कधी ग्रीम्लिन्स (Gremlins) प्रमाणे वाढणाऱ्या शब्दावलीला वळण लावण्याचा प्रयत्न केला आहे का?
मी एकदा क्लायंटची “अंतिम” शब्दांची यादी उघडली आणि मला ऑनबोर्डिंगचे (onboarding) 14 प्रकार आढळले—ऑन-बोर्डिंग (on-boarding), ऑन बोर्डिंग (on boarding), ऑनबोर्डिंग (OnBoarding), आणि कुणीतरी ‘युजर इग्निशन’ (User Ignition) नावाचा विचित्र शब्द वापरला होता. जर तुम्ही कधी किचनमधील (kitchen) निरुपयोगी वस्तूंचा ड्रॉवर (drawer) साफ केला असेल, तर तुम्हाला ती भावना समजेल. सातत्यपूर्ण शब्दावली तयार करणे म्हणजे तेच असते—जोपर्यंत तुम्ही चांगले, प्रगत Sider युजर प्रॉम्प्ट वापरून AI-आधारित संज्ञा काढण्याचे काम करत नाही.
हे 'AI सर्व काही बदलेल' याबद्दलचे आणखी एक प्रवचन नाही. हे आहे 'AI, कृपया माझ्या उत्पादनासाठी महत्त्वाचे असलेले शब्द काढा, काल्पनिक गोष्टी सांगू नका आणि दुपारच्या जेवणापूर्वी मला एक व्यवस्थित शब्दकोश तयार करायला मदत करा.' चला, AI-आधारित संज्ञा काढण्याचे काम केवळ स्मार्ट (smart) नाही, तर वारंवार करता येण्यासारखे, ऑडिट (audit) करता येण्यासारखे आणि थोडे कमी त्रासदायक बनवूया.
आपण येथे काय करत आहोत (आणि ते महत्त्वाचे का आहे)
तुमच्याकडे भरपूर कंटेंट (content) आहे: प्रॉडक्ट डॉक्स (product docs), कायदेशीर डेक्स (legal decks), UX स्ट्रिंग्स (UX strings), रीलिज नोट्स (release notes) आणि कुणीतरी रात्री 1 वाजता केलेले रँडम नेमिंग ब्रेनस्टॉर्म (random naming brainstorm). AI-आधारित संज्ञा काढण्याची प्रक्रिया या सगळ्या ढिगाऱ्यातून आवश्यक गोष्टी शोधून काढू शकते: मुख्य नामे, डोमेन-विशिष्ट क्रियापद, संक्षेप, उत्पादनांची नावे आणि ते गुप्त वाक्प्रचार (“सिंगल साइन-ऑन” (single sign-on), “रेट लिमिटिंग” (rate limiting), “झिरो-शॉट प्रॉम्प्टिंग” (zero-shot prompting)) ज्याबद्दल तुमचे अनुवादक आणि लेखक नक्कीच विचारतील.
यातील युक्ती म्हणजे प्रॉम्प्ट (prompt). कोणतेही काव्यमय प्रॉम्प्ट (poetic prompt) नको. एक संरचित, हेतुपुरस्सर कंटाळवाणा, प्रगत Sider युजर प्रॉम्प्ट (advanced Sider user prompt) जो प्रत्येक वेळी सातत्यपूर्ण, विश्वसनीय संज्ञा काढण्याची प्रक्रिया देईल.
ज्यांना घाई आहे त्यांच्यासाठी
- तुम्हाला एक संरचित, ऑडिट करता येण्यासारखा प्रॉम्प्ट (prompt) आवश्यक आहे जो AI ला काय काढायचे आहे आणि काय दुर्लक्षित करायचे आहे हे सांगेल.
- प्रथम मशीन (machine) वाचू शकेल अशा स्वरूपात आउटपुट (JSON किंवा TSV) मागा आणि नंतर माणसांना वाचता येतील अशा नोट्स (notes) मागा.
- नियम सक्तीचे करा: वाक्यातील भाग, डोमेन फिल्टर (domain filters), वारंवारिता थ्रेशोल्ड (frequency thresholds) आणि संदर्भ विंडो (context windows).
