4-Factor Response Engine
4-फॅक्टर रिस्पॉन्स इंजिन
प्रत्येक daily-check-in तुम्हाला एक छोटी नोंद परत देते. ती नोंद 4-फॅक्टर रिस्पॉन्स इंजिनमधून येते — ही एक constrained generation प्रणाली आहे, जिचे काम 60 ते 100 शब्दांत उपयुक्त राहणे आणि कधीही मर्यादा ओलांडू नये हे आहे.
चार घटक
| # | घटक | स्रोत | का महत्त्वाचे |
|---|---|---|---|
| 1 | Chip | दैनंदिन विधीतील 14-chip पॅलेट | आज काय खरे आहे ते सांगते |
| 2 | टप्पा | Bayesian चक्र अंदाज | चक्राची मूळ पातळी ठरवते |
| 3 | गमन संदर्भ | आजचे जन्मकुंडली गमन, असल्यास | दिवसाला विशिष्ट छटा देते |
| 4 | आर्किटाइप | तुमचा मासिक पाळी आर्किटाइप | चक्रांमधील नमुना |
हे चारही घटक निश्चित पद्धतीने एकत्र करून एक संरचित prompt तयार होतो — मुक्त स्वरूपात नाही. जनरेशन मॉडेल प्रत्येक chip × टप्पा संयोजनानुसार बदलणाऱ्या एका घट्ट टेम्पलेटमध्ये लिहिते.
नेमके चारच का
आम्ही दोन, तीन, चार आणि सहा यांची चाचणी घेतली. दोन घटकांनी (chip + phase) तयार होणाऱ्या नोट्स खूपच साधारण वाटल्या. तीन (chip + phase + गमन) घटकांमध्ये खूप जास्त ज्योतिषाकडे झुकण्याची सवय होती. सहा घटकांनी (mood, weather, social load जोडल्यावर) विसंगती निर्माण झाली आणि दैनंदिन विधीसाठीचे 200ms p50 बजेट ओलांडून generation latency वाढली.
चार हा तो योग्य बिंदू आहे जिथे नोट गोंगाटमय न होता तुमच्यासाठी खास वाटते.
जनरेशनवरील मर्यादा
मॉडेलचं आउटपुट लिहिल्या जाताना तीन नियमांनी फिल्टर केलं जातं:
- लांबी — 40 ते 120 शब्द. या मर्यादेबाहेरचं काहीही पुन्हा तयार केलं जातं.
- अँटी-क्लेम — ब्लॉग पोस्ट तपासणाऱ्या त्याच अँटी-क्लेम लिंटमधून आउटपुट जातं. पाहा non-medical-cycle-tracking.
- टोन कॅलिब्रेशन — एक छोटा क्लासिफायर अशी आउटपुट नाकारतो जी आदेशात्मक, टीकात्मक किंवा अति-उत्साही कॉर्पोरेट वाटतात. "आपुलकीची आणि स्थिर" वाटणारी आउटपुट पास होतात.
तीनपैकी कोणत्याही नियमात नापास होणारी नोट तीन वेळांपर्यंत पुन्हा तयार केली जाते. तिन्ही नापास झाल्यास, app सोबत येणारी एक निवडक fallback वापरकर्त्याला दिसते.
मॉडेल काय पाहत नाही
- तुमच्या दैनंदिन नोंदीचा मजकूर (फक्त chip दिसते).
- तुमच्या पूर्वीच्या कोणत्याही नोंदी.
- इतर वापरकर्त्यांचा डेटा.
- तुमचे नाव, account किंवा कोणतीही ओळख.
Generation एका सुटसुटीत, निनावी इनपुटवर चालते. वैयक्तिकीकरण हे संरचित घटकांमधून येते, तुमचा मजकूर पुन्हा वाचून नाही.
हे कुठे आहे
Soulwise कोडबेसमध्ये हे engine lib/responseEngine/ मध्ये आहे. प्रत्येक chip × phase जोडीसाठी एक TypeScript फाइल अशी ही structured prompt template आहे (14 × 4 = 56 templates), प्रत्येक हाताने ट्यून केलेली. tone calibration test उत्तीर्ण झालेल्या सर्वांत लहान model हाच आहे — एक 7B parameter ओपन-वेट्स model, जो 200ms p50 बजेटसह एका Vercel Function मध्ये चालतो.
हे ज्ञान वापरा
AI-आधारित जन्म कुंडली विश्लेषणाने ज्योतिष प्रत्यक्ष आचरणात आणा.
माझी मोफत जन्म कुंडली मिळवा