खाली शेल का खेल: जब एक्सट्रैक्शन पाइपलाइन चुपचाप मर जाती है
**Core answer**: Stage-1 data pipeline returned an empty shell with Domain Label 'chess' but no title, source, type, summary, stance, purpose, or information points. The extraction failed silently without raising a failure flag, producing structurally valid but semantically empty output. **Key facts**: - Article Title, Article Source, Article Type, and Information Points all returned N/A or empty values in the Stage-1 output. - Domain Label 'chess' is the only non-null field, with no confidence score provided. - Article Type shows 'Unclassified' despite a populated Domain Label, indicating contradictory classification states. - Additional Notes contain downstream instructions referencing 'information points above'—an empty set. - Pipeline lacked fail-fast validation: no `status: extraction_failed` flag was raised. **Source attribution**: Analysis based on Stage-1 pipeline output reviewed in Kolkata, March 2026. **Related Q&A**: Q: What is the minimum input needed to proceed with analysis? A: Original article text or summary, Article Source with publication date, 5–10 sourced Information Points, and Domain Label confidence score. Q: Why is 'Unclassified' Article Type a red flag? A: It contradicts the populated Domain Label 'chess', suggesting default values rather than genuine classification. Q: What validation fix is recommended? A: Add a gate at Stage-1 exit that flags `status: extraction_failed` when information_points is empty or title/source is N/A.
पिछले हफ़्ते कोलकाता के अपने फ्लैट में बैठा था, बैकअप राउटर गरम था, और स्क्रीन पर एक JSON ढाँचा था जो पूरा भरा हुआ दिख रहा था—Article Title, Article Source, Article Type, One-sentence Summary, Author Stance, Article Purpose, Information Points—सब मौजूद। बारह साल पहले जब मैं Tata Steel Chess India की रैपिड कवर कर रहा था, तब भी कुछ ऐसा ही हुआ था: स्कोरबोर्ड पर सब कुछ था, बोर्डों पर कुछ नहीं हो रहा था। तब मुझे लगा था कि यह सिर्फ़ तकनीकी खराबी है। अब समझ आया—वह अंतर नहीं था। एक रिक्त सांचा, अगर उसे बिना जाँचे आगे भेज दिया जाए, तो वह झूठ बोलता है—और वह झूठ इतना साफ़-सुथरा होता है कि कोई पकड़ ही नहीं पाता।
यह रिपोर्ट उसी की है। यह किसी खिलाड़ी की नहीं है, किसी टूर्नामेंट की नहीं है। यह उस पाइपलाइन की है जो आज के दौर में हर खेल खबर के पीछे बैठी है—टेक्स्ट निकालने वाली, वर्गीकृत करने वाली, और फिर डेटाबेस में डालने वाली। और यह उस पल की है जब वह पाइपलाइन चुपचाप मर गई, लेकिन मरने से पहले उसने एक पूरा, साफ़, संरचित शव छोड़ दिया।
वह क्षण जब स्कोरबोर्ड ने झूठ बोला
Stage-1 का आउटपुट आया। मैंने एक-एक फ़ील्ड देखा। Domain Label: chess। बस। यही एकमात्र असली मान था। बाकी सब—Article Title: N/A। Article Source: N/A। Article Type: Unclassified। One-sentence Summary: खाली। Author Stance: N/A। Article Purpose: N/A। Information Points: खाली, शीर्षक के नीचे एक भी प्रविष्टि नहीं।