- नेहमी डुप्लिकेट (duplicate) नोंदी काढा, सामान्य करा आणि शैलीचे निर्णय स्पष्टपणे सेट करा (अक्षरांची निवड, हायफन (-)).
- प्रत्येक सोर्स डोमेननुसार (source domain) एक्सट्रॅक्शन (extraction) चालवा, नंतर जुळवून घ्या. फायनान्स (finance) संबंधित संज्ञा डेव्हलपर डॉक्समध्ये (developer docs) मिसळू नका.
सुरुवात किट: AI-आधारित संज्ञा काढण्याची प्रक्रिया नेमकी कशी काम करते
AI-आधारित संज्ञा काढण्याच्या प्रक्रियेला शब्दांसाठी जलद डेटिंग (speed dating) प्रमाणे समजा. मॉडेल (model) प्रत्येक टोकनला (token) भेटते, काही प्रश्न विचारते (तुम्ही डोमेन संज्ञा आहात का? लोकांना तुमच्याबद्दल काळजी आहे का? संदर्भाप्रमाणे तुमचा अर्थ बदलतो का?), आणि फक्त जे शब्द शब्दकोषात आणण्यासारखे आहेत, त्यांनाच निवडते.
तांत्रिकदृष्ट्या, मोठे भाषिक मॉडेल (large language models) खालील गोष्टींमध्ये चांगले आहेत:
- एकापेक्षा जास्त शब्दांचे शब्द आणि त्याचे प्रकार शोधणे: “टू-फॅक्टर ऑथेंटिकेशन” (two-factor authentication), “2FA,” “टू स्टेप व्हेरिफिकेशन” (two step verification).
- डोमेन-विशिष्ट अर्थ निवडणे: AI मधील “एजंट” (agent) आणि रिअल इस्टेटमधील (real estate) “एजंट”.
- वारंवारिता + विषयानुसार महत्त्वाला गुण देणे.
ते खालील गोष्टींमध्ये कमी चांगले आहेत:
- “लॉग इन” (log in) (क्रियापद) विरुद्ध “लॉगिन” (login) (नाम) यासाठी तुमच्या टीमची (team) निवड जाणून घेणे.
- तुम्ही मंगळवारी तयार केलेल्या अंतर्गत कोड नावा (internal code names) बरोबर जुळवून घेणे.
- प्रत्येक कॅपिटलाईज्ड (capitalized) नामाला (noun) एखाद्या VIP प्रमाणे जास्त प्रमाणात न निवडणे.
म्हणून आम्ही ते एका प्रॉम्प्टने (prompt) ठीक करतो. एक अतिशय विशिष्ट प्रॉम्प्ट.
AI-आधारित संज्ञा काढण्यासाठी प्रगत Sider युजर प्रॉम्प्ट
हे कॉपी (copy) करा. संपादित (edit) करा. तुमच्या PM च्या (PM) कीबोर्डला (keyboard) टेप (tape) लावा. ध्येय: सातत्यपूर्ण, स्वच्छ शब्द आउटपुट (output) जे तुम्ही स्थानिकीकरण (localization), डॉक्स (docs), UX आणि मार्केटिंगला (marketing) शब्दकोशावरून भांडण न करता देऊ शकता.
H2: प्रगत प्रॉम्प्ट: (Advanced Prompt:) उत्पादन आणि डॉक्ससाठी (Docs) AI-आधारित संज्ञा काढण्याची प्रक्रिया
सिस्टम/रोल (System/Role)
“तुम्ही एक सूक्ष्म संज्ञा विश्लेषक आहात. तुम्ही डोमेन-विशिष्ट संज्ञा आणि त्यांचे प्रकार ओळखता, त्यांची संक्षिप्त व्याख्या करता आणि उपयोगाच्या नोट्स (notes) देता. तुम्ही स्पष्ट कारणांसह आणि कोणत्याही चुकीच्या माहितीशिवाय प्रमाणित, मशीन-वाचनीय डेटा (machine-readable data) आउटपुट (output) करता.”
