खाली Stage-1, रुका हुआ Stage-2: क्रिकेट डेटा पाइपलाइन की वह साइलेंट फेलियर जिसे कोई नहीं पढ़ता

शुक्रवार की दोपहर एक JSON फ़ाइल खुली। ब्रेसेज़ संतुलित थे, उद्धरण चिह्न अपनी जगह पर, स्कीमा बिना एक भी त्रुटि के पास हो गया। और उस फ़ाइल में एक भी खबर नहीं थी। सोलह फ़ील्ड। उनमें से पंद्रह में या तो N/A लिखा था, या खाली सूची, या फिर कोई ऐसा निर्देश जो उस चीज़ की ओर इशारा कर रहा था जो मौजूद ही नहीं थी — Entities Involved के आगे साफ़ लिखा था "identify from the information points above", और ऊपर कोई information point नहीं था। सिर्फ़ एक फ़ील्ड में असली मान था: Domain Label: cricket_world. बस वही। Stage-1 का आउटपुट देखकर पहली प्रतिक्रिया यही होती है कि डेटा अधूरा है, थोड़ा इंतज़ार कर लें। चौदह साल बाइलाइन लिखने के बाद मेरी अगली प्रतिक्रिया अलग है। यह अधूरा डेटा नहीं है। यह एक नतीजा है, और यह नतीजा अपने आप में पूरा है। एक डिकंस्ट्रक्शन स्टेज से जो चीज़ माँगी जाती है, वह है तथ्य की इकाइयाँ। हर इकाई में तीन चीज़ें चाहिए: क्या दावा किया जा रहा है, वह दावा किससे आया है, और वह किस समय का है। शीर्षक, स्रोत, प्रकाशन तिथि, लेख का प्रकार — ये सब उन्हीं इकाइयों से बनते हैं। जब सूची खाली हो, तो ऊपर की हर चीज़ खाली हो जाती है, और नीचे की हर चीज़ अनुमान बन जाती है। टाइम सेंसिटिविटी का आकलन नहीं हो सकता, क्योंकि तारीख़ ही नहीं है। स्रोत की गुणवत्ता का आकलन नहीं हो सकता, क्योंकि स्रोत ही नहीं है। लेख का ढाँचा नहीं चुना जा सकता, क्योंकि लेख का प्रकार अपठित है। इस फ़ाइल की सबसे दिलचस्प बात उसकी खालीपन नहीं है। सबसे दिलचस्प बात उसका अंदरूनी अंतर्विरोध है। Domain Label: cricket_world भरा हुआ है, जबकि Article Type Unclassified है और Information Points खाली हैं। यानी वह लेबल इस फ़ाइल के अपने सबूतों से नहीं आया। वह बाहर से आया — किसी प्रीसेट से, किसी अपस्ट्रीम रूटिंग नियम से, या किसी ऐसे इनपुट से जो इस स्टेज तक पहुँचा ही नहीं। और यही वह जगह है जहाँ खतरा शुरू होता है। क्योंकि cricket_world लिखा देखकर एक लेखक का हाथ खुद चलने लगता है। क्रिकेट पर तो कुछ भी लिखा जा सकता है। आईसीसी कैलेंडर, हाइब्रिड मॉडल, नीलामी का पर्स, नेट रन रेट, घरेलू क्रिकेट का पतला कवरेज — इन सब पर दो हज़ार शब्द आसानी से निकल आते हैं। लेकिन वे शब्द उस लेख के बारे में नहीं होंगे जिसका विश्लेषण माँगा गया था। वे सिर्फ़ उस लेबल के बारे में होंगे जो सबूत के बिना फ़ाइल में बैठा है। यहीं पर गढ़ना शुरू होता है, और ध्यान दीजिए — गढ़ना झूठ से नहीं शुरू होता। वह उपयोगी बनने की कोशिश से शुरू होता है। कोई कहेगा कि चलो, कम से कम संदर्भ दे देते हैं, पाठक को पता तो चले कि मामला क्रिकेट का है। फिर एक वाक्य में "हाल ही में" आ जाता है। फिर एक ऐसा संस्थान आ जाता है जिसका नाम सुनने में सही लगता है। फिर एक तारीख़ आ जाती है जो