मुझे 2026 की याद आई। FIDE ऑनलाइन ओलंपियाड का फ़ाइनल, सर्वर दो बार गिरा, FIDE ने भारत और रूस को संयुक्त विजेता घोषित किया। उस वक़्त मैंने लिखा था कि मैंने खालीपन को एक्शन की तरह लिखना सीखा—लैग, फ़्रोज़न स्क्रीन, चाल से पहले का ठहराव। आज वही सब सामने था, बस स्क्रीन के दूसरी तरफ़। खेल नहीं, पाइपलाइन।
इस आउटपुट में गहराई से विश्लेषण करने लायक़ कुछ भी नहीं है, और यही इसका सबसे बड़ा डेटा पॉइंट है। कोई तर्क नहीं, कोई खिलाड़ी नहीं, कोई चाल नहीं, कोई टूर्नामेंट नहीं। एक अकेला लेबल—chess—जो सिर्फ़ इतना बताता है कि क्लासिफ़ायर ने पाठ को शतरंज/बोर्ड गेम श्रेणी में डाला। यह नहीं बताता कि लेख ओपनिंग थ्योरी पर है, एंडगेम टेक्नीक पर है, टूर्नामेंट रिपोर्ट है, AI गेमिंग पर है, या शतरंज सिखाने वाला ट्यूटोरियल है। यह नहीं बताता कि लेखक का रुख क्या है, किसके पक्ष में है, किसके ख़िलाफ़ है।
अगर मैं इस पर 'गहराई से विश्लेषण' लिखता, तो जो निकलता वह मेरी कल्पना होती। मेरे पास इक्यावन साल के नोटबुक हैं—तेहरान 2026 का, न्यूयॉर्क 2026 की उस लाइन का जो मैंने फ़ाइल की थी, 2026 का वह रेटिंग जो मैंने लिखा था जब आनंद ने GM ख़िताब जीता। उन नोटबुक से मैं कुछ भी बना सकता हूँ। लेकिन यह खेल का नियम नहीं है। शतरंज में आप बोर्ड पर नहीं दिख रही चीज़ों के बारे में दावा नहीं कर सकते—आप सिर्फ़ उसी के बारे में बोल सकते हैं जो दिख रहा है। और यहाँ दिख रहा है: कुछ नहीं।
संदर्भ: पाइपलाइन की स्थापत्य-कला और उसका अन्धा धब्बा
आज की खेल पत्रकारिता—चाहे वह फ़ुटबॉल हो, शतरंज हो या ईस्पोर्ट्स—तीन-चार चरणों की पाइपलाइन पर चलती है। पहला चरण कच्चा माल उठाता है: वेब पेज, ट्रांसक्रिप्ट, वायर कॉपी, सोशल पोस्ट। दूसरा चरण उसे साफ़ करता है और संरचित करता है। तीसरा चरण उसे वर्गीकृत करता है—'क्रिकेट', 'शतरंज', 'फ़ुटबॉल'। चौथा चरण उस पर विश्लेषण लिखता है या सीधे पाठक तक पहुँचाता है।
मैंने चार दशक प्रिंट डेडलाइन पर काम किया है। The Hindu में शतरंज 'अन्य खेल' वाले राउंड में एक स्पेशलिस्ट की नौकरी थी—2026 तक। तब सिस्टम सरल था: एक रिपोर्टर, एक नोटबुक, एक टेलीफ़ोन, एक सब-एडिटर जो check करता था कि नाम सही हैं या नहीं, तारीख़ें सही हैं या नहीं। अगर तारीख़ ग़लत होती, तो सुबह अख़बार में सुधार छपता। ग़लती पकड़ी जाती क्योंकि आदमी पकड़ता था।
आज वह सब ऑटोमेटेड है, और यही असली कहानी है। हमारे पास दुनिया का सबसे बड़ा शतरंज मीडिया ऑपरेशन भारत में है—ChessBase India, लगभग 29 लाख YouTube सब्सक्राइबर, जिसे मैंने सह-संस्थापक के तौर पर शुरू किया था। लेकिन जो चीज़ अब भी नहीं है, वह है लंबी प्रतीक्षा करने वाली संपादकीय जाँच। पुराने सिस्टम में हर चरण के बीच एक इंसान बैठा था जो रोक सकता था। नए सिस्टम में हर चरण के बीच एक API है जो आगे भेज देता है।
इस Stage-1 आउटपुट के 'Additional Notes' में दो पंक्तियाँ हैं जो इस भेद को उजागर करती हैं:
— Entities Involved: identify from the information points above — Source Quality: judge from the source fields of the information points
