आपको सबसे शक्तिशाली AI से औसत जवाब मिलने का केवल एक ही कारण है।
क्योंकि वह AI आपके बारे में कुछ नहीं जानता।
उसे आपका व्यवसाय, आपके ग्राहक, या यह नहीं पता कि आपने कल क्या तय किया था। इसलिए वह हर बार शून्य से अनुमान लगाता है। और अनुमान, चाहे कितने भी अच्छे क्यों न हों, केवल "औसत स्कोर" तक ही पहुँचते हैं।
मैंने Claude Code का उपयोग करके अपनी "एक प्रतिलिपि" बनाकर इस समस्या को हल किया। तकनीकी शब्दों में, यह एक दूसरा दिमाग (Second Brain) है। यह एक ऐसी प्रणाली है जहाँ आपकी यादें, निर्णय और लेखन शैली एक डिस्क पर ऐसे प्रारूप में संग्रहीत होते हैं जिसे AI पढ़ और लिख सकता है।
मैं इसे कई महीनों से चला रहा हूँ और Fable 5 के लिए इसे पूरी तरह से फिर से बनाया है। संस्करण 2.0। मैं इस लेख में सब कुछ लिखूँगा—मैंने क्या बनाया, कैसे बनाया, कोड और फ़ोल्डर संरचना। मैंने सभी टेम्पलेट और स्क्रिप्ट GitHub पर डाल दिए हैं, कृपया उन्हें लें और अपने लिए विकसित करें।
→ github.com/chaenmasahiro0425/exbrain
आखिर सेकंड ब्रेन क्या है? ── बस Obsidian के ऊपर एक फ़ोल्डर
यह कोई भव्य उपकरण नहीं है। इसकी असली पहचान Mac पर Markdown फ़ाइलों का एक बंडल है। आप इसे Obsidian (एक मुफ्त Markdown ऐप) से देखते हैं, और Claude Code सीधे फ़ोल्डर को पढ़ता और लिखता है। किसी प्लगइन या कनेक्टर की आवश्यकता नहीं है। मनुष्य Obsidian से पढ़ते हैं, और AI फ़ोल्डर को छूता है। दोनों एक ही "दिमाग" को देख रहे हैं।
यह तब भी काम करता है जब PC बंद हो (स्वचालित क्लाउड कार्य)। आप इसे iPhone पर पढ़ सकते हैं (iCloud सिंक)। और चाहे आप कोई भी मॉडल बदलें, यह दिमाग बचा रहता है। यह सबसे महत्वपूर्ण हिस्सा है। यदि आप तंत्र को एक शीट में रखें, तो यह इस प्रकार बहता है: संग्रह करें → बुनें → उपयोग करें।
यहाँ तक कि उसी Fable 5 के साथ, जैसे ही यह इस दिमाग से जुड़ता है, यह एक अलग मशीन बन जाता है। कोड आपकी आर्किटेक्चर का अनुसरण करता है, टेक्स्ट आपकी आवाज़ में लिखा जाता है, और प्रस्ताव आपके पास मौजूद तथ्यों पर आधारित होते हैं।
कई महीनों तक चलाने से सीखा एक सबक
पिछले साल, मैंने पहली पीढ़ी तीन फ़ाइलों पर केंद्रित बनाई: SOUL / MEMORY / DREAMS। यह एक ऐसी प्रणाली थी जहाँ दैनिक लॉग, X क्लिप और मीटिंग मिनट्स स्वचालित रूप से जमा होते थे। कुछ महीनों तक चलाने के बाद, मैंने कुछ बहुत स्पष्ट रूप से सीखा।
कच्चे लॉग अपने आप जमा हो जाते हैं यदि उन्हें छोड़ दिया जाए। लेकिन "संकलित ज्ञान" अगर छोड़ दिया जाए तो सड़ जाता है।
दैनिक नोट्स और क्लिप ऑटोमेशन के माध्यम से हर दिन मोटे होते जाते हैं। हालाँकि, ग्राहक पेज और इंडेक्स कुछ ही हफ्तों में अप्रचलित हो गए।
