I use an AI named Felix to teach me German. After months of switching between browser tabs, hitting context limits, and

मैं जर्मन सीखने के लिए Felix नामक एक AI का उपयोग करता हूँ। महीनों तक ब्राउज़र टैब के बीच स्विच करने, कॉन्टेक्स्ट लिमिट्स (context limits) से जूझने और प्लेटफॉर्म अपडेट्स को अपनी बातचीत का इतिहास मिटाते हुए देखने के बाद, मैं बार-बार शुरुआत करने से थक गया था। Felix एक अच्छा शिक्षक है, लेकिन हर नया चैट विंडो उसे विस्मृति का शिकार बना देता था। मुझे अपनी सीखने की हिस्ट्री को आगे ले जाने का एक तरीका चाहिए था, ताकि हर बार नया सेशन खोलने पर मुझे टेक्स्ट के बड़े-बड़े पैराग्राफ कॉपी-पेस्ट न करने पड़ें।

यह समस्या केवल असुविधा से कहीं अधिक गहरी है। भाषा सीखना स्पैस्ड रिपिटिशन (spaced repetition) और लक्षित सुधार (targeted correction) पर निर्भर करता है। एक AI ट्यूटर जो आपकी बार-बार होने वाली गलतियों को भूल जाता है, वह केवल अतिरिक्त चरणों वाली एक शब्दकोश (phrasebook) मात्र है। मुझे निरंतरता चाहिए थी। अधिक सटीक रूप से, मैं चाहता था कि Felix—या अगला कोई भी AI इंस्टेंस जिसे मैं लोड करूँ—ठीक वहीं से शुरू करे जहाँ पिछला वाला छोड़ा था, बिना किसी मेमोरी गैप और बिना किसी अजीब परिचय के।

इसलिए मैंने एक लोकल सिस्टम बनाया। मैं इसे DDF/Rahmenwerk कहता हूँ।

डिस्पोजेबल बातचीत (Disposable Conversations) के साथ समस्या

किसी भी भारी AI यूजर से बात करें और आपको वही शिकायत सुनाई देगी। चैट तब तक काम करती है जब तक वह काम करती है। जैसे-जैसे कॉन्टेक्स्ट विंडो भरती जाती है, लंबी बातचीत खराब होने लगती है। प्लेटफॉर्म एक अपडेट जारी करता है और आपका थ्रेड गायब हो जाता है। आप एक नया सेशन शुरू करते हैं और मॉडल आपका स्वागत एक अजनबी की तरह करता है। सामान्य सवालों के लिए, यह ठीक है। लेकिन एक संरचित पाठ्यक्रम (structured curriculum) के लिए, यह विनाशकारी है।

Felix के साथ, मैं एक लय में आ गया था। उसे पता था कि मैं एक्यूसेटिव और डेटिव प्रीपोज़िशन (accusative and dative prepositions) में भ्रमित हो जाता हूँ। उसे पता था कि मैं सुनने के अभ्यास के बजाय पढ़ने के अभ्यासों को पसंद करता हूँ, और मैंने अपनी ग्रामर बुक के पहले तीन अध्याय पहले ही पूरे कर लिए हैं। जब मैंने नया टैब खोला, तो इनमें से किसी भी बात का कोई महत्व नहीं रहा। हर सेशन एक ही रस्म के साथ शुरू होता था: अपना स्तर फिर से स्थापित करना, अपने लक्ष्यों को दोहराना, अपनी गलतियों को फिर से बताना।

मैं चाहता था कि Felix मुझे याद रखे। चूंकि प्लेटफॉर्म इसे भरोसेमंद तरीके से नहीं कर रहे थे, इसलिए मैंने अपनी निरंतरता का स्वामित्व स्वयं लेने का निर्णय लिया।

DDF/Rahmenwerk वास्तव में क्या करता है

नाम अवधारणा (concept) की तुलना में अधिक प्रभावशाली लगता है। मूल रूप से, यह सिस्टम मेरे लोकल मशीन पर एक फोल्डर है जो मेरे सीखने के इतिहास को एक प्रोजेक्ट हैंडऑफ (project handoff) की तरह मानता है। यदि Felix आज रात गायब हो जाता है, तो मुझे कल उठकर, एक नए AI को इस फोल्डर की ओर निर्देशित करना चाहिए, और बिना खुद को समझाए सबक सैंतालीस (lesson forty-seven) फिर से शुरू करना चाहिए।

इसका आर्किटेक्चर जानबूझकर फ़ाइल-आधारित (file-based) रखा गया है। मैं अपनी प्रगति को स्टोर करने के लिए किसी भी एकल प्लेटफॉर्म पर भरोसा नहीं करता। क्लाउड सेवाएँ अपनी शर्तें बदल देती हैं। एक्सपोर्ट फॉर्मेट टूट जाते हैं। मेरी हार्ड ड्राइव पर एक सादा टेक्स्ट फ़ाइल उबाऊ है, लेकिन यह मेरी है।