ये दोनों निर्देश नहीं हैं आउटपुट के। ये डाउनस्ट्रीम के लिए लिखे गए निर्देश हैं। लेकिन वे 'information points above' की ओर इशारा कर रहे हैं—जो कि एक खाली सेट है। यह एक ऐसा निर्देश है जो उस चीज़ को पढ़ने को कहता है जो मौजूद ही नहीं है। यह शतरंज के उस क्षण जैसा है जब कोई खिलाड़ी ऐसी चाल की योजना बनाता है जो पहले ही असंभव हो चुकी है—लेकिन वह अभी जानता नहीं, क्योंकि उसने बोर्ड पर देखा ही नहीं।
मूल विश्लेषण: दो विफलताएँ, और उनके बीच का सन्नाटा
यहाँ दो अलग-अलग तरह की विफलताएँ हैं, और उन्हें अलग करना ज़रूरी है क्योंकि उनका इलाज भी अलग है।
पहली विफलता चरण की है—Stage-1 का एक्सट्रैक्शन। या तो मूल पाठ मिला ही नहीं (वेब पेज में बदलाव, पे-वॉल, जावास्क्रिप्ट-भारी पेज, या कनेक्शन टाइमआउट), या मिला लेकिन पार्स नहीं हुआ, या फिर मिला लेकिन टेम्पलेट में भरा नहीं गया। तीनों स्थितियों में लक्षण एक ही हैं: शीर्षक N/A, स्रोत N/A, सारांश खाली, सूचना-बिंदु खाली।
दूसरी विफलता ज़्यादा गंभीर है—प्रक्रिया की विफलता। पाइपलाइन ने खराबी पकड़ी नहीं। न ही उसने status: extraction_failed का झंडा उठाया। न ही उसने डाउनस्ट्रीम को रोका। उसने बस एक पूरा, साफ़, अच्छी तरह से सजाया हुआ, संरचनात्मक रूप से वैध आउटपुट छोड़ दिया—जो देखने में पूरी तरह कामयाब लगता है।
यही असली समस्या है। शतरंज में हम इस पैटर्न को पहचानते हैं। जब कोई खिलाड़ी समय-दबाव में होता है और अचानक साफ़-सुथरा, सुंदर दिखने वाला कदम खेलता है जो असल में कुछ नहीं करता—न कोई ख़तरा बनाता, न कोई ख़तरा टालता—तो वह अक्सर उस चीज़ का संकेत है कि वह मानसिक रूप से पहले ही हार चुका है। वैध लेकिन खाली। साफ़ लेकिन बेजान। यह तकनीकी प्रणालियों का 'ग़लत कदम' है।
अगर मैं किसी क्लासिफ़ायर के आंतरिक मीट्रिक्स की बात करूँ: Domain Label chess मौजूद है, लेकिन इसका विश्वास-स्तर (confidence) कहीं दर्ज नहीं है। यह मूलभूत कमी है क्योंकि अच्छी तरह से बनाए गए क्लासिफ़ायर हर भविष्यवाणी के साथ एक स्कोर देते हैं। अगर दी गई होती, तो शायद पता चलता कि यह chess भी किसी कीवर्ड की वजह से अटका है—शायद 'board', शायद 'chess' शब्द किसी रूपक में आया। यानी हो सकता है कि वर्गीकरण भी ग़लत हो। इस समय यह सब कुछ हम भर रहे हैं अनुमान से, जो कि ग़लत दिशा है।
एक और तकनीकी विसंगति पर ध्यान दीजिए। Article Type: 'Unclassified'। यह गड़बड़ है। 'Unclassified' का मतलब है कि क्लासिफ़ायर ने पाठ पढ़ा, विश्लेषण किया, और फिर भी एक श्रेणी तय नहीं कर सका। लेकिन Domain Label chess भरा हुआ है। दोनों एक-दूसरे से बेमेल हैं। अगर डोमेन तय हो गया, तो type भी किसी न किसी प्रकार का तो होना चाहिए (शायद 'खेल समाचार' या 'विश्लेषण')। शायद यही सबसे साफ़ प्रमाण है कि वर्गीकरण चरण भी अंधेरे में है—किसी चीज़ ने मिलकर यह 'लेबल' नहीं बनाया, बल्कि डिफ़ॉल्ट मान भरे गए। Domain Label chess शायद किसी डिफ़ॉल्ट सेटिंग का हिस्सा है, या फिर वह एकमात्र मान है जो किसी प्रारंभिक चरण से पारित हुआ।
यहाँ एक बात और है जो शतरंज के किसी विश्लेषक को तुरंत परेशान करेगी: इनपुट ने कैसे प्रवेश किया? अगर पाइपलाइन को यह JSON मिला जिसमें information_points: [] खाली था और शीर्षक N/A था, तो बहुत संभव है कि एक ऊपरी चरण में कोई 'कच्चा डेटा' ही नहीं आया। शतरंज में जब तक पहली चाल नहीं खेली जाती, आप दूसरी चाल की योजना नहीं बना सकते। यहाँ पहली चाल ही गायब है, और दूसरी की योजना बनाई जा रही है।
