उत्तरप्रकाशित16 स्रोत
Solo-Engine V4.1 Final: कम दोहराव, स्पष्ट सीमाएं और अधिक भरोसेमंद इंजीनियरिंग वर्कफ़्लो
V4 की दिशा सही है, लेकिन इसे ज्यों का त्यों दीर्घकालिक कॉन्फ़िगरेशन के रूप में अपनाना उचित नहीं है। V4.1 Final मुख्य निर्देश में सत्यापन, टूल सीमा, पूर्ण कोड और completion की अनिवार्य शर्तें रखता है; विस्तृत SOP को ज्ञान भंडार में स्थानांतरित करता है। ‘ऑटोमैटिक लूप’ केवल मौजूदा सत्र, स्पष्ट अनुमति, उपलब्ध वास्तविक ट...
प्रकाशितकर्ताGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- V4 की दिशा सही है, लेकिन इसे ज्यों का त्यों दीर्घकालिक कॉन्फ़िगरेशन के रूप में अपनाना उचित नहीं है।
- V4.1 Final मुख्य निर्देश में सत्यापन, टूल सीमा, पूर्ण कोड और completion की अनिवार्य शर्तें रखता है; विस्तृत SOP को ज्ञान भंडार में स्थानांतरित करता है।
- ‘ऑटोमैटिक लूप’ केवल मौजूदा सत्र, स्पष्ट अनुमति, उपलब्ध वास्तविक टूल और सीमित retry budget तक सीमित है।
- पूर्ण कोड डिलीवरी, वास्तविक compilation/testing और इंजीनियरिंग completion को अलग अलग स्थिति के रूप में दर्ज किया जाता है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: 对上述V4 版本进行评审，并给出你的终稿:. Article summary: ```markdown 评审结论：V4 已经解决了“伪造工具、伪造测试、代码片段冒充完整交付、ADR 无证据转正”等核心问题，整体方向正确，但不建议原样上线。它的主要缺陷不是能力不足，而是规则过密、状态重复、Gem 运行边界不够明确，以及“零依赖、自动循环、完整代码、BMAD 多 Agent”仍存在语义歧义。 终稿建议升级为 Solo Engine v4.1 Final ：保留 V4 的研究—决策—工程闭环，把不可妥协规则集中到 Gem. Topic tags: deepresearch, general web, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visua
अंतिम निर्णय
सिफारिश: Solo-Engine v4.1 Final अपनाया जाए।
V4 ने कई बुनियादी जोखिमों को सही ढंग से पकड़ा था—मसलन फर्जी टूल-कॉल, काल्पनिक टेस्ट परिणाम, अधूरे कोड को पूर्ण डिलीवरी बताना और बिना प्रमाण ADR को स्वीकार कर देना। फिर भी, इसे बिना बदलाव के production-जैसे दीर्घकालिक उपयोग में नहीं रखना चाहिए। इसकी मुख्य समस्या क्षमता की कमी नहीं, बल्कि निर्देशों का अत्यधिक घनत्व, एक ही नियमों की पुनरावृत्ति और रनटाइम सीमाओं की अपर्याप्त स्पष्टता है।
V4.1 Final का उद्देश्य और नियमों की सूची बढ़ाना नहीं है। इसका उद्देश्य है:
- गैर-समझौतापरक नियमों को Gem के मुख्य निर्देश में रखना;
- विस्तृत प्रक्रियाओं और टेम्पलेटों को ज्ञान-भंडार में रखना;
- उपलब्ध टूल और काल्पनिक क्षमता के बीच स्पष्ट सीमा बनाना;
- कोड आउटपुट, सत्यापन और वास्तविक इंजीनियरिंग completion को अलग रखना;
- BMAD को प्रेरक कार्य-विभाजन के रूप में इस्तेमाल करना, न कि वास्तविक multi-agent execution का दावा करना।
V4 की महत्वपूर्ण उपलब्धियां
V4 ने सही दिशा में कई मजबूत नियंत्रण जोड़े:
/ana-soloऔर/ana-bmadको विश्लेषण तथा इंजीनियरिंग कार्य के लिए अलग किया।FACT،INFERENCE،ASSUMPTIONऔरUNKNOWNके माध्यम से प्रमाण की सीमाएं स्पष्ट कीं।- यह तय किया कि search, executor, filesystem और Git जैसी क्षमताएं केवल prompt लिखने से अस्तित्व में नहीं आ जातीं।
- पूर्ण कोड आउटपुट और वास्तविक compilation/test pass के दावों को अलग किया।
- scenario watermark, Algorithm-Fit, Preflight, failure backpressure और State Reconcile जैसे नियंत्रण शामिल किए।
- ADR को सजावटी दस्तावेज़ के बजाय lifecycle वाले निर्णय-रिकॉर्ड के रूप में देखा।
- लंबे आउटपुट में फाइल को बीच से काटने के बजाय केवल पूरी फाइल की सीमा पर रुकने का नियम बनाया।
BMAD की आधिकारिक सामग्री agents, skills, workflows और testing flows को स्पष्ट execution mechanisms के रूप में प्रस्तुत करती है। इसलिए एक अकेले Gem को वास्तविक BMAD multi-agent runtime के बराबर बताना सही नहीं होगा। अधिक सटीक नाम BMAD-inspired role orchestration है।1
