खाली स्क्रीन से शुरुआत: जब एनालिसिस पाइपलाइन खुद सबसे बड़ी कहानी बन जाए

स्क्रीन पर सिर्फ़ दो शब्द थे — N/A। न कोई शीर्षक, न स्रोत, न एक भी सूचना-बिंदु। चौदह सेकंड का फुटेज हमेशा व्याख्या से पहले आता है, और उस दोपहर बेंगलुरु के अपने कामकाजी कमरे में मेरे सामने वही हुआ: Stage-1 का आउटपुट पूरी तरह खाली लौटा, और उस खालीपन ने किसी भी मैच से ज़्यादा तेज़ी से एक सवाल खड़ा कर दिया। जब कोई एनालिसिस पाइपलाइन चुपचाप खाली नतीजा देती है, तो सबसे पहला काम यह तय करना होता है कि खराबी सामग्री में है या मशीनरी में। मैंने पिछले कई सालों में जो भी टैक्टिकल थीसिस लिखी हैं, उनका एक ही नियम रहा है — जो दावा वीडियो पर टाइम न किया जा सके, वह छपेगा नहीं। आज वही नियम अपने ही वर्कफ़्लो पर लागू होता है।

पृष्ठभूमि सीधी है। यह एक क्रिकेट-एशिया डोमेन का स्ट्रक्चर्ड एक्सट्रैक्शन था, यानी किसी लेख को पहले सूचना-बिंदुओं में तोड़ा जाता है, फिर हर बिंदु को स्रोत से जोड़ा जाता है, फिर समय-संवेदनशीलता आँकी जाती है, और उसके बाद ही गहरा विश्लेषण शुरू होता है। मेरे पास क्रिकेट पर लिखे हज़ारों पन्नों का एक गोदाम है, लेकिन उस गोदाम की हर शीट एक दस्तावेज़, एक फ़्रेम या एक ऑन-रिकॉर्ड बयान से जुड़ी है। BCCI के सर्कुलर, रिटेंशन नियम, पर्स का गणित — ये सब कभी अफ़वाह से नहीं आए। इसलिए जब सिस्टम ने कहा कि उसके पास एक भी वेरिफ़ाइड बिंदु नहीं है, तो मेरे लिए यह संकेत था कि आगे का हर वाक्य अनुमान बन जाएगा। और अनुमान को विश्लेषण कहना पेशे के साथ सबसे बड़ी बेईमानी है।

मैंने फ़ील्ड-दर-फ़ील्ड देखा। शीर्षक N/A, स्रोत N/A, प्रकार अवर्गीकृत, एक-वाक्य सारांश खाली, लेखक की स्थिति अनुपलब्ध, उद्देश्य अनुमान से परे। सूचना-बिंदुओं की सूची खाली थी, और चूँकि एंटिटी निष्कर्षण, समय-संवेदनशीलता और स्रोत-गुणवत्ता तीनों उसी सूची पर निर्भर हैं, वे भी अपने-आप अनिर्धारित रह गए। एकमात्र जीवित संकेत था डोमेन लेबल — cricket_asia। यह लेबल बताता है कि सामग्री किस खेल-क्षेत्र की हो सकती है, लेकिन यह किसी तथ्य की पुष्टि नहीं करता। इसी बिंदु पर मेरी पुरानी आदत जागी: लेबल को तथ्य मान लेना वही गलती है जो कमेंट्री बॉक्स में "सूत्रों के अनुसार" बोलकर की जाती है। cricket_asia से यह निकालना कि कोई एशियाई टूर्नामेंट चल रहा है, या कोई टीम बदलाव कर रही है, शुद्ध अनुमान होता। मैंने वह रास्ता बंद कर दिया।