कार्य (Task)
“दिलेल्या कंटेंटमधून (content) डोमेन-संबंधित संज्ञा काढा. उत्पादन नावे, फीचर नावे, तांत्रिक नामे, संक्षेप आणि स्थिर बहु-शब्दांच्या अभिव्यक्तींना प्राधान्य द्या. सामान्य भाषा, अस्पष्ट मार्केटिंग वाक्ये आणि गैर-डोमेन विशेषणे वगळा.”
मर्यादा (Constraints)
- दोन विभाग आउटपुट (output) करा:
- टर्म्स (terms) नावाचा JSON ॲरे (array), ज्यामध्ये खालील फील्ड्स (fields) असतील:
- टर्म (term) (स्ट्रिंग (string), कॅनोनिकल फॉर्म (canonical form), योग्य नाम नसल्यास लोअरकेस (lowercase))
- व्हेरिएंट्स (variants) (स्ट्रिंगचा ॲरे (array))
- pos (स्ट्रिंग (string): नाम, क्रियापद, विशेषण)
- डोमेन (domain) (स्ट्रिंग (string): उदा. सुरक्षा, बिलिंग, ॲनालिटिक्स (analytics))
- डेफिनेशन (definition) (<= 25 शब्द, विशिष्ट, मार्केटिंगचा (marketing) भरणा नको)
- युसेज_एक्झाम्पल (usage_example) (10–20 शब्द, साधे वाक्य)
- कॉन्टेक्स्ट_स्निपेट्स (context_snippets) (सोर्समधून (source) 1-3 लहान अवतरणांचा ॲरे (array))
- कॉन्फिडन्स (confidence) (0–1)
- नोट्स (notes): तुम्ही लागू केलेल्या सामान्यीकरण नियमांची लहान बुलेट (bullet) यादी (हायफनेशन (hyphenation), कॅपिटलायझेशन (capitalization), संक्षेप विस्तार)
- फक्त त्याच संज्ञा समाविष्ट करा ज्या किमान दोनदा दिसतात किंवा महत्त्वाचे योग्य नाम आहेत.
- एकापेक्षा जास्त शब्दांच्या संज्ञांना एकत्र करा (उदा. “रोल-बेस्ड ॲक्सेस कंट्रोल” (role-based access control)).
- हायफनेशन (hyphenation) आणि केसिंग (casing) सातत्याने सामान्य करा.
- व्हेरिएंट्स (variants) मॅप (map) करा: एकवचन/अनेकवचन, हायफनेशन (hyphenation), कॅमलकेस (camelCase), संक्षेप विस्तार.
फिल्टर्स (Filters)
- वगळा: सामान्य विशेषणे, वेळेचे संदर्भ, कंपनीचे (company) नियम, घोषवाक्ये, लोकांची नावे (उत्पादनासाठी आवश्यक नसल्यास), डोमेन संदर्भाशिवाय संदिग्ध एकवचनी शब्द.
- दस्तऐवजांमध्ये डुप्लिकेट (duplicate) नोंदी काढा.
फॉर्मेटिंग (Formatting)
- टर्म्स (terms) ब्लॉकसाठी (block) वैध JSON परत करा. JSON च्या आधी किंवा नंतर कोणतीही टिप्पणी नको.
- त्यानंतर प्लेन-टेक्स्ट ‘नोट्स’ (‘Notes’) विभाग लिहा.
स्कोअरिंग (Scoring)
- पुरावा घनतेनुसार कॉन्फिडन्स स्कोअर (confidence score) करा: वारंवारिता, व्याख्यांच्या जवळ असणे, शीर्षके, शब्दकोश-सारखा वापर.
इनपुट (Input)
- तुम्हाला विभागानुसार कंटेंट (content) मिळेल. प्रत्येक विभागासाठी, संज्ञा काढा आणि विद्यमान सेटमध्ये (set) विलीन करा.
व्हॅलिडेशन (Validation)
- जर संदर्भातून एखाद्या संज्ञेची व्याख्या करता येत नसेल, तर कॉन्फिडन्स (confidence) < 0.5 सह ध्वजांकित करा आणि अधिक उदाहरणे देण्यासाठी नोट्समध्ये (notes) विनंती जोडा.”
