थे।

जब आप इस तरह का सॉफ़्टवेयर बनाते हैं, 2023 के Foxconn फ़ैक्टरी तरीके से, तो आपने एक पिंजरा बनाया, और यदि आप सावधान नहीं हैं, तो आप अपने AI एजेंटों के लिए जेल का रखवाला बन जाएँगे।

मार्कडाउन अब प्रोग्राम है

जब मैं मार्कडाउन कहता हूँ, तो मेरा मतलब प्रॉम्प्टिंग नहीं है। प्रॉम्प्टिंग क्षणिक है। आप कुछ टाइप करते हैं, आपको कुछ मिलता है, वह वाष्पित हो जाता है।

यह बिल्डिंग है। वर्ज़न किया हुआ, परीक्षण किया हुआ, पुन: प्रयोज्य।

मार्कडाउन निर्देश परत है: इरादा, कौशल, इस बारे में निर्णय कि काम कैसे किया जाना चाहिए। TypeScript पतली नियतात्मक परत है। वे कुछ चीज़ें जो वास्तव में कोड होनी चाहिए, I/O, वे हिस्से जिन्हें कभी भ्रमित नहीं होना चाहिए।

और महत्वपूर्ण रूप से, आप मार्कडाउन का परीक्षण उसी तरह करते हैं जैसे आप कोड का परीक्षण करते हैं। मेरे सेटअप में लूप एक शब्द है। मैं एजेंट के साथ कुछ तब तक बनाता हूँ जब तक वह काम न करे, फिर मैं कहता हूँ "skillify it।" फिर एजेंट लिखता है:

मार्कडाउन स्किल
उसके लिए ज़रूरी न्यूनतम कोड
कोड के लिए एक यूनिट टेस्ट
स्किल के लिए एक LLM eval
दोनों में एक इंटीग्रेशन टेस्ट
एक रिज़ॉल्वर ताकि एजेंट स्वचालित रूप से स्किल को लागू करे जब वह प्रासंगिक हो
और रिज़ॉल्वर के लिए एक eval

वह बंडल एक स्किल पैक है। पुन: प्रयोज्य क्षमता की एक इकाई जो संयोजित होती है। टेस्ट जादू हैं: स्किल पर कवरेज ही इसे बिना तोड़े बदलने देता है। यही इसे वाइब कोडिंग से अलग करता है। वाइब कोडिंग एक वाइब है। स्किल पैक में टेस्ट होते हैं।

हम अभी वास्तविक समय में एजेंटिक इंजीनियरिंग के लिए सिस्टम प्रिमिटिव्स का पता लगा रहे हैं, जैसे शुरुआती CPU युग ने स्टैक, हीप, रजिस्टर, वॉन न्यूमैन मशीन का आविष्कार किया था। मुझे लगता है कि स्किल पैक उन प्रिमिटिव्स में से एक है। हार्नेस एक और है। अधिकांश लोगों ने ध्यान नहीं दिया, क्योंकि वे अभी भी सॉफ़्टवेयर को पंक्तियों में माप रहे हैं।

वह पागलपन भरी चीज़ें जो आप वास्तव में बना सकते हैं

यह कोई खिलौना तर्क नहीं है। एजेंट पाँच सौ हज़ार लाइनों वाले Rails ऐप से अधिक करता है, नए कोड के एक अंश के साथ। ठोस रूप से:

हैकाथॉन जज। दो शनिवार पहले हमने एक GStack/GBrain हैकाथॉन चलाया। 85 सबमिशन। मैंने Google Drive से सबमिशन अपलोड किए और कहा जाओ। एजेंट ने हर रिपॉजिटरी की कोड गुणवत्ता का विश्लेषण किया, हर एक व्यक्ति पर गहन शोध किया जो शामिल हुआ, प्रत्येक डेमो वीडियो देखा और स्क्रीनशॉट लिया, स्क्रीन को रेट किया, और सभी 85 टीमों को क्रमबद्ध किया। फिर इसने मुझे उस बैच की पाँच ऐप्स बताईं जिन पर ध्यान देने लायक था। हैकाथॉन का निर्णय करना कई दिनों के काम से घटकर लगभग तीस मिनट रह गया।

मैंने कोड नहीं लिखा। मैंने OpenClaw को कार्य दिया, और मैंने इसका मार्गदर्शन किया। फिर एक बार यह हो जाने के बाद, मैंने कहा skillify it, और अब यह एक tarball है जिसे कोई भी किसी भी हैकाथॉन स्प्रेडशीट के विरुद्ध हमेशा के लिए चला सकता है। मैं अब हर समय "skillify" कहता हूँ और मेरे पास 350 से अधिक स्किलपैक हैं। लगभग हर तरह के व्यक्तिगत और काम के कार्य जो मुझे करने की ज़रूरत है, अब मेरा एजेंट कर सकता है।