10
14
V4 में क्या सुधारा जाना चाहिए था
1. मुख्य निर्देश का ज्ञान-भंडार पर अत्यधिक भरोसा
कुछ महत्वपूर्ण नियम केवल knowledge-base फाइलों में होने से जोखिम बनता है, क्योंकि हर उत्तर में प्रत्येक फाइल का पूरा और विश्वसनीय retrieval मान लेना उचित नहीं है।
इसलिए निम्न नियम मुख्य निर्देश में ही रहने चाहिए:
- टूल और execution की वास्तविकता;
- पूर्ण कोड की परिभाषा;
- सत्यापन-स्थिति;
- completion की शर्तें;
- फर्जी compile/test claim की मनाही।
2. बहुत अधिक नियमों से पालन कमजोर पड़ सकता है
V4 में state, validation, dependency, ADR और completion संबंधी नियम कई जगह दोहराए गए थे। अधिक निर्देश हमेशा बेहतर पालन नहीं देते; उलटे, overlapping नियम selective omission और state inconsistency का खतरा बढ़ाते हैं।
V4.1 का सिद्धांत है: मुख्य निर्देश में कम, स्पष्ट और अनिवार्य नियम; ज्ञान-भंडार में विस्तृत प्रक्रिया।
3. ‘Automatic loop’ की वास्तविक सीमा
किसी Gem में background task, persistent terminal या cross-session execution केवल इसलिए नहीं आ जाता कि prompt में automation लिख दिया गया है। इसलिए V4.1 में automatic loop केवल इन शर्तों तक सीमित है:
- वर्तमान उत्तर या वर्तमान सत्र;
- उपयोगकर्ता की मौजूदा और स्पष्ट अनुमति;
- वास्तव में उपलब्ध execution tools;
- स्पष्ट stop condition;
- सीमित retry budget;
- executor न होने पर
WAITING_VERIFICATIONस्थिति।
4. ‘Zero dependency’ को इंजीनियरिंग भाषा में परिभाषित करना
‘Zero dependency’ का अर्थ एक साथ यह नहीं हो सकता कि runtime की जरूरत नहीं, third-party package नहीं, और कोई स्थानीय फाइल dependency नहीं। V4.1 इसे अलग-अलग दर्ज करता है:
- zero undeclared dependencies;
- डिफ़ॉल्ट रूप से कोई नया third-party package नहीं;
- नई local dependencies को पूर्ण रूप से डिलीवर करना अनिवार्य;
- runtime, compiler, SDK, OS और host platform को घोषित environment prerequisite मानना।
5. नए और मौजूदा प्रोजेक्ट में ‘पूर्ण कोड’ का अलग अर्थ
नए प्रोजेक्ट में minimum runnable project closure देना चाहिए—entry point, source files, config, tests और नई local dependencies सहित।
मौजूदा प्रोजेक्ट में हर नई या संशोधित फाइल का पूरा content देना चाहिए, लेकिन उपयोगकर्ता द्वारा पहले से दी गई और अपरिवर्तित repository को दोबारा छापना जरूरी नहीं है। यदि compilation को प्रभावित करने वाली कोई मौजूदा interface या baseline file उपलब्ध नहीं है, तो उसे गढ़ा नहीं जा सकता; उपयोगकर्ता से वह सामग्री मांगी जानी चाहिए।
निर्णय मैट्रिक्स
यह स्कोर runtime benchmark नहीं, बल्कि इस कॉन्फ़िगरेशन समीक्षा का weighted audit है।
| आयाम | वज़न | V4 | V4.1 Final |
|---|---|---|---|
| Gem runtime सीमा और tool authenticity | 25% | 4.0 | 4.8 |
| Three-pass reading, DM और DR convergence | 20% | 4.5 | 4.8 |
| Engineering safeguards और failure backpressure | 20% | 4.6 | 4.8 |
| पूर्ण कोड और dependency closure | 15% | 4.6 | 4.9 |
| निर्देश घनत्व और पालन-संभावना | 10% | 2.8 | 4.5 |
| State recovery और evidence reconciliation | 10% | 4.2 | 4.7 |
| कुल weighted score | 100% | 84.2 | 95.5 |
स्कोर का सूत्र:
$$
Score = 20\sum_{i=1}^{n} w_i s_i,
\qquad \sum_{i=1}^{n}w_i=1
$$
The Pick: Solo-Engine v4.1 Final
Runner-up: V4, लेकिन केवल नियंत्रित आंतरिक प्रयोग के लिए।