उदाहरण आउटपुट (Example Output) (संक्षिप्त)
terms: [
{
"term": "टू-फॅक्टर ऑथेंटिकेशन",
"variants": ["2fa", "टू-स्टेप व्हेरिफिकेशन"],
"pos": "noun",
"domain": "सुरक्षा",
"definition": "एक लॉगिन प्रक्रिया ज्यामध्ये ओळखीचे दोन स्वतंत्र पुरावे आवश्यक असतात.",
"usage_example": "सेटिंग्जमध्ये (settings) ॲडमिन (admin) खात्यांसाठी टू-फॅक्टर ऑथेंटिकेशन (two-factor authentication) सक्षम करा.",
"context_snippets": ["सुरक्षा टॅबमध्ये (tab) 2FA सक्षम करा", "टू-स्टेप व्हेरिफिकेशन (two-step verification) ईमेल"],
"confidence": 0.92
}
]
नोट्स:
- ‘रोल-बेस्ड ॲक्सेस कंट्रोल’ (role-based access control) साठी हायफनेशन (hyphenation) सामान्य केले.
- संक्षेप विस्तारांचे कॅनोनिकलायझेशन (canonicalization) केले.
- योग्य नामांचे कॅपिटलायझेशन (capitalization): “PostgreSQL,” “OAuth 2.0.”
हे घ्या, हे तुमचे पुन्हा वापरण्यायोग्य इंजिन (engine) आहे. ते कंटाळवाणे बनवा. ते सातत्यपूर्ण बनवा. ते असे बनवा की तुमच्या भविष्यातील तुम्हीlocalization च्या अंतिम मुदतीच्या दिवशी रात्री 11:59 वाजता तुमचे आभार मानतील.
वास्तविक जगातील कार्यप्रणाली: तुमचा गोंधळ थांबवा
तुम्ही टोमॅटो सूप (tomato soup) तुमच्या आईस्ड कॉफीमध्ये (iced coffee) मिसळणार नाही. (जर तुम्ही करत असाल, तर आम्हाला बोलण्याची गरज आहे.) तसेच येथेही करा: स्त्रोत (sources) वेगळे ठेवा, नंतर जुळवून घ्या.
- फेरी 1: फक्त प्रॉडक्ट डॉक्सवर (product docs) AI-आधारित संज्ञा काढण्याची प्रक्रिया चालवा. JSON एक्सपोर्ट (export) करा.
- फेरी 2: डेव्हलपर डॉक्सवर (developer docs) चालवा. JSON एक्सपोर्ट (export) करा.
- फेरी 3: कायदेशीर/धोरणावर चालवा. JSON एक्सपोर्ट (export) करा, पण मार्केटिंगची (marketing) भाषा फिल्टर (filter) करा.
- जुळवून घ्या: JSON ॲरे (array) विलीन करा. कॅनोनिकल फॉर्मनुसार (canonical form) डुप्लिकेट (duplicate) नोंदी काढा. डोमेननुसार (domain) व्हेरिएंट्स (variants) जतन करा. जर “टोकन” (“token”) चा अर्थ सुरक्षा आणि बिलिंगमध्ये (billing) वेगळा असेल, तर दोन्ही स्पष्टपणे ठेवा.
प्रो (pro) टीप: एक्सट्रॅक्शनदरम्यान (extraction) “सोर्स” (“source”) फील्ड (field) जोडा जेणेकरून कुणीतरी “API मध्ये ‘मॅजिक सॉस’ (magic sauce) कोणी जोडला?” असे ओरडल्यास तुम्हाला नेहमी कळेल की संज्ञा कुठून आली आहे.
स्कोअरिंग (scoring) आणि कॉन्फिडन्स (confidence): कारण प्रत्येक गोष्ट शब्दकोशातील नागरिकत्वासाठी पात्र नाही
जर एखादी संज्ञा तळटीपमध्ये (footnotes) दोनदा दिसत असेल आणि शीर्षकांमध्ये (headings) कधीच नसेल, तर ती महत्त्वाची नाही. तीन-सिग्नल स्कोअर (three-signal score) वापरा:
- वारंवारिता: स्त्रोतांमध्ये कच्ची गणना.
