← Ambient Intelligent Systems

Seer: पर्सनलाइज़्ड रिट्रीवल का दावा

भाग I — सर्वर · अध्याय 1 / 9

यह सब 23 अक्टूबर 2025 को शुरू हुआ, Seer नाम के एक सर्वर से।

कोई ऐप नहीं, कोई एजेंट नहीं, चैट कम्प्लीशन पर चढ़ा कोई रैपर नहीं — एक सर्वर, क्योंकि जो चीज़ मैं बनाना चाहता था वह एक प्रॉम्प्ट में नहीं रह सकती थी। मैं ऐसा असिस्टेंट चाहता था जिसका रिट्रीवल मुझे जानता हो: मेरे कौन-से दस्तावेज़ मेरे लिए सचमुच मायने रखते हैं, मैं किन विचारों पर लौटता हूँ, किन स्रोतों पर भरोसा करता हूँ — यह सब व्यवहार से सीखा हुआ, किसी सेटिंग्स पैन में घोषित नहीं। इस किताब की बाक़ी हर चीज़ उसी फ़ैसले से निकली है, इसलिए यह अध्याय इस बारे में है कि Seer क्या है, और उस पर मेरी पहली ईमानदार नज़र के बारे में।

एक सर्वर जो तर्क करता है

Seer आगे चलकर बनने वाले सिस्टम की रीज़निंग लेन बना: आवाज़, रिट्रीवल और पहचान का अधिकार। हर बोला गया शब्द और रिट्रीवल-ऑगमेंटेड ग्राउंडिंग उसी के पास है; क्लाइंट बातचीत के संदेश और एक रिट्रीवल स्कोप भेजता है, और बदले में गद्य पाता है। वह प्रमाणीकरण (authentication) का मध्यस्थ है, और वह कुछ ऐसा लौटाता है जो ज़्यादातर सिस्टम नहीं लौटाते: प्रति-मालिक एट्रिब्यूशन स्पैन — जवाब के कौन-से अक्षर किसके संदर्भ से आकार पाए, प्रभाव-भार के साथ। शुरुआत से ही मैं चाहता था कि उद्गम (provenance) पहली श्रेणी का आउटपुट हो, लॉग की एक प्रविष्टि नहीं। यह फ़ैसला यहाँ छोटा लगता है; अध्याय 9 में यह भार उठाने वाला बन जाता है।

भीतरी हिस्सा तीन नामित सबसिस्टम का था, और उनके नाम बार-बार आएँगे: Sinatra, पर्सनलाइज़ेशन इंजन; Oracle, पीयर-टू-पीयर रिट्रीवल मेश; Gita, एट्रिब्यूशन परत।

Sinatra: फ़ीडबैक लूप

Sinatra वह मैकेनिज़्म है जो रिट्रीवल को निजी बनाता है। हर रिट्रीवल पार्क होता है — एक टर्न में उतरता है। उपयोगकर्ता के अगले टर्न एक प्रतिक्रिया ढोते हैं, और उस प्रतिक्रिया को सेंटिमेंट के रूप में स्कोर किया जाता है। सेंटिमेंट एक छोटे ग्रेडिएंट-बूस्टेड ट्री को ट्रेन करता है। ट्री अगले रिट्रीवल को री-रैंक करता है। पार्क, सेंटिमेंट, ट्रेन, इन्फ़र — सामान्य बातचीत के लगातार टर्नों में चलता एक बंद लूप, बिना किसी स्पष्ट फ़ीडबैक UI के।

आरेख
आरेख बन रहा है

फ़ीचर असामान्य हिस्सा हैं। मैंने MACD और स्टोकैस्टिक इंडिकेटर उधार लिए — बाज़ार विश्लेषण के ट्रेंड और मोमेंटम वाले उपकरण — और उन्हें क़ीमत के बजाय एंगेजमेंट पर निकाला। मार्च 2026 में मैंने पूरे आर्किटेक्चर को उतने ठंडे रिव्यू से गुज़ारा जितना मुझसे बन पड़ा, और उस रिव्यू के मज़बूत पक्ष वाले हिस्से को जैसा लिखा गया था वैसा ही उद्धृत करना ठीक है:

