𝗪𝗵𝗮𝘁 𝗜 𝗟𝗲𝗮𝗿𝗻𝗲𝗱 𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗣𝗶𝗽𝗲𝗹𝗶𝗻𝗲-𝗔𝘄𝗮𝗿𝗲 𝗖𝗼𝗻𝘁𝗲𝗻𝘁 𝗶𝗻 𝗔𝘀𝘁𝗿𝗼
प्रत्येक पेज व्ह्यूवर AI API कॉल न करता तुम्ही वेगवेगळ्या मॉडेल प्रकारांसाठी विशिष्ट कंटेंट तयार करू शकता.
मी Astro वापरून एक AI टूल्स डिरेक्टरी तयार केली. सुरुवातीला, प्रत्येक मॉडेल पेज सारखेच दिसत होते. सारांश (summaries) वेगळे होते, परंतु मार्गदर्शक विभाग (guidance sections) सामान्य होते. ऑडिओ मॉडेलचे पेज आणि टेक्स्ट मॉडेलचे पेज दोन्हीमध्ये एकच रिकामे फिलर टेक्स्ट दिसत होते.
हे वापरकर्त्यांसाठी वाईट आहे. तसेच हे SEO साठी देखील वाईट आहे.
मी HuggingFace मधील एक सिंगल मेटाडेटा फील्ड वापरून हे सोडवले: pipeline_tag.
ही प्रणाली कशी काम करते ते खाली दिले आहे:
- डेटा स्टोरेज (Data Storage): माझी ETL प्रक्रिया 'fetch' स्टेप दरम्यान डेटाबेसमध्ये pipeline_tag सेव्ह करते.
- बिल्ड टाइम लॉजिक (Build Time Logic): Astro च्या 'static site generation' प्रक्रियेदरम्यान हे टॅग लोड केले जाते.
- निर्णय प्रक्रिया (Decision Paths): टॅग तपासण्यासाठी मी साध्या कोडचा वापर करतो. जर टॅग "text-generation" असेल, तर पेजवर LLM सल्ला दिसतो. जर तो "audio" असेल, तर स्पीच (speech) सल्ला दिसतो.
- झिरो रनटाइम कॉस्ट (Zero Runtime Cost): हे सर्व लॉजिक बिल्ड दरम्यान घडते. वापरकर्त्याला साधे HTML मिळते. जेव्हा ते साइटला भेट देतात, तेव्हा कोणतेही API कॉल्स किंवा अतिरिक्त प्रोसेसिंग होत नाही.
मी अधिक चांगले 'usability signals' तयार करण्यासाठी देखील या डेटाचा वापर केला:
• डाउनलोड टियर्स (Download Tiers): फक्त संख्या दाखवण्याऐवजी, मी मॉडेल्सना "established," "actively-used," किंवा "niche" असे वर्गीकृत केले आहे. यामुळे वापरकर्त्याला त्यांना कम्युनिटी सपोर्ट मिळेल की नाही हे समजते. • संबंधित एफिलिएट्स (Relevant Affiliates): LLM पेजेसवर GPU रेंटल लिंक्स दिसतात. एम्बेडिंग (Embedding) पेजेसवर वेगळ्या आणि अधिक संबंधित लिंक्स दिसतात. • इंडेक्स कंट्रोल (Index Control): जर एखाद्या मॉडेलचा डेटा खराब असेल किंवा टॅग्स नसतील, तर मी "noindex" टॅग वापरतो. यामुळे कमी दर्जाची पेजेस Google सर्च रिझल्टमध्ये दिसण्यापासून रोखली जातात.
तोटे (The trade-offs):
- अचूक नसलेले टॅग्स (Imprecise Tags): काही लेखक मॉडेल्सना चुकीच्या पद्धतीने टॅग करतात. मी यासाठी 'generic guidance' चा पर्याय (fallback) म्हणून वापर करतो.
- कोडची गुंतागुंत (Code Complexity): आता पेज कंपोनंट मोठा झाला आहे. जसा हा कोड वाढेल, तसा मी त्याचे 'helper functions' मध्ये रिफॅक्टर (refactor) करण्याचे नियोजन करत आहे.
याचा परिणाम असा झाला आहे की, रिअल-टाइम AI जनरेशनचा मोठा खर्च न करता ही साइट वापरकर्त्यासाठी खास तयार केल्यासारखी (tailored) वाटते.