- जवळता: शीर्षके, व्याख्या, पॅरामीटर्सच्या (parameters) सारणींजवळील संज्ञांना जास्त महत्व द्या.
- सातत्य: तुमच्या कॉर्पसमध्ये (corpus) कमी प्रतिस्पर्धी अर्थ, जास्त कॉन्फिडन्स (confidence).
जर एखाद्या संज्ञेचा स्कोअर (score) कमी असेल पण हितधारक (stakeholder) ती ठेवण्याचा आग्रह करत असेल (नमस्कार, “प्लॅटफॉर्म” (“platform”)), तर वापराच्या नोटसह (note) ती जोडा: “सामान्य मार्केटिंग (marketing) वापर टाळा; विशिष्ट फीचर नावांना प्राधान्य द्या.”
सामान्यीकरण नियम: ज्या भागावर प्रत्येकजण वाद घालतो
AI-आधारित संज्ञा काढण्याची प्रक्रिया जड काम करते, पण सामान्यीकरण शांतता राखते:
- केस (Case): योग्य नामे कॅपिटलाईज्ड (capitalized) (OAuth 2.0), ब्रँडेड (branded) नसल्यास फीचर्स (features) लोअरकेस (lowercase).
- हायफनेशन (Hyphenation): एक मार्ग निवडा. रोल-बेस्ड ॲक्सेस कंट्रोल (role-based access control) (RBAC), “रोल बेस्ड” (“role based”) नाही.
- नाम विरुद्ध क्रियापद: लॉगिन (login) (नाम), लॉग इन (log in) (क्रियापद). होय, हे महत्त्वाचे आहे. होय, तुमचे ॲप (app) ते मिसळते.
- संक्षेप: प्रथम पूर्ण संज्ञा (रोल-बेस्ड ॲक्सेस कंट्रोल) (role-based access control) सांगा, नंतर संक्षेप (RBAC).
- अनेकवचन: संज्ञा मुळात अनेकवचनी नसल्यास (credentials), सामान्यतः एकवचन वापरावे.
हे नियम तुमच्या प्रॉम्प्ट नोट्समध्ये (prompt notes) टाका जेणेकरून मॉडेल (model) त्यांना बळकट करेल.
बहुभाषिक? संज्ञांचे भाषांतर करू नका. त्यांचे व्यवस्थापन करा.
स्थानिकीकरण टीमसाठी (localization teams), शब्दकोश हा कायदा आहे. प्रथम सोर्स भाषेत (source language) काढा, नंतर खालील फील्ड्ससह (fields) लक्ष्यित ठिकाणांसाठी संज्ञा नोंदी तयार करा:
- source_term, locale_term, part_of_speech, gender/grammar notes, do-not-translate flag, forbidden forms.
- सांस्कृतिक धोके जोडा. AI मधील “एजंट” (agent) विरुद्ध स्पॅनिश (Spanish) ग्राहक समर्थनातील (customer support) “एजेंटे” (agente)—वेगळ्या भावना.
AI लक्ष्य-भाषेतील सूचना तयार करण्यात मदत करू शकते, परंतु उत्पादन नावे, सिस्टम व्हेरिएबल्स (system variables) आणि कोड घटकांवर “भाषांतर करू नका” हे ठेवा. तुमची भविष्यातील QA टीम (QA team) तुमचे आभार मानेल.
मी पाहिलेल्या सर्वात मोठ्या चुका (आणि त्या कशा टाळायच्या)
- कॅपिटलाईज्ड (capitalized) शब्दांचे जास्त एक्सट्रॅक्शन (extraction): फिल्टरने (filter) ठीक करा: “फक्त उत्पादन/सेवा किंवा मानके (उदा. OAuth, Kubernetes) असल्यास योग्य नामे वापरा.”
- अस्पष्ट व्याख्या: 25 शब्द किंवा त्यापेक्षा कमी सक्ती करा, चाचणी करण्यायोग्य वर्तनासह (“प्रति वापरकर्ता प्रति मिनिटाला विनंत्या मर्यादित करा”).
