Mary: एक टर्न, दो लेन
भाग II — नोड और जोड़ · अध्याय 5 / 9
Mary वह macOS असिस्टेंट है जो इस स्टैक को पूरा करती है — वह प्रोग्राम जो वहाँ रहता है जहाँ व्यक्ति रहता है। वह सुनती और बोलती है, वर्कस्पेस पढ़ती है, और असली एप्लिकेशन चलाती है। और जिस पल कोई सिस्टम retrieval पर आधारित ज्ञान के साथ बोलता भी है और असली कंप्यूटर पर काम भी करता है, एक डिज़ाइन सवाल खड़ा होता है जिसे मैं इस किताब का सबसे अहम सवाल मानता हूँ: क्या जो बोलता है और जो काम करता है, वे एक ही दिमाग़ होने चाहिए?
Mary का जवाब है नहीं। हर टर्न दो में बँटता है।
जमा हुआ टर्न
बँटवारे से पहले, जमाव। टर्न की शुरुआत में Mary उस दुनिया को जमा देती है जिसमें टर्न चलेगा: सक्रिय ability-registry का स्नैपशॉट, इस समय वैध interaction और perception signals, ambient route और फ़ोकस का साक्ष्य, मेमोरी योजना, adapter की तैयारी, और वह बातचीत का बीज जो दोनों लेन साझा करती हैं। टर्न के बीच जो भी बदले — पैकेज संपादित हो, कोई ऐप बंद हो — चल रहा टर्न अपनी दुनिया में बना रहता है; बदलाव अगले टर्न पर उतरता है।
prompt-assembly दस्तावेज़ का एक वाक्य अभी इटैलिक का हक़दार है और बाद में दोहराए जाने का:
प्रकाशित signals अगले टर्न के जमने पर फिर से जाँचे जाते हैं और तब ग़ायब हो जाते हैं जब उनका स्कीमा या Value संस्करण चला जाए या उन्हें प्रकाशित करने वाला adapter अनुपलब्ध हो।
इस सिस्टम में capability कोई स्थिर सूची नहीं है। वह हर टर्न की सीमा पर चालू माहौल से दोबारा निकाली जाती है — जब उसका प्रोवाइडर मौजूद है तब मौजूद, जब वह नहीं है तब नहीं। इस आकार को याद रखिए; अध्याय 8 इसे एक नाम देता है।
दो लेन
फिर कथन दो में बँटता है:
लेन A है Seer — अध्याय 1 की तर्क वाली लेन। बोला गया हर शब्द उसका है। वह सर्वर-साइड मेमोरी retrieve करती है, जवाब को आधार देती है, और गद्य (और एट्रिब्यूशन spans) बातचीत वाले पन्ने पर stream करती है। उसे चलने योग्य पैकेज ग्राफ़ नहीं मिलता और macOS का dispatch उसका नहीं है। वह बोलती है; छू नहीं सकती।
लेन B है orchestrator — चुप, स्थानीय। वह वही कथन और वही जमा हुआ स्नैपशॉट देखती है, टर्न की प्रमाणित सूची से Skills सुझाती है, उन्हें adapters के ज़रिए चलाती है, और रसीदें जारी करती है। वह काम करती है; बोलती नहीं। (उसका गद्य सिर्फ़ ऑफ़लाइन विकल्प के रूप में है — रखा हुआ, कभी बोला नहीं जाता, जब Seer स्वस्थ हो।)
लेन साथ-साथ चलती हैं और दोनों के निपटने पर जुड़ती हैं। सर्वोपरि क्रम, जिसे दिमाग़ के अपने सोर्स में सिद्धांत की तरह लिखा गया है: पहले FETCH, फिर बोलो — आधार आवाज़ से पहले आता है; आवाज़ कभी किसी ऐसी कार्रवाई का बखान नहीं करती जिसकी पुष्टि नहीं हुई।
फ़्लोचार्ट के रूप में, उसी दस्तावेज़ से:
और विकल्प बाद की सूझ नहीं है: Seer प्रोवाइडर के बिना Mary पूरी तरह स्थानीय रूप से एक-इंजन वाला लूप चलाती है। दस्तावेज़ इस बात पर ज़ोर देता है — स्थानीय लेन “गिरा हुआ रास्ता नहीं है, वह तब का रास्ता है जब नेटवर्क नहीं होता।” जो ambient असिस्टेंट सर्वर के रुकने पर रुक जाए, वह कभी ambient था ही नहीं।
सुरक्षा-पट्टी