यहाँ मूल अंतर्दृष्टि सामग्री के बारे में नहीं, बल्कि प्रक्रिया के बारे में है। जब Stage-1 खाली लौटता है, तो सबसे संभावित दोषी स्रोत नहीं, इनपुट हैंडलिंग होती है। तीन आम कारण हैं: इनपुट का मुख्य पाठ खाली रह गया या सफ़ाई के चरण में गलती से हट गया; प्रॉम्प्ट टेम्पलेट और JSON पार्सर के बीच फ़ील्ड-मैपिंग बेमेल हो गई, जिससे हर फ़ील्ड ने डिफ़ॉल्ट मान पकड़ लिया; या भाषा और एन्कोडिंग की समस्या के कारण पाठ एक्सट्रैक्टर तक पहुँच ही नहीं पाया। तीनों हालत में लक्षण एक जैसे दिखते हैं — साफ़-सुथरा, संरचित, और पूरी तरह खोखला आउटपुट। क्रिकेट के मैदान से तुलना करूँ तो यह वैसा ही है जैसे स्कोरकार्ड में हर ओवर दर्ज हो लेकिन कोई रन न बना हो। ऐसे स्कोरकार्ड को मैच रिपोर्ट कहना संभव नहीं।

मेरे अनुभव में सबसे उपयोगी सुधार यही रहा है कि फेल्योर को फेल्योर की तरह दिखने दिया जाए। 2026 विश्व कप के बाद मैंने हर ट्रांज़िशन सीक्वेंस को उसके स्टार्टिंग ज़ोन के साथ डेटाबेस में दर्ज करना शुरू किया था। उस सिस्टम में एक शर्त थी: अगर वीडियो की टाइमिंग दर्ज नहीं हो पाई, तो एंट्री अधूरी मानी जाती, आधी नहीं। उसी तर्ज पर यहाँ भी एक स्पष्ट शर्त बनती है — एक्सट्रैक्शन के बाद यह जाँच अनिवार्य होनी चाहिए कि सूचना-बिंदुओं की संख्या शून्य से अधिक है और शीर्षक N/A नहीं है। अगर यह शर्त विफल हो, तो पाइपलाइन को खाली परिणाम लौटाने के बजाय स्पष्ट त्रुटि देनी चाहिए। खाली परिणाम सबसे खतरनाक होता है क्योंकि वह डाउनस्ट्रीम को यह बताता है कि सब ठीक है, जबकि सच यह होता है कि कुछ भी नहीं आया।

इस जगह एक उलटा कोण भी बनता है, और वह मेरे अपने पेशे पर लागू होता है। खाली इनपुट को रचनात्मकता से भर देना और उसे विश्लेषण कह देना, तकनीकी खराबी से कहीं बड़ा पेशेवर दोष है। जब सामग्री न हो, तो सबसे आसान रास्ता यह होता है कि डोमेन लेबल के इर्द-गिर्द एक आकर्षक आख्यान बुन दिया जाए — एशियाई क्रिकेट का भविष्य, बोर्ड की राजनीति, कैलेंडर की वास्तुकला। ये विषय वास्तव में मेरे बीट के भीतर हैं, लेकिन बिना किसी दस्तावेज़, बिना किसी फ़्रेम, बिना किसी ऑन-रिकॉर्ड बयान के इन पर लिखना उसी श्रेणी में आता है जिसे मैं हमेशा काटता हूँ। क्रिकेट में मुझे यह पसंद है कि हर गेंद का एक रिकॉर्ड होता है। अगर गेंद फेंकी ही नहीं गई, तो उस पर शॉट का विश्लेषण नहीं लिखा जा सकता। इसी तरह, अगर Stage-1 ने कोई सूचना-बिंदु नहीं निकाला, तो उस पर तीन हज़ार शब्दों का टैक्टिकल निबंध लिखना रिपोर्टिंग नहीं, सजावट है।

यहाँ एक मानवीय क्षण भी दर्ज कर लूँ, बिना व्याख्या के। स्क्रीन पर N/A देखकर पहला विचार यही आया कि कहीं मेरी ही नींद तो नहीं उड़ गई — क्योंकि दोपहर के तीन बजे, बिना क्राउड के कमरे में, मुझे अपनी ही कुर्सी की चरमराहट सुनाई दे रही थी। खाली स्टेडियम ने पहले भी टैक्टिकल शोर साफ़ सुनाया था; आज खाली स्क्रीन ने प्रक्रियात्मक शोर साफ़ सुनाया। मैंने चाय का कप उठाया, रख दिया, और तीन जाँचें लिखीं जो अब हर एक्सट्रैक्शन के बाद चलेंगी।

