AI ඒජන්ට්වල විවාදය මගින් 30% දෝෂ අඩු – Debate‑Driven Development

සොෆ්ට්වෙයා ලෝකය තුළ නව ගමනක් – ‘Debate‑Driven Development’ කියන ක්‍රමය AI ඒජන්ට් දෙකක් එකිනෙකට විවාද කරමින් කේතයේ වැරදි 30%ක් දක්වා හඳුනාගන්නා බව පෙන්වයි.

අපි සෑම විටම AI කේත උදව්කරුගෙන් තත්කාලිකව කේතයක් ලැබුවාම, එය සරල, සින්ටැක්ස් පරිපූර්ණයි කියලා හිතාගන්නවා. ඒත් ඒ කේතය එකම මනසකින් නිර්මාණය වූ නිසා, ගැටළු හෝ අඩුපාඩු පරීක්ෂා කරගන්න තවත් මතයක් නැතිවීමෙන් “Solo AI” පසුබැසීමක් වෙයි.

උදාහරණයක් ලෙස, Python භාෂාවේ CSV ගොනුවක් කියවන්න AI කේතයක් ලියයි. එය වැඩ කරද්දී, අසමත් UTF‑8 අක්ෂර, මතක සීමා ඉක්මවා යාම, හෝ ඉතා විශාල සංඛ්‍යාතයක් Integer ප්‍රකාරයේ සීමා ඉක්මවා යාම වැනි අග්නේස්ට් කේස් පරීක්ෂා නොකළේ නම්, නිෂ්පාදන පරිසරයේ වැරදි සිදුවේ.

මෙම ගැටළුවට විසඳුම ‘Adversarial Agent Pair’ වේ. පළමු ඒජන්ට්, Architect Agent ලෙස, විශේෂණය අනුව කේතය ත්වරණයෙන් සකස් කරයි. දෙවන ඒජන්ට්, Critic Agent ලෙස, ආරක්ෂාව, කාර්ය සාධනය, නඩත්තු පහසුව වැනි දෘශ්‍යකෝණයෙන් කේතය විවේචනය කරයි.

Critic Agent එකට “race condition”, “SQL injection”, “resource leak”, “off‑by‑one error” වැනි පරීක්ෂා ලැයිස්තුවක් ලබා දී, ඒවායේ අවදානම්, හැකියාවන්, සරල නිවැරදි කිරීමේ උපදෙස් සපයයි. මෙය “please review this” කියන සාමාන්‍ය ප්‍රශ්නයක් නොව, සවිස්තරාත්මක, විරෝධාත්මක විශ්ලේෂණයක්.

CI/CD පයිප්ලයිනයේ මෙය ක්‍රියාත්මක කිරීමේ උදාහරණයක් මෙසේය:

stages:
  - generate
  - adversarial_review
  - synthesize
jobs:
  code-generation:
    agent: architect-gpt4
    prompt: "Write a secure Python API endpoint for user authentication following OWASP guidelines."
    output: generated_code.py
  adversarial-review:
    agent: critic-specialized
    input: generated_code.py
    prompt: |
      You are a senior security and reliability engineer. Find 3 critical flaws in this code.
      For each, explain vulnerability, exploit scenario, and minimal fix.
    output: critique_report.json
  synthesis:
    agent: architect-gpt4
    input: code: generated_code.py, critique: critique_report.json
    prompt: "Rewrite the code to fully address each flaw while keeping functionality."
    output: final_robust_code.py

මෙම සංකල්පය භාවිතා කරන සමාගම් 30% දෝෂ අඩුවක් සහිත නිෂ්පාදන ගුණාත්මකතාවය වැඩි වී, බග් හඳුනා ගැනීමේ වේලාව අඩු වී ඇති බව තොරතුරු පෙන්වයි.

ශ්‍රී ලංකාවට ඇති වැදගත්කම

• සිසුන්ට AI‑ආධාරිත කේත පරීක්ෂණ අත්දැකීම් ලබා, ඉගෙනීමේ ගැඹුර වැඩි වේ.
• දේශීය සංවර්ධකයන්ට නිෂ්පාදන කාලය කෙටි කර, ආරක්ෂිත සොෆ්ට්වෙයා නිර්මාණය කිරීමේ හැකියාව ලැබේ.
• ව්‍යාපාරිකයින්ට බග් සම්බන්ධ වියදම් 30%කින් අඩු කර, පාරිභෝගික විශ්වාසය වැඩි කර ගත හැක.

අනාගතයේ AI‑ආධාරිත කේත සමාලෝචනය ‘Debate‑Driven Development’ ලෙස පරිසරයට නව පියවරක් ගෙන එයි. ඔබේ ව්‍යාපාරය හෝ පළපුරුදු කේතය මේ ක්‍රමය සමඟ තවත් ඉදිරියට ගෙන යන්න.