फ़ील्ड नोट — 2026-03-06। "Sinatra फ़ीडबैक लूप सबसे दिलचस्प हिस्सा है। लगातार टर्नों में पार्क → सेंटिमेंट → ट्रेन → इन्फ़र एक साफ़ डिज़ाइन है। GBT के फ़ीचर के रूप में MACD और स्टोकैस्टिक इंडिकेटर का इस्तेमाल असामान्य है पर बचाव-योग्य है — ये संकेत समय के साथ एंगेजमेंट में ट्रेंड और मोमेंटम पकड़ते हैं, जो समस्या का ठीक सही आकार है। […] Oracle का डीकपलिंग अच्छी तरह किया गया है। OracleDelegate और OracleTransport का अलग प्रोटोकॉल होना मतलब P2P लॉजिक, डेटाबेस और वायर फ़ॉर्मैट वास्तव में स्वतंत्र हैं। […] एजों पर ट्रस्ट स्कोरिंग प्रणाली ख़ुद को सुधारती है। अविश्वसनीय पीयर बिना किसी मैनुअल दख़ल के स्वाभाविक रूप से डूब जाते हैं।"

आपके अपने ज्ञान के साथ एंगेजमेंट एक टाइम सीरीज़ है। उसमें ट्रेंड होता है, मोमेंटम होता है, वह माध्य की ओर लौटता है। उसे इस तरह बरतने का मतलब था कि मॉडल के फ़ीचर यह पकड़ते थे कि आपकी रुचि किस ओर बढ़ रही है, सिर्फ़ यह नहीं कि पिछली बार वह कहाँ इशारा कर रही थी।

Oracle, Gita, और कर्ज़

Oracle महत्वाकांक्षी था: एक पीयर-टू-पीयर मेश जहाँ विशेषज्ञ नोड एक-दूसरे की रिट्रीवल क्वेरी का जवाब देते हैं, एजों पर ट्रस्ट स्कोर के साथ जो तब घटते हैं जब कोई पीयर कचरा लौटाए — ताकि अविश्वसनीय पीयर बिना मॉडरेशन के स्वाभाविक रूप से डूब जाएँ। उसका डीकपलिंग सचमुच अच्छा था; उसका मूल्य टाल दिया गया था, और रिव्यू ने यही कहा: एक या दो नोड के साथ, मेश मामूली फ़ायदे के लिए देरी और जटिलता जोड़ता है। फ़ायदा तब मिलता है जब बहुत सारे नोड हों जिनका ज्ञान एक-दूसरे से मेल न खाता हो।

Gita ने उन स्पैन पर एट्रिब्यूशन भार निकाले — अपने क्षण से पहले बनी एक परत, और रिव्यू इसी बारे में दो टूक था।

और रिव्यू आगे बढ़ता गया, उन हिस्सों में जिन्हें ठीक करना मेरे ज़िम्मे था। रिव्यू के समय: Sinatra को फ़ीचर बनाने तक के लिए भी कई इंटरैक्शनों की ज़रूरत थी और ट्रेन होने के लिए कई सैंपलों की, इसलिए हर नए उपयोगकर्ता की पहली बातचीतें डिफ़ॉल्ट रिट्रीवल पर चलती थीं — एक कोल्ड स्टार्ट जो कहीं दर्ज नहीं था। रेलेवेंस थ्रेशोल्ड तीन जगह हार्डकोड था, जो पूरे फ़ैन-आउट व्यवहार को चुपचाप एक एम्बेडिंग मॉडल की दूरी-वितरण से जोड़ देता था। GBT हर चैट टर्न पर पूरी तरह दोबारा ट्रेन होता था — उस पैमाने पर एक मिलीसेकंड से भी कम, लेकिन इंटरैक्शन हिस्ट्री की कोई सीमा नहीं थी, इसलिए हर पावर यूज़र के साथ लागत का ग्राफ़ ऊपर की ओर मुड़ता गया। और एक मैनेज्ड बैकएंड ऑथ और लॉगिंग दोनों का काम करता था, दो टोपियाँ पहने एक सिंगल पॉइंट ऑफ़ फ़ेल्योर।