असल में दो लेन क्यों? प्रदर्शन के लिए नहीं। ईमानदार वजह एक सुरक्षा रुख़ है, और दस्तावेज़ इसे एक सुरक्षा-चेतावनी के रूप में कहता है:
Retrieve किया गया कॉन्टेक्स्ट कभी orchestrator के prompt में नहीं जाता। लेन B — वह लेन जो सचमुच आपके Mac को छू सकती है — कभी नहीं देखती कि लेन A ने क्या retrieve किया। न आपकी पुरानी बातचीतें, न किसी और का साझा किया कॉन्टेक्स्ट, न RAG payload। वह कथन, जमा हुआ स्नैपशॉट और ambient साक्ष्य देखती है।
तर्क सीधा है: retrieve किया गया पाठ वह सामग्री है जो आपने इस टर्न नहीं लिखी — सामग्री के रूप में छिपी हिदायतों का पुराना वाहक — और जो लेन असर सुझाती है, वही वह जगह है जहाँ ऐसी हिदायतें सबसे ख़तरनाक होतीं। इसलिए हाथों वाली लेन ढाँचे के स्तर पर मेमोरी वाली लेन के लिए अंधी है। एक पिन किया हुआ परीक्षण इस गुण को नाम लेकर जाँचता है, ताकि वह चुपचाप बिगड़ न सके।
मैं सटीक होना चाहता हूँ कि इससे क्या मिलता है, क्योंकि “prompt injection से बचाव” इसे कम आँकता है। यह एक अधिकार का आर्किटेक्चर है। आवाज़ के पास ज्ञान का अधिकार है: वह सब कुछ जान सकती है और किसी चीज़ पर असर नहीं डाल सकती। हाथों के पास असर का अधिकार है: वे दुनिया बदल सकते हैं और सिर्फ़ वही जानते हैं जो उपयोगकर्ता ने कहा और मशीन दिखाती है। भविष्य की कोई भी सुविधा जो किसी और का कॉन्टेक्स्ट retrieval में मिलाए — Totem जिस दिशा में इशारा करता है — यह गारंटी बनावट से पाती है: उधार का कॉन्टेक्स्ट बोलने वाली लेन तक पहुँचता है और वहीं रुक जाता है।
टर्न क्या छोड़ जाता है
टर्न असल में जो हुआ उसे लिखकर ख़त्म होता है। रसीदें — हर Skill invocation, उसके capability प्रभाव और नतीजे के निजता-सुरक्षित रिकॉर्ड — टर्न के इतिहास में जुड़ती हैं; चुना हुआ कच्चा पाठ, बनाया गया गद्य, सोर्स कोड और secrets नियम से ही traces से बाहर रखे जाते हैं। एक retrieval-trace बहीखाता दर्ज करता है कि retrieval से क्या माँगा गया और क्या लौटा — सिर्फ़ ids, scores और गिनतियाँ, और redaction compile समय पर लागू — और वह पूरी तरह निरीक्षण भर है: कोई निर्णय के रास्ते पर उसे पढ़ नहीं सकता। बहीखाता इसलिए है कि retrieval इस पैराडाइम का केंद्र है, और “उसे वह याद क्यों नहीं रहा?” एक runtime जवाब का हक़दार था।
रखने लायक बदलाव स्पष्ट projections के रूप में Totem में जमा किए जाते हैं — वह इकलौता दरवाज़ा जिससे टिकाऊ मेमोरी बढ़ती है। और जब कोई टर्न जो साफ़ तौर पर कुछ करवाना चाहता था, अपने चक्कर पूरे कर चुका और उसने कुछ नहीं चलाया, तो एक आख़िरी तंत्र — affordance probe, “ईमानदार विफलता से पहले की आख़िरी सीढ़ी” — जाँचता है कि स्क्रीन खुद क्या पेश कर रही है, इससे पहले कि Mary मान ले कि वह नहीं कर सकी। वह तंत्र अगले अध्याय का है।
दो-लेन वाला टर्न इस किताब के पूरे पहले आधे हिस्से का जोड़ बिंदु है: एक दीवार के एक तरफ़ Seer का तर्क (अध्याय 1) और Totem की मेमोरी (अध्याय 4); दूसरी तरफ़ मशीन के हाथ; और सबसे ऊपर व्यक्ति, जिसके शब्द हर टर्न शुरू करते हैं और जिसका भौतिक इनपुट किसी भी रन को तुरंत ख़त्म कर देता है।
जो लेन Mac को छूती है, वह कभी नहीं पढ़ती कि मेमोरी ने क्या लौटाया।