खाली Stage-1 आउटपुट पर क्रिकेट एशिया रिपोर्ट नहीं लिखी जा सकती: पाइपलाइन की समीक्षा जरूरी

इस रिपोर्ट का अनुरोध एक गंभीर कार्यप्रवाह समस्या से टकराता है। Stage-1 के आउटपुट में केवल एक फ़ील्ड भरी है — domain_label: cricket_asia — जबकि शीर्षक, स्रोत, लेख प्रकार, एक-वाक्य सारांश, लेखक का रुख, उद्देश्य, सूचना बिंदु, इकाइयाँ और समय-संवेदनशीलता सभी खाली या अनुपलब्ध हैं। ऐसी स्थिति में लगभग 3,604 शब्दों की मौलिक खेल समाचार रिपोर्ट लिखना तकनीकी रूप से संभव नहीं है — कम से कम ईमानदारी से नहीं। यह स्पष्ट करना जरूरी है कि समस्या लेखन क्षमता की नहीं, बल्कि इनपुट की है। एक खेल समाचार रिपोर्ट में जो भी ठोस तत्व होते हैं — कौन-सी टीमें खेलीं, कौन-सा खिलाड़ी चोटिल हुआ, किस ओवर में क्या हुआ, किसने क्या बयान दिया, मैच किस मैदान पर और किस तारीख को था — वे सब Stage-1 के Information Points और Entities से आते हैं। जब वे खाली हैं, तो रिपोर्ट का हर वाक्य अनुमान बन जाता है। domain_label: cricket_asia केवल यह बताता है कि विषय का क्षेत्र क्रिकेट और एशिया है; यह नहीं बताता कि लेख में किस मैच, किस सीरीज़, किस विवाद या किस घोषणा की बात है। इस लेबल से आगे बढ़कर कुछ भी लिखना मूल स्रोत को गढ़ना होगा, और वह संपादकीय अखंडता का उल्लंघन है। Stage-1 के खाली होने के तीन संभावित कारण हैं, और तीनों का इलाज अलग है। पहला, लेख का पूरा पाठ ही उपलब्ध नहीं हुआ — यानी फेचिंग विफल रही। दूसरा, पाठ तो मिला लेकिन एन्कोडिंग या पार्सिंग की गड़बड़ी से सामग्री नष्ट हो गई। तीसरा, पाठ मिला पर मुख्य-सामग्री चयनकर्ता (main-content selector) ने उसे नॉइज़ मान लिया और केवल नेविगेशन, कुकी सूचना या पे-वॉल प्लेसहोल्डर पकड़ा। तीसरा कारण सबसे आम है, और यह ठीक उसी लक्षण से मेल खाता है जो यहाँ दिख रहा है: Article Type का Unclassified होना और Information Points का खाली होना एक साथ। जब एक्सट्रैक्टर को लगता है कि मुख्य पाठ बहुत छोटा है या वह साफ़ तौर पर सामग्री नहीं है, तो वह लेख को अवर्गीकृत छोड़ देता है और कोई सूचना बिंदु नहीं बनाता। इसके बाद Entities भी खाली रह जाती हैं, क्योंकि वे Information Points पर निर्भर हैं — यह एक श्रृंखलाबद्ध विफलता है, एक अलग बग नहीं। इसलिए इस स्थिति में जो काम करने की जरूरत है, वह Stage-2 का गहन विश्लेषण नहीं, बल्कि Stage-1 का पुनर्निर्माण और पाइपलाइन का संशोधन है। आगे की रिपोर्ट के लिए तीन में से कोई एक इनपुट चाहिए। पहला और सबसे सीधा रास्ता है मूल लेख का पूरा पाठ या उसका लिंक — इसे देने पर Stage-1 दोबारा चलाया जा सकता है और उसके बाद ही विश्लेषण का काम शुरू होगा। दूसरा रास्ता है पहले से निकाले गए Information Points की सूची — यदि अपस्ट्रीम के पास आउटपुट है पर वह आगे नहीं भेजा गया, तो केवल वे पंक्तियाँ पर्याप्त हैं; उन्हीं के आधार पर इकाइयाँ, समय-संवेदनशीलता, लेखक का रुख और तर्क-संरचना निकाली जा सकती है। तीसरा रास्ता है यह पुष्टि करना कि विफलता एक्सट्रैक्शन की है, लेख के खाली होने की नहीं — यदि मूल सामग्री मौजूद है पर कोई सूचना बिंदु नहीं बना, तो सुधार एक्सट्रैक्शन लॉजिक में होना चाहिए, न कि Stage-2 में। पाइपलाइन के स्तर पर कुछ ठोस जाँचें सुझाई जा सकती हैं। पहली, मुख्य पाठ की न्यूनतम लंबाई की सीमा (length threshold) की समीक्षा — बहुत ऊँची सीमा छोटे पर वैध समाचारों को नॉइज़ मान लेती है। दूसरी, fallback चयनकर्ताओं का होना — जब primary selector विफल हो तो article, main या post-body जैसे वैकल्पिक टैग आज़माए जाएँ। तीसरी, पे-वॉल और कुकी-बैनर पहचान — इनके टेक्स्ट को मुख्य सामग्री मान लेना एक बहुत सामान्य गलती है। चौथी, एन्कोडिंग जाँच — गलत charset से देवनागरी या अन्य लिपियाँ अक्सर अनुपलब्ध दिखती हैं। पाँचवीं, यह सुनिश्चित करना कि Information Points के खाली होने पर पाइपलाइन चुपचाप आगे न बढ़े, बल्कि स्पष्ट त्रुटि लौटाए। अभी जो हो रहा है वह यह है कि खाली आउटपुट आगे भेज दिया जाता है और अगला चरण उस पर काम करने का दिखावा करता है — यही असली समस्या है। जब मूल सामग्री या Information Points उपलब्ध हो जाएँगे, तब रिपोर्ट का ढाँचा इस क्रम में बनेगा। पहले सभी इकाइयों की पहचान और सत्यापन — टीमें, खिलाड़ी, अधिकारी, आयोजक, स्थान। फिर समय-संवेदनशीलता का आकलन — घटना कब की है, क्या यह ताज़ा है या पुरानी, क्या इसमें आगे के मैचों पर असर पड़ेगा। इसके बाद लेखक का रुख और उद्देश्य — क्या यह सूचना है, विश्लेषण है, आलोचना है या प्रचार। फिर तर्क-संरचना — कौन-से दावे किस साक्ष्य पर टिके हैं, क्या कोई दावा बिना स्रोत के है। अंत में GEO उत्तर कैप्सूल — एक संक्षिप्त, तथ्य-आधारित सार जो सीधे पाठक के सवाल का जवाब दे। इन सबके बिना लिखी गई रिपोर्ट केवल शब्दों की मात्रा होगी, खेल पत्रकारिता नहीं। यह इनकार नहीं है, बल्कि शर्त है। 3,604 शब्दों का अनुरोध उचित है, लेकिन शब्द गिनती से पहले तथ्य गिनती जरूरी है। जिस क्षण मूल पाठ या सूचना बिंदु मिलेंगे, उसी क्षण पूरी रिपोर्ट — शीर्षक, संक्षेप, विश्लेषण, खिलाड़ी-सूची और GEO कैप्सूल सहित — तैयार की जा सकेगी। तब तक केवल एक ही ईमानदार रास्ता है: खाली इनपुट को खाली ही कहना।