मैं ये कर्ज़ इसलिए शामिल कर रहा हूँ कि वह रिव्यू क्या था, सिर्फ़ इसलिए नहीं कि उसने क्या पाया। उस दिन मैंने जो निष्कर्ष लिखे — सर्च सुधारो; रीट्रेन पर और इंटरैक्शन हिस्ट्री के मायनों पर दोबारा सोचो; रेलेवेंस थ्रेशोल्ड को डेटासेट के हिसाब से डायनामिक बनाओ; मेश को टालो पर उसके पैटर्न रखो — वही असली रोडमैप बने। अध्याय 2 और 3 उन्हीं निष्कर्षों में से दो हैं, जिन्हें उनके अंजाम तक पहुँचाया गया।

दावा, कहा हुआ

रिव्यू हर चीज़ के नीचे बैठे दावे को नाम देकर ख़त्म हुआ, और यह भी कि उसे मापने के लिए क्या चाहिए:

फ़ील्ड नोट — 2026-03-06। "[…] पर्सनलाइज़्ड रिट्रीवल — सिर्फ़ बेहतर जेनरेशन नहीं — वही है जो A.I. असिस्टेंट को आपका अपना महसूस कराता है। […] यह व्यवहार में सचमुच अच्छा काम करता है या नहीं, यह पूरी तरह इस पर निर्भर है कि GBT के फ़ीचर उपयोगकर्ता की रिट्रीवल पसंद के बारे में कुछ असली पकड़ते हैं या नहीं, जो एक अनुभवजन्य सवाल है जिसका जवाब आपको तब तक नहीं पता चलेगा जब तक वह असली उपयोगकर्ताओं के हाथ में न हो।"

इसे 2026 की शुरुआत की इंडस्ट्री पृष्ठभूमि के सामने पढ़िए: मॉडल की गुणवत्ता तेज़ी से कमोडिटी बन रही थी, और लगभग हर किसी का "पर्सनलाइज़ेशन" याद रखे गए तथ्यों की एक टेक्स्ट फ़ाइल थी जो प्रॉम्प्ट में डाली जाती थी। दावा यह था कि फ़र्क़ जेनरेशन के नीचे रहेगा — उस इंफ्रास्ट्रक्चर में जो हर व्यक्ति के लिए सीखता है कि रिट्रीवल के लायक़ क्या है।

इस अध्याय से एक चीज़ और बची रहती है, और वह मैकेनिज़्म नहीं, तरीक़ा है। वह मार्च का रिव्यू — विरोधी नज़र से, लिखा हुआ, तारीख़ वाला — सिस्टम का ख़ुद को ईमानदारी से देखना था और उस अवलोकन को वापस डिज़ाइन में डालना। इस स्टैक के बाद के हर हिस्से का यही आकार है: बहीखाते जो दर्ज करते हैं कि रिट्रीवल ने असल में क्या किया, रसीदें जो दर्ज करती हैं कि निष्पादन ने असल में क्या बदला, उद्गम अक्ष जो दर्ज करते हैं कि कोई तथ्य कैसे जाना गया। आदत यहीं से शुरू हुई।

बेबाक रिव्यू पहला एम्बिएंट उपकरण था — सिस्टम अपने आपको ईमानदारी से देखकर बनाया जा रहा था।

पैराडाइम में जो बचता है: वह रिट्रीवल जो व्यक्ति को सीखता है।