ഓട്ടോമേഷൻ മറച്ചുവെക്കാൻ ഞാൻ എങ്ങനെ ഒരു Pre-Post QC Gate നിർമ്മിച്ചു

ഓട്ടോമേഷൻ അതിന്റെ അടയാളങ്ങൾ അവശേഷിപ്പിക്കും.

ഒരു Bluesky ക്യൂ (queue) പ്രവർത്തിച്ച് മൂന്നാഴ്ച കഴിഞ്ഞപ്പോൾ, "the content pipeline" എന്ന് പരാമർശിക്കുന്ന ഒരു പോസ്റ്റ് പുറത്തുവരുന്നത് ഞാൻ കണ്ടു.

ഒരു ടെക്നിക്കൽ ബ്ലോഗിൽ ആ പ്രയോഗം കുഴപ്പമില്ലാത്തതാണ്. എന്നാൽ ഒരു സോഷ്യൽ ടൈംലൈനിൽ അത് ഒരു മുന്നറിയിപ്പാണ് (red flag). ഒരു കണ്ടന്റ് ഫാം (content farm) ആണ് തങ്ങൾ കാണുന്നത് എന്ന് അത് മനുഷ്യരായ വായനക്കാരെ അറിയിക്കുന്നു.

എന്റെ സിസ്റ്റം യന്ത്രസമാനമായി പ്രവർത്തിക്കുന്നുണ്ടായിരുന്നു, പക്ഷേ അതിൽ ഒരു ഫിൽട്ടർ ഇല്ലായിരുന്നു. AI നിർമ്മിക്കുന്നതെന്തും നേരിട്ട് ക്യൂവിലേക്ക് പോയിക്കൊണ്ടിരുന്നു. ക്യൂവിന്റെ മുൻപിലുണ്ടായിരുന്നവ പോസ്റ്റ് ചെയ്യപ്പെട്ടു.

ഇത് പരിഹരിക്കാനായി ഞാൻ bluesky-qc.mjs എന്ന പേരിൽ ഒരു ഗേറ്റ് സ്ക്രിപ്റ്റ് നിർമ്മിച്ചു. ഇത് കണ്ടന്റ് നിർമ്മാണ ഘട്ടത്തിനും (generation step) പോസ്റ്റിംഗ് ഘട്ടത്തിനും (posting step) ഇടയിൽ ഒരു ഫിൽട്ടറായി പ്രവർത്തിക്കുന്നു.

ഈ നാല് ഗേറ്റുകൾ എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത് എന്ന് താഴെ നൽകുന്നു:

  • ഗേറ്റ് 1: ഫ്രേസ് ഡിറ്റക്ഷൻ (Phrase Detection). ഓട്ടോമേഷൻ സൂചനകൾ കണ്ടെത്താൻ ഞാൻ വാക്കുകളുടെ ഒരു കർശനമായ പട്ടിക ഉപയോഗിക്കുന്നു. "AI-generated," "cron job," "batch test," "content pipeline" തുടങ്ങിയ പദങ്ങളെ ഇത് തടയുന്നു. ഒരു പോസ്റ്റ് ഒരു റോബോട്ട് എഴുതിയത് പോലെ തോന്നിയാൽ, ഗേറ്റ് അത് തടയുന്നു.

  • ഗേറ്റ് 2: സ്റ്റേൽനസ് ചെക്ക് (Staleness Check). ഇത് രണ്ട് തരത്തിലുള്ള പിശകുകൾ തടയുന്നു. ഒന്നാമതായി, പോസ്റ്റ് വൈകിയാൽ തെറ്റായ വിവരമായി മാറുന്ന "just released" പോലുള്ള സമയബന്ധിതമായ പ്രയോഗങ്ങളെ ഇത് കണ്ടെത്തുന്നു. രണ്ടാമതായി, ഇത് എൻട്രിയുടെ പഴക്കം പരിശോധിക്കുന്നു. ഒരു എൻട്രിക്ക് 14 ദിവസത്തിൽ കൂടുതൽ പഴക്കമുണ്ടെങ്കിൽ അത് പരാജയപ്പെടുന്നു.

  • ഗേറ്റ് 3: എൻഗേജ്‌മെന്റ് പ്രെഡിക്ഷൻ (Engagement Prediction). ഈ സ്ക്രിപ്റ്റ് എന്റെ കഴിഞ്ഞ 300 പോസ്റ്റുകൾ പരിശോധിക്കുന്നു. ലൈക്കുകൾ, റിപ്ലൈകൾ, റീപോസ്റ്റുകൾ എന്നിവ ഉപയോഗിച്ച് ഇത് ഒരു അടിസ്ഥാന സ്കോർ (baseline score) കണക്കാക്കുന്നു. ചരിത്രപരമായി മോശം പ്രകടനം കാഴ്ചവെച്ച ഹാഷ്‌ടാഗുകൾ ഒരു പോസ്റ്റിൽ ഉപയോഗിക്കുന്നുണ്ടെങ്കിൽ സിസ്റ്റം അത് അടയാളപ്പെടുത്തുന്നു.

  • ഗേറ്റ് 4: ക്വാളിറ്റി റിവ്യൂ (Quality Review). അവസാന ഘട്ട ഗുണനിലവാര പരിശോധനയ്ക്കായി ഒരു മോഡൽ ഉപയോഗിക്കുന്നതിനായുള്ള ആസൂത്രിതമായ ഘട്ടമാണിത്.

പരാജയപ്പെടുന്ന ഓരോ പോസ്റ്റും ഒരു റിജക്ഷൻ ലോഗിലേക്ക് (rejection log) പോകുന്നു. ഞാൻ ആഴ്ചതോറും ഈ ലോഗ് പരിശോധിക്കാറുണ്ട്. എന്റെ പ്രോംപ്റ്റുകൾ (prompts) ശരിയാക്കാൻ ഇത് എന്നെ സഹായിക്കുന്നു. AI വീണ്ടും വീണ്ടും "pipeline" പോലുള്ള സാങ്കേതിക പദങ്ങൾ ഉപയോഗിക്കുന്നുണ്ടെങ്കിൽ, അത് ഒഴിവാക്കാൻ ഞാൻ പ്രോംപ്റ്റ് പുതുക്കുന്നു.

ഈ സിസ്റ്റം ഒരു ലളിതമായ നിയമം പിന്തുടരുന്നു: നേരത്തെ തന്നെ ഗേറ്റ് ചെയ്യുക, പരാജയങ്ങൾ വിവരദായകമാക്കുക, തെറ്റുകൾ നിശബ്ദമായി അവഗണിക്കരുത്.

ഓട്ടോമേഷൻ വെളിപ്പെടുത്തുന്ന എന്തെങ്കിലും പോസ്റ്റ് ചെയ്യുന്നതിനേക്കാൾ നല്ലത് ഒരു ദിവസം പോസ്റ്റിംഗ് ഒഴിവാക്കുന്നതാണ്.

Source: https://dev.to/morinaga/how-i-built-a-pre-post-qc-gate-that-blocks-bluesky-automation-from-self-revealing-41ja

Optional learning community: https://t.me/GyaanSetuAi