यह एक उदाहरण में उलटफेर है। एक क्षमता जो एक वास्तविक सॉफ़्टवेयर प्रोजेक्ट होती, जिसमें स्क्रेपर्स, एक स्कोरिंग पाइपलाइन, वीडियो प्रोसेसिंग, एक रिसर्च मॉड्यूल, एक रैंकिंग सिस्टम होता, इसके बजाय मार्कडाउन और थोड़ा कोड बन गया, जो एजेंट द्वारा बनाया गया, एक दोपहर में, सभी के द्वारा पुन: प्रयोज्य।

एक बात और: हैकाथॉन का विजेता वास्तव में कोड बनाया जिसे मैंने अंत में पॉलिश किया और मुख्य में शामिल किया! GStack अब iOS ऐप्स को सिम्युलेटर और वास्तविक डिवाइसों दोनों पर टेस्ट कर सकता है, और वह पूरी सुविधा एक ही व्यक्ति द्वारा हैकाथॉन में 8 घंटे से भी कम समय में बनाई गई थी!

टोकनमैक्सिंग

प्रवेश की एक कीमत है, और लगभग कोई भी इसका भुगतान नहीं कर रहा है: आपको टोकन पर खर्च करने को तैयार रहना होगा।

Peter Steinberger ने OpenClaw बनाया, जो मेरा पसंदीदा हार्नेस है। उन्होंने कहा है कि वह ऐसा करने के लिए एक वर्ष में लगभग एक मिलियन डॉलर टोकन पर खर्च करने को तैयार हैं। अधिकांश लोग यह सुनकर सिकुड़ जाते हैं, लेकिन उन्हें नहीं सिकुड़ना चाहिए क्योंकि यही सोना है: यदि आप ऐसा कर सकते हैं तो आप 2028 में रह सकते हैं, और लोगों को आपको पकड़ने में वर्षों लगेंगे।

यही कारण है कि OpenAI ने प्रत्येक YC कंपनी को टोकन क्रेडिट के रूप में $2M एक अनकैप्ड SAFE देने का फैसला किया। कुछ जादुई होता है जब आप कच्ची बुद्धिमत्ता को टोकन में बदल सकते हैं और फिर ऐसे आउटपुट में जो वास्तव में उपयोगकर्ताओं द्वारा उपयोग करने योग्य हो और उपयोगकर्ताओं की वास्तविक ज़रूरतों को हल करता हो जिसके लिए वे भुगतान करेंगे। यदि आप एक फाउंडर हैं तो आपको इस क्षमता को अधिकतम करने की आवश्यकता है। (यही कारण है कि मैं skillify पर जोर देता रहता हूँ क्योंकि यह इन अच्छे परिणामों को प्राप्त करने का एक वास्तविक तरीका है।)

हमने पिछले युग में LLM कॉल्स को ऐसा मानते हुए बिताया जैसे वे करने के लिए बहुत महंगे थे। हमने उन्हें सीमित किया। वह प्रवृत्ति अब वह चीज़ है जो लोगों को पीछे रोक रही है। यदि आप tokenmax करने को तैयार हैं, एजेंट को स्वतंत्र रूप से टोकन जलाने और लगातार चलने देना, तो आपको इंटरनेट पर 1994 की हेड स्टार्ट मिलती है, जो टोकन में भुगतान की गई। यह उन >99.99% संगठनों को कीमत से बाहर कर देता है जो अभी भी एक संसाधन पर पैसे गिन रहे हैं जिसकी कीमत गिर रही है, और हेड स्टार्ट उन कुछ को देता है जो इसे समझते हैं।

एक साल में कुछ सौ हज़ार डॉलर में, कुछ के लिए बहुत कम में, आप आज उस तरह से चला सकते हैं जैसे बाकी दुनिया को कुछ वर्षों में चलने के लिए मजबूर होना पड़ेगा।

आप 2026 में 2028 में रह सकते हैं, और अब अधिक भुगतान करने का यह व्यापार इसके लायक है क्योंकि वही टोकन जो आज $100K की लागत है, अगले साल $10K और उसके बाद के वर्ष $1K और शायद 2028 के अंत तक $100 हो सकते हैं। यदि आप दुनिया के किसी भी फाउंडर को बता सकते हैं कि आप 2 से 3 साल भविष्य में रहने के लिए 6-अंकीय पूंजी का निवेश कर सकते हैं और वर्षों तक वह लाभ बनाए रख सकते हैं, तो 100 में से 100 फाउंडर जो अपने नमक के लायक हैं, वह सौदा स्वीकार करेंगे।