- उदाहरणे नाहीत: नेहमी युसेज_एक्झाम्पल (usage_example) समाविष्ट करा. लोक पाहून शिकतात.
- डोमेन मिसळणे: प्रत्येक संज्ञेसाठी डोमेन टॅग (domain tag) करा. तुम्ही नंतर जुळवून घेऊ शकता, पण “की” (“key”) चा अर्थ प्रत्येक ठिकाणी सारखाच असतो असा दावा करू नका.
- कोणतेही वर्जनिंग (versioning) नाही: शब्दकोश बदलतात. एक वर्जन स्टॅम्प (version stamp) ठेवा. जुन्या नावासाठी “डेप्रिकेटेड” (“deprecated”) फील्ड (field) जोडा.
नमुना परिच्छेदासह (sample paragraph) एक त्वरित चाचणी
समजा तुमच्या डॉकमध्ये (doc) असे म्हटले आहे: “ॲडमिन युजर्ससाठी (admin users) टू-फॅक्टर ऑथेंटिकेशन (two-factor authentication) सक्षम करा. आमचे रोल-बेस्ड ॲक्सेस कंट्रोल (role-based access control) (RBAC) तुम्हाला कस्टम रोल्स (custom roles) नियुक्त करण्यास अनुमती देते. API कीज (API keys) दर 90 दिवसांनी फिरवल्या पाहिजेत.”
चांगले एक्सट्रॅक्शन (extraction) काय परत करते:
- टू-फॅक्टर ऑथेंटिकेशन (two-factor authentication) (व्हेरिएंट्स (variants): 2FA, टू-स्टेप व्हेरिफिकेशन (two-step verification)) — डोमेन: सुरक्षा
- रोल-बेस्ड ॲक्सेस कंट्रोल (role-based access control) (RBAC) — डोमेन: सुरक्षा
- ॲडमिन युजर (admin user) (व्हेरिएंट्स (variants): ॲडमिनिस्ट्रेटर (administrator)) — डोमेन: ओळख
- API की (API key) — डोमेन: सुरक्षा/डेव्होप्स (devops)
- की रोटेशन (key rotation) — डोमेन: सुरक्षा
खराब एक्सट्रॅक्शन (extraction) काय परत करते:
- enable; users; days; custom; rotation (नको)
याचा मालक कोण असावा? इशारा: “प्रत्येकजण” नाही.
- डॉक्स/कंटेंट (Docs/Content): व्याख्या आणि उदाहरणांचे मालक.
- उत्पादन/UX (Product/UX): फीचर नावे आणि कॅपिटलायझेशन (capitalization) प्रमाणित करा.
- Eng/DevRel: तांत्रिक अचूकता आणि पॅरामीटर नेमिंग (parameter naming) तपासा.
- स्थानिकीकरण (Localization): भाषेचे नियम आणि निषिद्ध फॉर्म (forbidden forms) जोडा.
- कायदेशीर/ब्रँड (Legal/Brand): ट्रेडमार्क नावे आणि शैली मंजूर करा.
AI हा इंटर्न (intern) आहे जो कधीच झोपत नाही. नियम अजूनही माणसेच ठरवतात.
नोंद घेण्यासारखे: Sider.AI तुमचा एक्सट्रॅक्शन ऑटोपायलट (extraction autopilot) असू शकतो
जर तुम्हाला CSVs बरोबर कुस्ती करण्यापेक्षा दुपारच्या वेळी कॉफी (coffee) पिण्यात अधिक रस असेल, तर Sider.AI हे प्रगत प्रॉम्प्ट (advanced prompt) अनेक डॉक्समध्ये (docs) चालवू शकते, JSON विलीन करू शकते आणि “कॅमलकेस (camelCase) कोणी शोधला?” असे म्हणण्यापूर्वी तुम्हाला परिणाम तपासू देते. माझ्या चाचण्यांमध्ये, व्हेरिएंट्स (variants) आणि कॉन्फिडन्स स्कोअरसाठी (confidence scores) UI चे (UI) साइड-बाय-साइड व्ह्यू (side-by-side view) तुम्हाला एका पानावर “log-out” आणि दुसऱ्या पानावर “logout” मंजूर करण्यापासून वाचवते. हे जादू नाही—फक्त चांगले सुरक्षा नियम आहेत. लक्ष द्या: तुम्हाला अजूनही बॉस (boss) प्रमाणे प्रॉम्प्ट (prompt) लिहावा लागेल आणि तुमचे सामान्यीकरण नियम सेट (set) करावे लागतील. साधने (tools) अनिश्चितता दूर करत नाहीत. ते फक्त ते स्पष्ट करतात.