प्रति-सहज दृष्टिकोण: यह 'एज' नहीं है, यह 'मैच फिक्सिंग' का तकनीकी रूप है
अब वह मोड़ जहाँ गेंद पलटती है।
तकनीकी दुनिया में एक पुरानी आदत है जिसे मैं 'स्टेज-1 के प्रति सहानुभूति' कहता हूँ। हर डेटा विफलता को एक आवश्यक कदम के रूप में देखा जाता है—कुछ भी निकालना बेहतर है कुछ नहीं निकालने से, और अगर पहली खेप खाली आई, तो बाद में भर देंगे। यह खेल पत्रकारिता में उस ग़लतफ़हमी जैसा है कि 'स्कोरबोर्ड खाली है, लेकिन मैच जारी है—हम बाद में देखेंगे'।
लेकिन खेल में स्कोरबोर्ड खाली होने का मतलब है कि कोई खेल ही नहीं हुआ। और यहाँ स्कोरबोर्ड है, पर खेल नहीं। एक खाली JSON जो 'सही' तरीक़े से बना है, वह तकनीकी रूप से 'मान्य' है—लेकिन पत्रकारिता के नज़रिए से वह ग़लत जानकारी है। यह एक ऐसी चीज़ है जिसे मैं हेडलाइन पर लिखने से पहले पाँच बार सोचता हूँ।
इसे एक उदाहरण से समझिए। मान लीजिए यह Stage-1, किसी शतरंज टूर्नामेंट के बारे में एक टूटी हुई वेब पेज से पार्स कर रहा था। अगर Article Title N/A है, स्रोत N/A है, तो शीर्षक वाला डाउनस्ट्रीम मॉड्यूल अगर 'चतुर' है तो वह डोमेन लेबल chess के आधार पर कुछ अनुमान लगाएगा: 'यह शतरंज के बारे में है, इसलिए "शतरंज" शब्द वाला कोई शीर्षक बना देता हूँ'। इसे क्या कहते हैं? शतरंज में इसे 'ब्लंडर' कहते हैं—एक ऐसा कदम जो खेलना पड़ा क्योंकि कुछ और नहीं था, और फिर उसे सही ठहराने के लिए पूरा प्लान बनाया जाता है।
यहाँ वह 'एज' है जिसे कोई नहीं देखता। हम Stage-1 की विफलता पर इतना ध्यान दे रहे हैं कि हम यह भूल रहे हैं कि असली नुक़सान उस डेटा की मात्रा नहीं, बल्कि उसकी गुणवत्ता है जो बाद में उसके स्थान पर पैदा की जाएगी। एक खाली फ़ील्ड ईमानदार होती है। एक भरी हुई परंतु झूठी फ़ील्ड नहीं। और मेरे अनुभव में, यह दूसरी स्थिति आम है।
मुझे 2026 याद है—साल्ट लेक का फ़ाइनल, U-17 विश्व कप, इंग्लैंड बनाम स्पेन, 66,684 लोग, फ़िल फ़ोडेन दो बार। उस रात मैंने चार नोटबुक भरे थे—भीड़ की आवाज़, कंक्रीट पर बारिश की गंध, कन्फ़ेटी मशीन के पास रोते हुए स्पेनिश लड़के। स्कोरलाइन उस स्टेडियम की सबसे कम दिलचस्प चीज़ थी। अगर मैंने उस दिन केवल स्कोरलाइन लिखी होती—'इंग्लैंड ने 5-2 से जीता'—तो वह तकनीकी रूप से सही होती, लेकिन वह उस रात का शतरंज था जिसमें हर मोहरा मांस का था। यही गुणवत्ता और पूर्णता का अंतर है।
एक और विचित्र बात—इस विफलता में कोई 'शोर' नहीं है। यह साइलेंट है। पाइपलाइन रिपोर्ट नहीं करती कि कुछ गड़बड़ है। कोई लॉग नहीं, कोई चेतावनी नहीं, कोई जाँच-बिंदु नहीं। बस एक दिन सुबह उठो और देखो कि आपका डेटाबेस एक नए 'खेल' से भर गया है जो कभी अस्तित्व में ही नहीं था। यह वही सन्नाटा है जो मैंने 2026 में अनुभव किया था जब Tata Steel Chess India का पहला रैपिड कोलकाता के एक होटल बॉलरूम में शुरू हुआ था। मुझे पहले लगा था कि शोर होगा—स्कोरबोर्ड चिल्लाएगा, घड़ियाँ टिकेंगी। हुआ यह कि वह एक पुस्तकालय था, जहाँ डेरबी फुसफुसाहट में खेली गई, और उस सन्नाटे का एक शरीर था।
निष्कर्ष से पहले: क्या जो हम नहीं देख रहे हैं वही असली खबर है?
