𝗪𝗵𝗮𝘁 𝗜 𝗟𝗲𝗮𝗿𝗻𝗲𝗱 𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗣𝗶𝗽𝗲𝗹𝗶𝗻𝗲-𝗔𝘄𝗮𝗿𝗲 𝗖𝗼𝗻𝘁𝗲𝗻𝘁 𝗶𝗻 𝗔𝘀𝘁𝗿𝗼
আপনি প্রতিবার পেজ ভিউ করার সময় AI API কল না করেই বিভিন্ন মডেলের ধরণের জন্য নির্দিষ্ট কন্টেন্ট তৈরি করতে পারেন।
আমি Astro ব্যবহার করে একটি AI টুলস ডিরেক্টরি তৈরি করেছি। শুরুতে, প্রতিটি মডেল পেজ দেখতে একই রকম ছিল। সামারিগুলো ইউনিক ছিল, কিন্তু গাইডেন্স সেকশনগুলো ছিল সাধারণ বা জেনেরিক। একটি অডিও মডেলের পেজ এবং একটি টেক্সট মডেলের পেজ—উভয় ক্ষেত্রেই একই রকম খালি টেক্সট দেখাচ্ছিল।
এটি ব্যবহারকারীদের জন্য খারাপ। এটি SEO-এর জন্যও ক্ষতিকর।
আমি HuggingFace থেকে একটি মাত্র মেটাডেটা ফিল্ড ব্যবহার করে এটি সমাধান করেছি: pipeline_tag।
সিস্টেমটি যেভাবে কাজ করে:
- ডেটা স্টোরেজ: আমার ETL প্রসেস ফেচ (fetch) স্টেপের সময় ডাটাবেসে
pipeline_tagসেভ করে। - বিল্ড টাইম লজিক: Astro স্ট্যাটিক সাইট জেনারেশন প্রসেসের সময় এই ট্যাগটি লোড করে।
- ডিসিশন পাথ: আমি ট্যাগটি চেক করার জন্য সাধারণ কোড ব্যবহার করি। যদি ট্যাগটি "text-generation" হয়, তবে পেজটি LLM সংক্রান্ত পরামর্শ দেখায়। যদি এটি "audio" হয়, তবে এটি স্পিচ সংক্রান্ত পরামর্শ দেখায়।
- জিরো রানটাইম কস্ট: এই সমস্ত লজিক বিল্ড করার সময় সম্পন্ন হয়। ব্যবহারকারী শুধুমাত্র সাধারণ HTML পায়। সাইট ভিজিট করার সময় কোনো API কল বা অতিরিক্ত প্রসেসিং হয় না।
আমি আরও উন্নত ইউজেবিলিটি সিগন্যাল তৈরি করতে এই ডেটা ব্যবহার করেছি:
• ডাউনলোড টিয়ার: শুধু একটি সংখ্যা দেখানোর পরিবর্তে, আমি মডেলগুলোকে "established," "actively-used," অথবা "niche" হিসেবে ক্যাটাগরিভুক্ত করি। এটি ব্যবহারকারীকে জানায় যে তারা কমিউনিটি সাপোর্ট পাবে কি না। • প্রাসঙ্গিক অ্যাফিলিয়েট: LLM পেজগুলোতে GPU রেন্টাল লিঙ্ক দেখায়। এমবেডিং পেজগুলোতে ভিন্ন এবং আরও প্রাসঙ্গিক লিঙ্ক দেখায়। • ইনডেক্স কন্ট্রোল: যদি কোনো মডেলের ডেটা খারাপ হয় বা ট্যাগ মিসিং থাকে, তবে আমি "noindex" ট্যাগ ব্যবহার করি। এটি গুগল সার্চ রেজাল্টে নিম্নমানের পেজ আসা রোধ করে।
পার্শ্বপ্রতিক্রিয়া বা ট্রেড-অফসমূহ:
- অস্পষ্ট ট্যাগ: কিছু লেখক ভুলভাবে মডেল ট্যাগ করেন। আমি সাধারণ গাইডেন্সের মাধ্যমে (fallback) এটি সামলে নিই।
- কোড জটিলতা: পেজ কম্পোনেন্টটি এখন আগের চেয়ে বড়। এটি বড় হওয়ার সাথে সাথে আমি এটিকে হেল্পার ফাংশনে রিফ্যাক্টর (refactor) করার পরিকল্পনা করছি।
এর ফলে এমন একটি সাইট তৈরি হয়েছে যা রিয়েল-টাইম AI জেনারেশনের বিশাল খরচ ছাড়াই ব্যবহারকারীর জন্য বিশেষভাবে তৈরি বলে মনে হয়।