कोणत्याही गोंधळाशिवाय हे तुमच्या कंटेंट (content) पाईपलाइनमध्ये (pipeline) कसे प्लग (plug) करायचे
- तुमच्या PR/मर्ज (merge) चेकलिस्टमध्ये (checklist) एक्सट्रॅक्शन (extraction) जोडा. नवीन फीचर (feature)? नवीन संज्ञा.
- बदललेल्या डॉक्सवर (docs) दररोज रात्री चालवा. JSON मध्ये फरक करा. नवीन/कमी-कॉन्फिडन्स (low-confidence) नोंदींवर पुनरावलोकनावर लक्ष केंद्रित करा.
- शब्दकोश पूर्ण झाल्यावर भाषांतरे सुरू करा. संज्ञा नसल्यास, तिकीट नाही.
- निर्णय लॉग (decision log) ट्रॅक (track) करा: जेव्हा “स्पेसेस” (“Spaces”) “प्रोजेक्ट्स” (“Projects”) बनले, तेव्हा नोंद करा. तुमचे भविष्य तुम्हाला वाचू शकत नाही.
ट्रेंड्स (trends): AI-आधारित संज्ञा काढण्याच्या प्रक्रियेसाठी पुढे काय आहे
- संदर्भ-जागरूक प्रशासन: मॉडेल (Models) जे आपोआप विरोधाभासी अर्थ शोधतात आणि डोमेन स्प्लिट्स (domain splits) सुचवतात.
- लाइव्ह (live) UI बाइंडिंग (binding): शब्दकोश नोंदी ज्या थेट तुमच्या डिझाइन सिस्टम (design system) आणि कंपोनेंट लायब्ररीमध्ये (component libraries) सिंक (sync) होतात.
- retrieval-augmented verification: मॉडेल (Model) हे संज्ञा कोठे दिसले आणि ते महत्त्वाचे का आहे हे नमूद करते.
- क्वालिटी स्कोअरिंग (quality scoring): संज्ञा उपयुक्त नसल्यास predictive flags.
होय, यापैकी काही भाग अस्तित्वात आहेत. मजेदार भाग म्हणजे ते कंटाळवाणे आणि विश्वसनीय बनवणे.
साधी चेकलिस्ट (checklist) (याला लॅमिनेट (laminate) करा)
- कडक JSON आउटपुटसह (output) प्रगत Sider प्रॉम्प्ट (advanced Sider prompt) चालवा.
- डोमेननुसार टॅग (tag) करा आणि कॉन्फिडन्स स्कोअर (confidence score) करा.
- सामान्य करा: केस (case), हायफनेशन (hyphenation), संक्षेप, नाम/क्रियापद.
- व्याख्या जोडा ≤ 25 शब्द + वापराचे उदाहरण.
- per-source आउटपुट (output) विलीन करा; कॅनोनिकल फॉर्मने (canonical forms) डुप्लिकेट (duplicate) नोंदी काढा.
- तुमच्या शब्दकोशाची आवृत्ती (version) तयार करा. डेप्रिकेटेड (deprecated) संज्ञा चिन्हांकित करा.
- स्थानिकीकरणासाठी “भाषांतर करू नका” (“do not translate”) आयटम लॉक (lock) करा.
- SMEs सह कमी-कॉन्फिडन्स (low-confidence) आयटमचे पुनरावलोकन करा.