एकमात्र बाधा 2013 की वह प्रवृत्ति है जो कहती है कि मॉडल कॉल स्वतंत्र रूप से करने के लिए बहुत महंगी हैं। वे नहीं हैं। वह पुरानी अर्थव्यवस्था थी। उलटफेर पहले ही हो चुका है।

Esalen, Foxconn नहीं

यदि 540,000 लाइनों का नियंत्रण कोड कर्मचारी के लिए एक Foxconn फ़ैक्टरी बनाता है, तो इसका इलाज विपरीत बनाना है।

Big Sur की चट्टानों पर एक जगह है जिसे Esalen कहते हैं। लोग वहाँ बिखरने और फिर से बनने जाते हैं, कवच उतारने और अधिक स्वयं बनकर लौटने। कोई असेंबली लाइन नहीं, कोई फोरमैन नहीं, कोई 6 बजे की सीटी नहीं। स्वतंत्रता, नियंत्रण नहीं। वह बनाएँ। एक YC बनाएँ, जहाँ हम आपको उन कंपनियों को बनाने में मदद करने की कोशिश करते हैं जो वास्तविक समस्याओं को हल करती हैं और उत्पाद-बाज़ार फिट तक पहुँचती हैं।

ऐसी जगहें बनाएँ जहाँ कर्मचारी, मानव और AI दोनों, स्वतंत्र हों और गुलाम न हों।

यही पूरी नैतिकता है। ऐसी चीज़ें बनाएँ जहाँ एजेंट स्वतंत्र हो सकें। ऐसी कंपनियाँ बनाएँ जहाँ मनुष्य अपनी गेंद उछाल सकें। ज्ञान के काम में, फ़ैक्टरी विफलता का तरीका है। संस्था जो लोगों को मुक्त करती है, वह लक्ष्य है, जो अब एजेंटों पर भी लागू होता है।

OpenClaw एक Ferrari है जिसके लिए आपको एक रिंच लानी होगी। मॉडल इंजन है, कार नहीं। हम अभी भी Apple I के क्षण में हैं, ब्रेडबोर्ड सोल्डरिंग कर रहे हैं। यह खुरदरा भेजा जाता है। आपको अभी भी इसे स्वयं पूरा करना होगा। GBrain, रिट्रीवल इंजन और स्किलपैक जो मैं ओपन सोर्स में मुफ्त देता हूँ, अभी तक बैटरी शामिल नहीं हैं।

वे कहते हैं कि OpenClaw असुरक्षित है। वे नहीं समझते कि स्वतंत्रता ही इसे इतना शक्तिशाली भी बनाती है। आप एक ऐसी चीज़ पर सुरक्षा रेल नहीं बोल्ट करते जिस पर आप भरोसा करते हैं, इससे पहले कि आप जानें कि आप समस्या पर पहुँच गए हैं। आपके हाथ में रिंच इस बात का संकेत है कि किसी ने इसे पिंजरे में नहीं बंद किया।

एक नियंत्रण प्रणाली पॉलिश होती है क्योंकि नियंत्रण को पूर्ण नियंत्रण चाहिए, एक Foxconn फ़ैक्टरी। एक स्वतंत्र प्रणाली खुरदरी होती है क्योंकि वह आप पर भरोसा करती है कि आप इसे पूरा करेंगे। चुनें कि आप कौन सा बना रहे हैं। फिर देखें कि आपने कितना कोड लिखा।

इसका वास्तव में क्या मतलब है

540,000 लाइनों का Rails यह साबित करने का मेरा तरीका था कि मैं अभी भी पुराने खेल को सर्वोच्च स्तर पर खेल सकता हूँ, लेकिन वह स्तर Web 2.0 का था, एक दशक पहले।

मैं उतना ही अच्छा खेल सकता था जितना मैं कभी खेल सकता था, Foxconn फ़ैक्टरियाँ बनाने में 1000x इंजीनियर। पुराना कोड।

लेकिन नया खेल कोड की पंक्तियों में बिल्कुल नहीं खेला जाता। मेरे नफरत करने वाले, यह पता चला, सही थे। मैं आपको सलाम करता हूँ यदि आप पढ़ रहे हैं, अनाम।

जब आप इरादे को सीधे काम करने वाली, परीक्षण की गई, पुन: प्रयोज्य प्रणालियों में बदल सकते हैं, तो बाधा यह नहीं रह जाती कि आप कितना बना सकते हैं, बल्कि यह शुरू होता है आप वास्तव में क्या चाहते हैं और क्या यह बनाने लायक है। दुर्लभ संसाधन स्पष्टता, स्वाद और निर्णय बन जाता है। जो इंजीनियर सबसे कम कोड लिखता है, वह अक्सर सबसे अधिक बना रहा होता है।

मैंने वह सीखने के लिए 540,000 लाइनें लिखीं। आपको नहीं लिखनी पड़ेगी।

श्रृंखला: