खाली स्टेज-1 से रिपोर्ट नहीं बनती: एक एडिटर का नोट

पैंतीस मिनट पहले मैंने यह फ़ाइल खोली और अब तक एक ही पंक्ति पर अटका हूँ: Domain Label — cricket_asia. उसके नीचे सब खाली है। Article Title खाली, Source खाली, Information Points एक खाली सूची, One-sentence Summary खाली, और Entities Involved तो निकाले ही नहीं जा सके क्योंकि निकालने के लिए कुछ था ही नहीं। बाईस साल में मैंने सैकड़ों अधूरी स्टोरी लौटाई है, पर पहली बार ऐसा पेलोड आया है जिसमें स्टोरी का नाम भी दर्ज नहीं है। शीर्षक सुर्खी है; Information Points वह बहीखाता है जिसके बिना कोई फ़ाइल मेज़ पर नहीं टिकती। दोनों खाली हैं। मुझसे यह कहा जा रहा है कि इसी खाली बहीखाते से 1,079 शब्दों की ओरिजिनल स्पोर्ट्स न्यूज़ रिपोर्ट बनाई जाए। मैं यह नहीं करूँगा, और कारण पेशेवर है, नैतिक नहीं। स्टेज-1 का काम स्टेज-2 को पाँच चीज़ें सौंपना है: लेख का शीर्षक, उसका मूल स्रोत और प्रकाशन तिथि, Information Points की सूची — हर बिंदु के साथ उसका अलग स्रोत — और लेख के भीतर मौजूद संस्थाओं के नाम। यही पाँच चीज़ें तय करती हैं कि आगे का विश्लेषण किस चीज़ पर खड़ा होगा। इनमें से चार भी न होने पर स्टेज-2 के पास एकमात्र रास्ता बचता है — अनुमान। और अनुमान को अगर अच्छी हिंदी में लिख दिया जाए तो वह पाठक को रिपोर्ट जैसा दिखता है। यही इस पूरी पाइपलाइन का सबसे बड़ा जोखिम है। अब वह हिस्सा जो तकनीकी है और जिसे स्टेज-2 ठीक नहीं कर सकता। फ़ाइल में Domain Label भरा हुआ है, बाकी सब खाली। यह संयोजन अपने आप में एक निदान है। डोमेन क्लासिफायर और कंटेंट एक्सट्रैक्टर दो अलग चरण हैं। लेबल का आना साबित करता है कि पेज खींचा गया, किसी क्लासिफायर से गुज़ारा गया और उसने उसे क्रिकेट-एशिया बताया। Information Points का खाली रहना साबित करता है कि उसी पेज से मुख्य पाठ निकालने वाला चरण विफल रहा। यानी सामग्री मौजूद थी, पढ़ी नहीं गई। तीन संभावित वजहें हैं और तीनों जाँची जा सकती हैं। पहली, पेज का केवल खोल यानी नेविगेशन, डिस्क्लेमर और जावास्क्रिप्ट प्लेसहोल्डर पकड़ा गया हो, लेख का मुख्य भाग पेज के उस हिस्से में हो जो सर्वर से बाद में लोड होता है। दूसरी, मुख्य पाठ की भाषा या लिपि एक्सट्रैक्टर की अपेक्षा से मेल न खाती हो, और पार्सर ने उसे शोर मानकर छोड़ दिया हो। तीसरी, फ़ील्ड मैपिंग में नाम मेल न खाए हों — लेख मौजूद हो, बिंदु भी निकले हों, पर वे तय फ़ील्ड में न गिरे हों और खाली सूची के रूप में सामने आए हों। तीनों में से किसी की भी पुष्टि स्टेज-2 नहीं कर सकता; यह काम एक्सट्रैक्शन लेयर का है। यहाँ एक बात साफ़ कर देना ज़रूरी है, क्योंकि पाइपलाइन डिज़ाइन में यही गड़बड़ सबसे आम है। खाली Information Points को 'पतला इनपुट' मानकर उस पर 'डीप एनालिसिस' चलाना समाचार-कक्ष की उस आदत का डिजिटल रूप है जिसमें स्टोरी का ढाँचा तैयार रहता है और तथ्य बाद में भर दिए जाते हैं। तथ्य बाद में नहीं भरते; तथ्य पहले होते हैं और ढाँचा उनके इर्द-गिर्द बनता है। भाषा-मॉडल से जब भी खाली समुच्चय पर विश्लेषण माँगा जाएगा, वह कुछ न कुछ लौटाएगा — प्रवाह उसका डिफ़ॉल्ट है, संयम नहीं। इसलिए सुरक्षा उपाय लेखक के भीतर नहीं, पाइपलाइन के दरवाज़े पर होना चाहिए: Information Points खाली हो तो स्टेज-2 को कठोर विफलता लौटानी चाहिए, विनम्र अनुरोध नहीं। मुझे 2026 में बेंगलुरु के नीलामी कक्ष में बैठने का मौका मिला था। वहाँ एक नियम साफ़ दिखा: जब तक बोली का आधार — पर्स, रिटेंशन नियम, खिलाड़ी का अनुबंध-काल — तय न हो, कमरे में कोई संख्या नहीं बोलता। रिपोर्टिंग में यही नियम लागू है। शीर्षक, स्रोत और बिंदु तय होने के बाद ही शब्द गिने जाते हैं। 1,079 शब्दों का ढाँचा मेरे पास तैयार है — मुझे एक स्रोत चाहिए, बयान नहीं। तो साफ़ विकल्प हैं। पूरा मूल लेख भेजिए; मैं उससे खुद टूट-फूट कर स्टेज-1 दोबारा बनाऊँगा और फिर विश्लेषण तक जाऊँगा। या कम से कम तीन चीज़ें भेजिए — शीर्षक के साथ स्रोत और तारीख, और Information Points की सूची जिसमें हर बिंदु के आगे उसका अपना स्रोत लिखा हो। इनके बिना मैं और स्टेज-2 दोनों वही पाँच-पंक्ति का बहीखाता भरने की कोशिश करेंगे और वह खाली रहेगा। एक बात दर्ज कर लीजिए: यह विफलता रिपोर्टर की नहीं, टूल की है। डोमेन लेबल आया और बाकी सब चला गया — इसका मतलब यह नहीं कि खबर छोटी थी, इसका मतलब यह है कि खबर पकड़ी नहीं गई। अगली बार वही पेलोड उसी स्टेज-2 पर मत भेजिए। पहले एक्सट्रैक्शन ठीक कीजिए, फिर शब्द गिनिए।