पहली जाँच: कच्चा पाठ वास्तव में एक्सट्रैक्टर तक पहुँचा या नहीं — इसका प्रमाण पाठ की लंबाई और उसके पहले कुछ अक्षर हैं। दूसरी: सफ़ाई के बाद भी पाठ बचा है या नहीं, क्योंकि कभी-कभी HTML टैग हटाते समय पूरा शरीर ही हट जाता है। तीसरी: आउटपुट में सूचना-बिंदु और स्रोत दोनों मौजूद हैं या नहीं। इन तीनों में से कोई भी विफल हो तो रिपोर्ट में वही विफलता दर्ज होगी, कोई कहानी नहीं। यह मेरे उस पुराने नियम का ही विस्तार है — अगर पैटर्न सिर्फ़ एक फ़्रेम में टिकता है, तो उसे निष्कर्ष नहीं, सवाल लिखो।

इस पूरे प्रसंग का एक दिलचस्प पक्ष यह भी है कि खाली आउटपुट ने मुझे बता दिया कि पाइपलाइन का कौन-सा हिस्सा मज़बूत है और कौन-सा नाज़ुक। मज़बूत हिस्सा यह निकला कि सिस्टम झूठ नहीं बोला — उसने कोई सूचना-बिंदु गढ़कर नहीं भरे। नाज़ुक हिस्सा यह निकला कि उसने अपनी विफलता को नाम नहीं दिया, बस खालीपन लौटा दिया। एक अच्छे तकनीकी रिपोर्टर के लिए यह अंतर बहुत मायने रखता है। क्रिकेट के डेटा डेस्क ने सालों पहले यह सबक सीख लिया था — जब मॉडल का आत्मविश्वास कम हो, तो संख्या देना बंद करो और "डेटा अपर्याप्त" लिखो। यही अनुशासन अब विश्लेषण-पाइपलाइनों पर भी लागू होना चाहिए।

आगे की दिशा स्पष्ट है, और वह प्रक्रियात्मक है। पहला कदम यह होगा कि इनपुट का मुख्य पाठ सुरक्षित रूप से एक्सट्रैक्टर तक पहुँचे, और यह सुनिश्चित करने के लिए हर चरण पर लॉग रहे। दूसरा कदम यह कि शर्तें सख़्त हों — खाली सूची को सफलता नहीं, त्रुटि माना जाए। तीसरा कदम यह कि जब सामग्री अनुपलब्ध हो, तो विश्लेषण की जगह प्रक्रिया पर रिपोर्ट लिखी जाए, जैसा आज हो रहा है। क्रिकेट में जब बारिश खेल रोक देती है, तो हम स्कोर गढ़ते नहीं; हम पिच का हाल, कवर की स्थिति और रिज़र्व डे का हिसाब लिखते हैं। वही भावना यहाँ भी लगती है।

अंत में एक देखी हुई बात कि संरचना अकेली पूरा काम नहीं करती। जब गहरे विश्लेषण के लिए तैयार किया गया फ़्रेमवर्क भरा हुआ दिखता है और अंदर कुछ नहीं होता, तो वह प्रेस कॉन्फ़्रेंस के उस अनुवाद जैसा लगता है जिस पर भरोसा करना ही खतरनाक है। मेरी आदत है कि पहले स्रोत देखूँ, फिर सुंदरता। इस बार स्रोत ही नहीं था। तो अगली बार जब कोई पाइपलाइन खाली परिणाम लौटाए, तो यह मत पूछिए कि उससे कहानी कैसे बनाई जाए — यह पूछिए कि उसने अपनी विफलता को इतनी सफ़ाई से क्यों छिपाया। जिस दिन यह सवाल एनालिसिस पाइपलाइनों की मानक जाँच बन जाएगा, उस दिन खाली स्क्रीन भी खबर बन जाएगी।