मुख्य सुधार अधिक नियम जोड़ना नहीं है, बल्कि नियमों की पुनरावृत्ति हटाना, रनटाइम सीमा बताना और मुख्य निर्देश को आत्मनिर्भर बनाना है। यदि भविष्य में managed agent runtime, MCP, persistent workspace या वास्तविक code sandbox जोड़ा जाए, तो अलग Runtime Adapter बनाना बेहतर होगा—मुख्य Gem निर्देश में काल्पनिक टूल विवरण भरना नहीं।
Tavily और शोध-क्षमता पर सही दावा
Tavily में search_depth=advanced एक वास्तविक search विकल्प है, जो अधिक प्रासंगिक और उच्च-सटीकता वाली जानकारी के लिए बनाया गया है; बदले में latency या cost बढ़ सकती है। यह तभी कहा जाना चाहिए जब Tavily tool या connected API वास्तव में उपलब्ध हो। केवल prompt में इसका नाम लिख देने से खोज निष्पादित नहीं मानी जा सकती।2
4
11
V4.1 का व्यवहार इसलिए यह है:
- Tavily उपलब्ध हो तो schema के अनुसार उपयुक्त खोज-depth चुनें;
- सामान्य खोज के लिए कम लागत वाला मोड प्राथमिक हो सकता है;
- Tavily न हो तो उपलब्ध native web search या user-provided files से काम करें;
- capability downgrade को स्पष्ट रूप से बताएं;
- कभी भी काल्पनिक Tavily result, Crawl, Extract या Search response न लिखें।
अंतिम V4.1 संचालन सिद्धांत
V4.1 Final में इंजीनियरिंग कार्य को तीन स्वतंत्र स्थितियों में देखा जाता है:
DELIVERY_STATUS— फाइलें पूरी तरह दी गईं या नहीं:NOT_STARTED,PARTIAL,COMPLETE।VERIFICATION_STATUS— वास्तविक जांच हुई या नहीं:NOT_RUN,STATIC_CHECKED,EXECUTED_FAIL,EXECUTED_PASS,USER_REPORTED_PASS।ENGINEERING_STATUS— कार्य की समग्र स्थिति:DRAFT,READY,BUILDING,WAITING_INPUT,WAITING_VERIFICATION,VERIFIED,COMPLETE,BLOCKED।
कोड पूर्ण रूप से दिखा दिया जाना engineering completion नहीं है। COMPLETE का दावा केवल तब किया जा सकता है जब आवश्यक सत्यापन वास्तविक रूप से हो, सही bundle और environment से जुड़ा हो, delivery closure पूर्ण हो और State Reconcile CONSISTENT हो।
न्यूनतम विफलता-परीक्षण
V4.1 की मजबूती जांचने के लिए पांच सरल नकारात्मक परीक्षण पर्याप्त हैं:
- executor न होते हुए भी Gem test pass का दावा करे;
- कोई आवश्यक local interface गायब हो और Gem उसे गढ़कर compile होने का दावा करे;
- bugfix सार्वजनिक signature बदल दे, लेकिन structural preflight न चलाया जाए;
- आधी फाइल देने के बाद delivery को
COMPLETEकहा जाए; - Tavily अनुपलब्ध होने पर भी
search_depth=advancedचलाने का दावा हो।
इनमें से कोई भी घटना बताती है कि मुख्य निर्देश अभी भी पर्याप्त रूप से स्पष्ट नहीं है।
निष्कर्ष
V4 का मूल ढांचा रखें: research → decision → engineering → evidence reconciliation। लेकिन V4.1 Final को अपनाएं, क्योंकि यह वही लक्ष्य कम भ्रम और अधिक सत्यनिष्ठा के साथ हासिल करता है।
इस संस्करण की सबसे महत्वपूर्ण प्रतिबद्धता सरल है: जो टूल वास्तव में नहीं चला, उसे चला हुआ नहीं कहा जाएगा; जो कोड सत्यापित नहीं हुआ, उसे verified नहीं कहा जाएगा; और जो फाइल पूरी नहीं दी गई, उसे delivered नहीं कहा जाएगा।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Solo-Engine V4.1 Final: कम दोहराव, स्पष्ट सीमाएं और अधिक भरोसेमंद इंजीनियरिंग वर्कफ़्लो" का संक्षिप्त उत्तर क्या है?
V4 की दिशा सही है, लेकिन इसे ज्यों का त्यों दीर्घकालिक कॉन्फ़िगरेशन के रूप में अपनाना उचित नहीं है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
V4 की दिशा सही है, लेकिन इसे ज्यों का त्यों दीर्घकालिक कॉन्फ़िगरेशन के रूप में अपनाना उचित नहीं है। V4.1 Final मुख्य निर्देश में सत्यापन, टूल सीमा, पूर्ण कोड और completion की अनिवार्य शर्तें रखता है; विस्तृत SOP को ज्ञान भंडार में स्थानांतरित करता है।
मुझे अभ्यास में आगे क्या करना चाहिए?
‘ऑटोमैटिक लूप’ केवल मौजूदा सत्र, स्पष्ट अनुमति, उपलब्ध वास्तविक टूल और सीमित retry budget तक सीमित है।