सिस्टम के अंदर पाँच कामकाजी हिस्से हैं।

पहला, वर्तमान स्थिति (current state) का एक पॉइंटर। यह एक सरल इंडेक्स है जो इस प्रश्न का उत्तर देता है: हम ठीक कहाँ रुके थे? यह वर्तमान अध्याय, पूरा किया गया अंतिम अभ्यास, मेरे लंबित व्याकरण प्रश्न और पिछले सत्र की विशिष्ट गलतियों को ट्रैक करता है जिन्हें अभी भी समीक्षा की आवश्यकता है। पूरे बातचीत लॉग को डालने के बजाय, यह सत्र को केवल उतना ही संक्षिप्त कर देता है जो अगले सत्र के लिए महत्वपूर्ण है।

दूसरा, हैंडऑफ सामग्री (handoff materials)। ये प्रत्येक पाठ के बाद लिखे गए संक्षिप्त विवरण हैं। ये न केवल यह कैप्चर करते हैं कि हमने क्या कवर किया, बल्कि यह भी कि हमने इसे कैसे कवर किया। क्या Felix ने किसी विशेष उपमा (analogy) का उपयोग करके शब्द क्रम (word order) समझाया था? क्या मैंने यात्रा शब्दावली के बारे में अभ्यास वाक्यों पर अच्छी प्रतिक्रिया दी थी? ये नोट्स केवल सामग्री को ही नहीं, बल्कि शिक्षण पद्धति (teaching methodology) को भी सुरक्षित रखते हैं। यदि Felix का अगला इंस्टेंस शब्द क्रम को अलग तरह से समझाता है, तो मैं तुरंत उस अंतर को महसूस कर लेता हूँ। याद रखने (retention) के लिए निरंतरता मायने रखती है।

तीसरा, नए AI इंस्टेंस के लिए एक अपलोड पैकेज। जब मैं एक नए मॉडल या प्लेटफॉर्म पर माइग्रेट करता हूँ, तो मैं चैट विंडो में हज़ार शब्दों की जीवनी पेस्ट नहीं करता। मैं सिस्टम को एक तैयार पैकेज देता हूँ: मेरी आधारभूत दक्षता (baseline proficiency), मेरी सीखने की प्राथमिकताएं, मेरे बार-बार होने वाले त्रुटि पैटर्न, और पाठ्यक्रम अनुक्रम का सारांश। यह एक संकुचित लर्नर प्रोफाइल है जिसे कोई भी इंस्ट्रक्शन-ट्यून्ड मॉडल (instruction-tuned model) पढ़ और अपना सकता है।

चौथा, SHA-256 का उपयोग करके इंटीग्रिटी रिकॉर्ड। यह भाषा सीखने के लिए अत्यधिक लग सकता है, लेकिन यह एक विशिष्ट उद्देश्य की पूर्ति करता है। मैं अपनी हैंडऑफ फ़ाइलों का वर्ज़न (version) रखता हूँ। यदि मैं गलती से आधी नींद में कल के एरर लॉग को संपादित कर देता हूँ, या यदि कोई सिंक टूल किसी लाइन को खराब कर देता है, तो मुझे पता होना चाहिए। SHA-256 हैश मुझे यह सत्यापित करने देते हैं कि मेरी निरंतरता फ़ाइलें अनजाने में नहीं बदली हैं। मेमोरी लॉस को रोकने के लिए डिज़ाइन किए गए सिस्टम के लिए, स्व-क्षरण (self-corruption) एक स्पष्ट दुश्मन है।

पाँचवाँ, और यह वह हिस्सा है जो वास्तव में व्यवहार को नियंत्रित करता है—वे नियम जो साक्ष्य के अभाव में AI को रुकने के लिए मजबूर करते हैं। मैंने सिस्टम प्रॉम्प्ट में एक सख्त प्रोटोकॉल लिखा है: यदि वर्तमान इंस्टेंस स्टेट पॉइंटर का पता नहीं लगा पाता या हैंडऑफ सामग्री को सत्यापित नहीं कर पाता, तो उसे अपनी ओर से कुछ भी नया करने के बजाय रुकना चाहिए और स्पष्टीकरण मांगना चाहिए। मैं एक ऐसा आत्मविश्वासी AI नहीं चाहता जो मेरे स्तर का अनुमान लगाकर मुझे वह व्याकरण सिखाए जो मैं पहले से जानता हूँ, या इससे भी बुरा, उन बुनियादी सिद्धांतों को छोड़ दे जिन्हें मैंने अभी तक नहीं बनाया है। जब आप संचयी ज्ञान बना रहे हों, तो गलत घड़ी से बेहतर रुकी हुई घड़ी होती है।

जब सुरक्षा परतें स्वयं अपना बोझ बन जाती हैं

सिस्टम ने काम किया। मैंने संदर्भ खोना बंद कर दिया। नए सत्र आत्मकथा के बजाय वास्तविक शिक्षण के साथ शुरू हुए।

फिर मैंने जारी रखा