लगभग सही है। छह महीने बाद कोई उस पैराग्राफ़ को दूसरे लेख में उद्धृत करता है, और तब तक वह वाक्य स्रोत बन चुका होता है। मैंने यह सीखा है एक खाली स्टेडियम में। दिसंबर 2026, गोवा का बायो-बबल, फातोर्डा। केरल ब्लास्टर्स और बेंगलुरु, दर्शकों के बिना। मैंने पूरे नब्बे मिनट में चौदह सुनाई देने वाली चीख़ें गिनीं, और अठहत्तरवें मिनट में एक क्लीयरेंस की थाप। मेरे एडिटर को वायरल शोर चाहिए था। मैंने 1200 शब्द लिखे कि अनुपस्थिति कैसी सुनाई देती है। वह पीस अंडरपरफ़ॉर्म कर गया। मैंने लगभग पिचिंग बंद कर दी थी। लेकिन उस मैच से जो आदत बनी, वह आज भी काम आती है: हर जगह एक साउंड डायरी रखना। और उस डायरी का सबसे उपयोगी पन्ना वह है जिस पर कुछ भी दर्ज नहीं है। एक खाली पन्ना यह नहीं कहता कि मैच नहीं हुआ। वह यह कहता है कि उस दिन कुछ ऐसा था जिसे माइक ने पकड़ा ही नहीं। खाली स्टेडियम ने मुझे सिखाया कि खामोशी भी भरा हुआ घर हो सकती है — बस उसे पढ़ने वाला चाहिए। यही इस JSON के साथ है। पंद्रह खाली फ़ील्ड एक संदेश हैं: अपस्ट्रीम एक्सट्रैक्शन चुपचाप विफल हुआ। उसने एरर नहीं दिया। उसने एक बिल्कुल वैध, पूरी तरह खोखली फ़ाइल दे दी। ऐसी "वैध खोखली" फ़ाइलें डाउनस्ट्रीम में सबसे मुश्किल से पकड़ी जाती हैं, क्योंकि उनमें कुछ भी टूटा हुआ नहीं दिखता। पाइपलाइन हरी बत्ती दिखाती है और आगे बढ़ जाती है। मेरे अनुभव में असली विफलता कभी स्टेज-2 में नहीं होती। स्टेज-2 वह जगह है जहाँ गड़बड़ पकड़ी जाती है। गड़बड़ हमेशा स्टेज-1 में होती है, और वहाँ कोई उसे देखता नहीं, क्योंकि वहाँ देखने का कोई नियम नहीं लिखा होता। इसलिए जवाब यह नहीं है कि स्टेज-2 को और होशियार बनाया जाए। जवाब यह है कि स्टेज-1 में एक एसर्शन जोड़ा जाए: यदि title N/A है, या information_points खाली है, तो स्टेज तुरंत विफल घोषित हो। फ़ाइल को आगे मत भेजो। एरर मत छुपाओ, उसे शोर मत बनने दो — बस उसे विफलता कहो। मुझे पता है कि ऐसा एसर्शन जोड़ने से पाइपलाइन की सफलता दर गिर जाएगी। लेकिन वह जो दर गिरेगी, वही असली दर है। बाकी सब हरे रंग का भ्रम है। और अगर आप मुझसे यह पूछें कि इस फ़ाइल से क्रिकेट पर एक शब्द भी क्यों नहीं लिखा जा सकता, तो जवाब सीधा है: क्योंकि मैं नहीं जानता कि यह किस मैच का, किस टूर्नामेंट का, किस तारीख़ का लेख था। और जब यह न पता हो, तो लिखा हुआ हर शब्द किसी और लेख का होगा। मैं भीड़ को सबसे अच्छी तरह तब सुनना सीखा जब सीटें खाली थीं — लेकिन उसके लिए पहले यह मानना पड़ा कि सीटें खाली हैं, यह नहीं कि वहाँ कोई भीड़ है और मैं उसे सुन नहीं पा रहा। अगली बार जब यह फ़ाइल खुले, तो मुझे तीन चीज़ें चाहिए: शीर्षक, प्रकाशन तिथि, और information_points की एक सूची जिसमें हर दावे के साथ उसका स्रोत-क्षेत्र लिखा हो। तब भले सूची में दो ही इकाइयाँ हों, मैं उन दो से एक ईमानदार लेख लिख दूँगा। ज़्यादा तथ्य एक अच्छा लेख नहीं बनाते। सत्यापित तथ्य बनाते हैं।