निष्कर्ष: कमी त्रास, जास्त स्पष्टता
AI-आधारित संज्ञा काढण्याची प्रक्रिया तुमचे उत्पादन सोपे करणार नाही. पण ते तुमची भाषा सातत्यपूर्ण बनवेल—आणि सातत्य म्हणजे तुम्ही फीचर्स (features) पाठवताना “लॉग इन” (“log in”) बद्दल भांडण करणे कसे थांबवता. प्रगत प्रॉम्प्टने (advanced prompt) सुरुवात करा. ते कंटाळवाणे ठेवा. आणि जेव्हा कुणीतरी “युजर इग्निशन” (“User Ignition”) स्पेकमध्ये (spec) टाकतो, तेव्हा तुमची प्रणाली (system) नम्रपणे विचारेल, “कृपया ते परिभाषित करा.”
आता तो शब्दकोशाचा ड्रॉवर (drawer) साफ करा. रबर बँड (rubber bands) राहू शकतात. एक्सपायर (expired) झालेला सोया सॉस? संज्ञा नाही. नक्कीच एक्सपायर झाला आहे.
FAQ
प्रश्न 1: AI-आधारित संज्ञा काढण्याची प्रक्रिया म्हणजे काय, साध्या भाषेत?
तुमच्या कंटेंटमधून (content) महत्त्वाच्या डोमेन संज्ञा—जसे की फीचर नावे, संक्षेप आणि एकापेक्षा जास्त शब्दांचे वाक्प्रचार—काढण्यासाठी AI चा वापर करणे, नंतर त्यांची व्याख्या करणे आणि सामान्य करणे. हे स्वच्छ, वापरण्यायोग्य शब्दकोशाचे स्वयं-व्यवस्थापन करण्यासारखे आहे.
प्रश्न 2: चांगले संज्ञा एक्सट्रॅक्शनसाठी (extraction) प्रगत Sider युजर प्रॉम्प्ट (advanced Sider user prompt) कसा लिहायचा?
विशिष्ट आणि कंटाळवाणे व्हा: JSON आउटपुटची (output) मागणी करा, समाविष्ट आणि वगळण्याचे नियम परिभाषित करा, व्याख्या आणि उदाहरणे आवश्यक करा आणि डोमेन टॅग (domain tag) करा. सामान्यीकरण नोट्स (normalization notes) जोडा जेणेकरून मॉडेल (model) सातत्यपूर्ण केसिंग (casing), हायफनेशन (hyphenation) आणि संक्षेप हाताळणी लागू करेल.
प्रश्न 3: AI यादृच्छिक कॅपिटलाईज्ड (capitalized) शब्द जास्त प्रमाणात काढणे कसे टाळायचे?
फिल्टर्स (filters) वापरा जे फक्त उत्पादन नावे, मानके आणि संदर्भासह स्पष्ट एकापेक्षा जास्त शब्दांच्या संज्ञांना परवानगी देतात. वारंवारिता थ्रेशोल्ड (frequency thresholds) आणि कॉन्फिडन्स स्कोअरची (confidence scores) आवश्यकता ठेवा जेणेकरून सामान्य किंवा एकदाच येणारे शब्द फिल्टर (filter) केले जातील.
प्रश्न 4: मी एकाच वेळी सर्व दस्तऐवजांमधून संज्ञा काढू?<br>डोमेनुसार (domain) एक्सट्रॅक्शन (extraction) चालवा—उत्पादन डॉक्स (product docs), डेव्हलपर डॉक्स (developer docs), कायदेशीर—नंतर विलीन करा आणि डुप्लिकेट (duplicate) नोंदी काढा. हे संदर्भ जतन करते आणि “टोकन” (“token”) चा अर्थ टीममध्ये पाच वेगवेगळ्या गोष्टी असण्यासारख्या टक्कर टाळते.
प्रश्न 5: या कार्यप्रणालीमध्ये Sider.AI कुठे मदत करते?
Sider.AI तुम्हाला अनेक फाइल्समध्ये प्रगत प्रॉम्प्ट (advanced prompt) चालवण्याची, आउटपुट (output) विलीन करण्याची आणि कॉन्फिडन्स (confidence) आणि व्हेरिएंट्सचे (variants) जलद पुनरावलोकन करण्याची परवानगी देते. हे तुमच्यासाठी शैली (style) ठरवणार नाही, परंतु ते तुमचे नियम अंमलात आणणे सोपे करते. 