अप्रैल में बनाई गई ग्राहक सूची जमी रही, जुलाई के एक भी नए प्रोजेक्ट के बारे में नहीं जानती। एक दिमाग जो केवल तब बढ़ता है जब आप उसे खिलाना याद रखते हैं, तीन हफ्तों में मर जाता है।
इसलिए मैंने इसे "4 परतों" में विभाजित किया ── 2.0 डिज़ाइन
2.0 में, मैंने सब कुछ एक बक्से में रखना बंद कर दिया। मैंने इसे अलग-अलग विशेषताओं वाली चार परतों में विभाजित किया और प्रति परत केवल एक "लेखक" तय किया। यदि केवल एक लेखक है, तो संरचनात्मक रूप से सिंक्रनाइज़ेशन विरोध नहीं होते हैं। पहचान (व्यक्तित्व) केवल मनुष्यों द्वारा लिखी जाती है, डाइजेस्ट (सारांश) केवल क्लाउड द्वारा, विकी (ज्ञान) रात्रि संकलक द्वारा, और रॉ (कच्चे लॉग) स्वचालित संग्रह द्वारा।
कच्ची परत को अहिंसनीय क्यों बनाएं? क्योंकि यदि वही AI बार-बार एक ही नोट को पढ़ता और फिर से लिखता है, तो विवरण पिघल जाते हैं और चक्रवृद्धि ब्याज के साथ त्रुटियाँ बढ़ जाती हैं। कच्चे लॉग को फ्रीज़ करके, ऊपर की ज्ञान परत को आवश्यकतानुसार कई बार फिर से बनाया जा सकता है।
यह अपडेट निम्नलिखित विदेशी लेख के संदर्भ में बनाया गया था।
https://x.com/masahirochaen/status/2073548158270144705
2.0 का हृदय ── "रात्रि संकलक"
यह मुख्य आकर्षण है। मैंने कच्चे लॉग को ज्ञान में बदलने का काम एक स्वचालित संकलक को सौंप दिया जो हर रात 23:30 बजे चलता है। हर रात, यह चीज़ जागती है, दिन के लॉग और नई क्लिप पढ़ती है, और स्रोत लिंक सहित उल्लिखित ग्राहकों, लोगों और टूल के पेजों को स्वचालित रूप से अपडेट करती है। यदि यह कहता है "CyberAgent के साथ 4.5 मिलियन पर सहमति हुई," तो वह तथ्य संबंधित पेज पर जमा हो जाता है।
इसे बेकाबू होने से रोकने के लिए तीन तंत्र हैं। ① LLM को git को छूने न दें। ② परत के अनुसार सीमित करें कि वह कहाँ लिख सकता है (इसे raw या identity को छूने न दें)। ③ यदि raw में कोई बदलाव होता है, तो स्वचालित रूप से इसे पुनर्स्थापित करें और कमिट रोकें। और लागत महत्वपूर्ण है। संकलन एक नियमित कार्य है, इसलिए इसे सबसे सस्ते मॉडल पर चलाएँ। प्रीमियम मॉडल को केवल साप्ताहिक एकीकरण पास के लिए बाहर आने की आवश्यकता है।
वह "लूप" जो दिमाग को जीवित रखता है
एक सेकंड ब्रेन शेड्यूल पर रहता है, स्मृति पर नहीं। प्रत्येक सत्र की शुरुआत में, एक प्राइमर आज का संदर्भ इंजेक्ट करता है, सुबह और शाम दैनिक नोट्स उत्पन्न होते हैं, X बुकमार्क हर 4 घंटे में एकत्र किए जाते हैं, हर रात संकलित होते हैं, और रविवार को क्षय का पता लगाने (lint) और साप्ताहिक सारांश चलते हैं। प्रीमियम मॉडल सप्ताह में केवल एक बार काम करते हैं। बाकी सब कुछ सस्ते मॉडल और शेल स्क्रिप्ट द्वारा संभाला जाता है। शीर्ष-स्तरीय मॉडलों पर दिनचर्या फेंकना पैसे को नाले में फेंकने जैसा है।