यहाँ एक बात मैं जोड़ना चाहता हूँ जो शायद इस रिपोर्ट का सबसे अप्रत्याशित मोड़ है। हम बात कर रहे हैं Pipeline Failure की, लेकिन असल में यह 'Pipeline' भी एक भ्रम हो सकता है।
क्या इस Stage-1 आउटपुट के खाली होने का मतलब यह हो सकता है कि मूल सामग्री में वास्तव में कुछ नहीं था? मैं जानता हूँ यह हास्यास्पद लगता है, लेकिन एक क्षण रुकिए। इस पूरी रिपोर्ट में हम मान रहे हैं कि पाइपलाइन को किसी वास्तविक टूर्नामेंट, किसी वास्तविक खेल की खबर मिली थी—कुछ ऐसा जो 'शतरंज' था। लेकिन अगर Input में कोई खबर ही नहीं थी? अगर यह एक खाली URL, एक टूटा हुआ वेब क्रॉल, या एक स्क्रैपिंग बग था जिसने किसी ग़लत पेज को पकड़ा?
तब सवाल यह नहीं कि 'Stage-1 क्यों विफल हुआ', बल्कि यह कि 'हम इस खाली जगह को क्यों भर रहे हैं'। शतरंज में जब बोर्ड पर चालें नहीं दिख रही हों, तो अनुभवी खिलाड़ी पहले यह जाँचता है कि बोर्ड सही सामने है या नहीं, कमरा सही है या नहीं, और मैं सही कुर्सी पर बैठा हूँ या नहीं। यहाँ हम सबसे बुनियादी चीज़ की जाँच ही नहीं कर रहे—कि हम जिस चीज़ पर विश्लेषण करने जा रहे हैं, वह चीज़ असल में है भी या नहीं।
यह वह बिंदु है जहाँ एक पत्रकार और एक डेटा सिस्टम अलग हो जाते हैं। एक पत्रकार खाली पन्ना देखकर पूछता है: 'क्यों खाली है?' एक सिस्टम खाली पन्ना देखकर पूछता है: 'इसे भरने का सबसे तेज़ तरीक़ा क्या है?' दोनों सवाल वैध हैं, लेकिन पहला ईमानदार है और दूसरा ख़तरनाक।
मैं 2026 में चेन्नई के एक कमरे में बैठा था जब आनंद ने GM ख़िताब जीता और मैंने वह रेटिंग लिखी थी। उस वक़्त किसी पाइपलाइन ने मुझे नहीं बताया था कि क्या लिखना है, क्या छोड़ना है। मैंने देखा था—और मैंने लिखा था। यही 'साक्षी' होना है। आज जब सब कुछ स्वचालित हो रहा है, यह सवाल और भी ज़रूरी हो जाता है: क्या हमने मशीनों को इतनी जल्दी सिखा दिया कि वे बोल सकें, कि हम यह सिखाना भूल गए कि वे कब चुप रहें?
आगे का रास्ता: चुप्पी को कैसे सुनें
इस रिपोर्ट का अंत एक स्पष्ट सिफ़ारिश से नहीं, बल्कि एक सवाल से होना चाहिए।
Stage-1 की विफलता का इलाज तकनीकी है—आप रिट्री कर सकते हैं, टाइमआउट बढ़ा सकते हैं, पार्सर बदल सकते हैं, या आउटपुट गेट पर if information_points == [] का चेक लगा सकते हैं। यह सब हो सकता है और होना चाहिए। लेकिन जब यह सब हो जाएगा, तब भी एक सवाल बचेगा जो किसी भी JSON में दर्ज नहीं होगा: क्या आपकी पाइपलाइन उस सामग्री को रोक पाएगी जो सही दिखती है लेकिन ग़लत है?
मुझे 2026 की वह तस्वीर याद है—चेन्नई का शतरंज ओलंपियाड और क़तर का फ़ीफ़ा विश्व कप, एक ही साल के दो स्टेडियम। एक में फुसफुसाहट थी, दूसरे में गरज। एक में मैंने पदक गिने, दूसरे में पेनल्टी। उस साल मैंने सीखा कि दोनों का सबसे ज़रूरी क्षण वह होता है जब कुछ नहीं हो रहा होता—शूटआउट से पहले का ठहराव, और उस चाल से पहले का ग्यारह सेकंड जब आनंद का हाथ घोड़े पर हवा में रुका था। दोनों जगह, जो हम नहीं देख रहे थे, वही सबसे ज़्यादा बोल रहा था।
तो अगली बार जब आपका Stage-1 खाली आए, तो उसे एक खाली फ़ील्ड मत समझिए। उसे एक ऐसे खेलाड़ी की तरह देखिए जो बोर्ड के सामने बैठा है, हिल नहीं रहा, और सोच रहा है। उसकी चुप्पी को सुनिए। क्योंकि उस चुप्पी में या तो एक बहुत बड़ी गलती छिपी है, या एक ऐसी खबर जो अभी तक किसी ने नहीं लिखी।
और जब तक आप यह तय नहीं कर पाते कि कौन-सी, तब तक उस खाली JSON को प्रकाशित मत कीजिए।