Sverklo, एक स्थानीय रूप से होस्ट किया गया कोड-सर्च सर्वर, अब डेवलपर्स को किसी AI एजेंट द्वारा परिणाम पर कार्रवाई करने से पहले, फ़ाइल डिस्कवरी से लेकर सिंबल-ग्राफ रीजनिंग तक, क्वेरी के हर चरण का निरीक्षण करने की अनुमति देता है।

मौजूदा कोडिंग एजेंट क्यों लड़खड़ाते हैं

अधिकांश कोड-जेनरेशन टूल्स एक रिपॉजिटरी को एक विशाल टेक्स्ट डंप की तरह मानते हैं। वे स्निपेट्स को एम्बेड करते हैं, सिमिलरिटी सर्च चलाते हैं, और उच्चतम स्कोर वाला फ्रैगमेंट वापस करते हैं। जब फ्रैगमेंट पुराना (stale), दायरे से बाहर, या केवल एक फ़ाइल नाम हो, तो एजेंट उसके स्रोत की ओर इशारा नहीं कर सकता। विफलता का कारण कोई शब्द गायब होना नहीं है; बल्कि यह एक गायब संदर्भ परत (context layer) है जो इंसान को बताती है कि वह तथ्य कहाँ से आया और क्या वह अभी भी लागू होता है।

Sverklo का चार-स्तरीय सत्यापन मॉडल

Sverklo खुद को एक "इंजीनियरिंग हाइपोथीसिस" सर्वर के रूप में पेश करता है जो पारंपरिक खोज को स्ट्रक्चरल एनालिसिस के साथ जोड़ता है:

  • File Discovery – इंडेक्स .gitignore और अन्य इग्नोर फाइलों को पढ़ता है। किसी परिणाम पर भरोसा करने से पहले, आप यह देखने के लिए इंडेक्स को क्वेरी कर सकते हैं कि वास्तव में किन पाथ्स को स्कैन किया गया था।
  • Code Structure – सिंबल एक ग्राफ में रहते हैं जो डेफिनिशन, इम्पोर्ट्स और कॉल रिलेशनशिप को रिकॉर्ड करता है। एक लुकअप केवल फ़ाइल पाथ नहीं, बल्कि सिंबल ऑब्जेक्ट लौटाता है, ताकि आप पुष्टि कर सकें कि सही API सरफेस का संदर्भ दिया गया है।
  • Context Delivery – जब आप टोकन बजट सेट करते हैं, तो Sverklo उन स्निपेट्स का एक मैप लौटाता है जिन्होंने उत्तर में योगदान दिया है। मैप में एक found_by फ़ील्ड शामिल होता है जो आपको बताता है कि मैच BM25 कीवर्ड मैचिंग, ONNX-जनरेटेड एम्बेडिंग्स, या PageRank-रैंक किए गए सिंबल ग्राफ से आया है।
  • Memory Ledger – सर्वर प्रत्येक निर्णय को लॉग करता है। यदि कोई फ़ाइल बदलती है, तो लेजर संबंधित मेमोरी एंट्री को 'stale' (पुराना) के रूप में फ्लैग कर देता है, जिससे पता चलता है कि क्या कैश किया गया उत्तर अभी भी मान्य है।

रिट्रीवल स्टैक कैसे काम करता है

Sverklo केवल एम्बेडिंग्स पर निर्भर नहीं है। यह सटीक टर्म मैच के लिए एक क्लासिक BM25 कीवर्ड इंजन चलाता है, सिमेंटिक सिमिलरिटी के लिए उन हिट्स को ONNX-आधारित वेक्टर एम्बेडिंग्स के साथ बढ़ाता है, और फिर हाई-इम्पैक्ट डेफिनिशन को सामने लाने के लिए सिंबल ग्राफ पर PageRank एल्गोरिदम लागू करता है। प्रत्येक हिट को उत्पन्न करने वाली विधि को उजागर करके, डेवलपर्स मतभेदों को पहचान सकते हैं—उदाहरण के लिए, एक BM25 हिट जिसे एम्बेडिंग मॉडल अप्रासंगिक मानता है—और चुन सकते हैं कि किस सिग्नल पर भरोसा करना है।

व्यावहारिक उपयोग

  • अपरिचित कोडबेस को एक्सप्लोर करना – मैन्युअल रूप से grep किए बिना किसी फ़ंक्शन नाम से उसके सभी कॉलर्स तक पहुँचें।
  • डिपेंडेंसी ग्राफ को मैप करना – उन इम्पोर्ट चेन को विज़ुअलाइज़ करें जो कई पैकेज तक फैली हुई हैं।
  • रिफैक्टर प्रभाव का अनुमान लगाना – देखें कि यदि कोई फ़ाइल बदलती है तो कौन से सिंबल टूट जाएंगे।
  • सिमेंटिक प्रश्नों के उत्तर देना – पूछें "यह हेल्पर क्या करता है?" और एक संक्षिप्त, सोर्स किया गया अंश प्राप्त करें।

सावधान रहने योग्य कमियाँ

  • Freshness (ताज़गी) – इंडेक्स टाइमस्टैम्प पुराना रहने के बावजूद री-इंडेक्सिंग पूरी हो सकती है। यह मानने के बजाय कि नवीनतम रन वर्तमान है, हमेशा index-status एंडपॉइंट को क्वेरी करें।
  • Project registration – प्रोजेक्ट को अनरजिस्टर करते समय, Sverklo द्वारा दिए गए आंतरिक प्रोजेक्ट नाम का उपयोग करें, न कि एब्सोल्यूट फ़ाइलसिस्टम पाथ का, अन्यथा ऑपरेशन चुपचाप विफल हो जाएगा।
  • Tool naming quirks – MCP होस्ट कभी-कभी प्रोजेक्ट नाम को दो बार जोड़ देते हैं, जिससे sverklo_sverklo_impact जैसे आइडेंटिफायर मिलते हैं। टूल को कॉल करने से पहले नाम की दोबारा जाँच करें।

आगे क्या आज़माएँ

  1. एक डिस्पोजेबल रिपॉजिटरी क्लोन करें और Sverklo को स्थानीय रूप से चलाएं।
  2. एक साधारण सिंबल लुकअप चलाएं और found_by फ़ील्ड का निरीक्षण करें।
  3. एक सोर्स फ़ाइल को संशोधित करें और लुकअप को फिर से चलाएं; ध्यान दें कि मेमोरी लेजर कैसे पुराने (stale) एंट्री को फ्लैग करता है।
  4. पुराने इंडेक्स को स्वचालित रूप से पकड़ने के लिए अपने बिल्ड स्क्रिप्ट में index-status चेक को एकीकृत करें।

निष्कर्ष

Sverklo एक कोड-सर्च इंजन को एक ऑडिट करने योग्य साक्ष्य श्रृंखला (auditable evidence chain) में बदल देता है। फ़ाइल कवरेज, सिंबल सटीकता, रिट्रीवल विधि और मेमोरी ताज़गी को सत्यापित करने के लिए डेवलपर्स को मजबूर करके, यह उन्हें यह तय करने की अनुमति देता है कि क्या AI-संचालित सुझाव प्रोडक्शन तक पहुँचने से पहले भरोसेमंद है।