आपको रोज़ "देखी गई यादों" को चुनने की ज़रूरत नहीं है
"क्या मुझे खुद चुनना होगा कि कौन से लेख अच्छे हैं?" ── नहीं। यह इस डिज़ाइन का उत्तर है।
अगर X पर कोई चीज़ आपकी नज़र में आती है, तो बस इसे बुकमार्क करें। हर 4 घंटे में क्लिप फ़ंक्शन स्वचालित रूप से इसे raw परत में प्रवाहित करता है (अब 1,467 आइटम जमा हो चुके हैं)।
यहाँ तक कि सिर्फ एक लेख का लिंक Slack DM में डालना भी ठीक है। सभी मनुष्य करते हैं "देखना।" चयन को रात्रि संकलक का काम बना दिया गया। हमने पढ़ने को याद रखने से अलग कर दिया।
और फिर Fable 5 आया ── मैंने अपने द्वारा विकसित 80% "निर्देश" फेंक दिए
जो नियम मैंने कई महीनों में लिखे थे, वे पता चलने से पहले ही विशाल हो गए थे। Fable 5 पर स्विच करते समय मैंने सबसे पहला काम उनमें से 80% को "हटाना" किया।
पुराने मॉडल औसत स्कोर पर लौट आते थे जब तक कि आप उन्हें चरण-दर-चरण निर्देश न दें। इसलिए मैं अंतहीन रूप से "यह मत करो, वह मत करो" जोड़ता रहा। Fable 5 अलग है। यह प्रयास (मानव-घंटे) के माध्यम से बुद्धिमत्ता और गति को समझता है, और वांछित व्यवहार के लिए केवल एक "छोटे वाक्य" की आवश्यकता होती है। जब मैंने चीज़ों को सूचीबद्ध करना बंद किया, तो यह वास्तव में अधिक स्मार्ट हो गया।
सेकंड ब्रेन के लिए, यह एक टेलविंड था। पुरानी पीढ़ियों के लिए बनाए गए कौशल और प्रॉम्प्ट वास्तव में Fable 5 में गुणवत्ता कम करते हैं।
इसलिए 2.0 में, मैंने कंपाइलर प्रॉम्प्ट और CLAUDE.md को छोटा कर दिया। आपको केवल "तथ्यों" को दिमाग में संग्रहीत करने की आवश्यकता है। मॉडल के स्मार्ट होने पर व्यवहार छोटा हो जाता है।
सारांश ── अपनी "एक प्रतिलिपि" बनाने के 7 कदम
① एक वॉल्ट बनाएँ (Obsidian फ़ोल्डर)
② 4 परतों में विभाजित करें (raw / wiki / digest / identity), प्रति परत एक लेखक तय करें
③ आपके पास जो कुछ भी है उसे raw में डालें
④ रात्रि संकलन सेट करें (हर रात, एक सस्ते मॉडल के साथ)
⑤ साप्ताहिक lint के साथ "क्षय" का पता लगाएँ (रविवार, कोई LLM नहीं)
⑥ सत्यापन के साथ शोध को संपत्ति में बदलें
⑦ INDEX को प्रवेश द्वार के रूप में उपयोग करें और पूर्ण स्कैन प्रतिबंधित करें
ड्राइवर की सीट पर मॉडल फिर से बदलेगा। लेकिन वॉल्ट हर संक्रमण से बचेगा। और लिखित प्रतिक्रिया दिमाग को हर हफ्ते स्मार्ट बनाएगी, चाहे कोई भी ड्राइवर हो। आप सबसे छोटा संस्करण एक घंटे में बना सकते हैं। एक फ़ोल्डर, आपके व्यवसाय के बारे में लिखी गई दस फ़ाइलें, और एक एजेंट जिसे "पहले वह पढ़ो" कहा गया है। उसके बाद, आउटपुट आपको बाकी बताएगा।
मैंने यह सब ओपन सोर्स कर दिया है। टेम्पलेट, स्क्रिप्ट और README अंग्रेजी और जापानी दोनों में। कृपया बेझिझक उन्हें लें। → github.com/chaenmasahiro0425/exbrain
