एक AI कोडिंग सहायक एक डेवलपर उपकरण है जो स्रोत कोड लिखने, पूरा करने, समझाने, डीबग करने या रीफैक्टर करने में मदद करने के लिए एक बड़े भाषा मॉडल का उपयोग करता है, जो आमतौर पर एक कोड एडिटर, IDE, या कमांड-लाइन इंटरफ़ेस में एकीकृत होता है। शुरुआती संस्करण लाइन-दर-लाइन ऑटोकंप्लीट प्रदान करते थे; 2020 के दशक के मध्य तक, इस श्रेणी का विस्तार एजेंटिक उपकरणों को शामिल करने के लिए हुआ जो पूरे कोडबेस को पढ़ सकते हैं, बहु-फ़ाइल परिवर्तनों की योजना बना सकते हैं, परीक्षण चला सकते हैं, और सीमित पर्यवेक्षण के साथ पुनरावृत्ति कर सकते हैं - यह क्षमता टूल उपयोग द्वारा सक्षम की गई है।
इतिहास
यह श्रेणी पुराने IDE में सांख्यिकीय और नियम-आधारित ऑटोकंप्लीट से उत्पन्न हुई है, लेकिन आधुनिक युग की शुरुआत GitHub Copilot से हुई, जिसे जून 2021 में GitHub और OpenAI द्वारा घोषित किया गया था और यह GPT-3 के कोड-ट्यून किए गए वंशज पर बनाया गया था। Copilot के 2022 के सार्वजनिक रिलीज़ ने सार्वजनिक कोड रिपॉजिटरी पर प्रशिक्षित इनलाइन, घोस्ट-टेक्स्ट सुझावों को लोकप्रिय बनाया, और इसके अंतर्निहित Codex मॉडल का मूल्यांकन HumanEval बेंचमार्क पर किया गया, जिसे OpenAI ने इसके साथ पेश किया। प्रतिस्पर्धियों ने तेज़ी से अनुसरण किया, जिनमें Amazon का CodeWhisperer, Tabnine, और Replit का Ghostwriter शामिल हैं। एक दूसरी लहर ने ऑटोकंप्लीट से पूर्ण एजेंटिक एडिटर और कमांड-लाइन टूल्स की ओर रुख किया: Cursor (2023), VS Code से फोर्क किया गया एक एडिटर जिसमें कोडबेस-जागरूक चैट और बहु-फ़ाइल संपादन है, और Anthropic से Claude Code (2025), एक कमांड-लाइन एजेंट जिसमें सीधे फ़ाइल-सिस्टम और शेल एक्सेस है। 2025 तक, SWE-bench जैसे बेंचमार्क यह मापने का एक मानक तरीका बन गए थे कि ये एजेंट वास्तविक GitHub मुद्दों को अपने दम पर कितनी अच्छी तरह हल करते हैं।
यह कैसे काम करता है
अधिकांश सहायक एक कोड-विशेषज्ञ मॉडल को एडिटर-स्तरीय संदर्भ के साथ जोड़ते हैं: खुली फ़ाइल, कर्सर स्थिति, संबंधित फ़ाइलें, और कभी-कभी पुनर्प्राप्ति के लिए अनुक्रमित एक पूरा रिपॉजिटरी। एजेंटिक वेरिएंट टूल उपयोग जोड़ते हैं, जिससे मॉडल फ़ाइलें पढ़ सकता है, लिंटर या टेस्ट सूट चला सकता है, शेल कमांड निष्पादित कर सकता है, या दस्तावेज़ीकरण क्वेरी कर सकता है, फिर अपने अगले चरण को संशोधित करने के लिए परिणामों का उपयोग कर सकता है - यह एक लूप है जो पुनर्प्राप्ति-संवर्धित जनरेशन और चरण-दर-चरण तर्क को एक जीवित विकास वातावरण पर लागू करता है। कुछ उत्पाद इसे मॉडल कॉन्टेक्स्ट प्रोटोकॉल के माध्यम से उजागर करते हैं, जिससे एक सहायक एक मानकीकृत इंटरफ़ेस के माध्यम से बाहरी टूल और डेटा स्रोतों से जुड़ सकता है।
प्रभाव और आलोचना
Copilot उपयोगकर्ताओं के अध्ययन, जिनमें आंतरिक GitHub शोध और शैक्षणिक अनुवर्ती शामिल हैं, ने नियमित कार्यों पर उत्पादकता लाभ की सूचना दी, कुछ यादृच्छिक अध्ययनों में डेवलपर्स 50% से अधिक तेज़ी से कार्य पूरा करते पाए गए, हालांकि प्रभाव कार्य प्रकार और अनुभव स्तर के अनुसार व्यापक रूप से भिन्न होते हैं। आलोचकों ने कोड गुणवत्ता और सुरक्षा के बारे में चिंताएँ उठाई हैं, क्योंकि मॉडल प्रशिक्षण डेटा से सीखे गए असुरक्षित पैटर्न को पुन: उत्पन्न कर सकते हैं; बौद्धिक संपदा के बारे में, क्योंकि सुझावों ने कभी-कभी लाइसेंस प्राप्त कोड को बारीकी से पुन: उत्पन्न किया है, जो व्यापक AI कॉपीराइट विवादों में योगदान देता है; और कौशल क्षय के बारे में, यह चिंता कि उत्पन्न कोड पर निर्भरता प्रोग्रामर की स्वतंत्र डीबगिंग और डिज़ाइन क्षमता को कमजोर करती है। समर्थकों का तर्क है कि सहायक डेवलपर्स को बॉयलरप्लेट से मुक्त करते हैं और उन्हें आर्किटेक्चर और समीक्षा पर ध्यान केंद्रित करने देते हैं। 2025 तक, बहस वाइब कोडिंग के अधिक कट्टरपंथी अभ्यास तक विस्तारित हो गई थी, जहाँ एक उपयोगकर्ता लगभग पूरी तरह से प्राकृतिक भाषा में एक सहायक को निर्देशित करता है, जिसमें मैन्युअल कोड समीक्षा बहुत कम होती है।