Unsame से मिलिए: हर पोस्ट, रिप्लाई और changelog में AI के दोहराव वाले पैटर्न बंद करें

अगर आप किसी दोहराए जाने वाले काम के लिए LLM इस्तेमाल करते हैं — रोज़ की पोस्ट, मेंशन के जवाब, साप्ताहिक स्क्रिप्ट, आउटरीच ईमेल, सपोर्ट के जवाब, changelog — तो कुछ ही दिनों में आप उसी दीवार से टकराते हैं। मॉडल के पास इसे करने का एक ही तरीक़ा है। आप प्रॉम्प्ट लंबा करते हैं। "creative बनो" जोड़ देते हैं। टेम्परेचर बढ़ाते हैं। आउटपुट वही ढाँचा रहता है, बस संज्ञाएँ बदल जाती हैं — हर बार AI लेखन के वही पैटर्न — और आप हाथ से दोबारा लिखने लगते हैं, जबकि मॉडल को ठीक यही काम आपके सिर से हटाना था।

यह समस्या हमें एजेंट बनाते समय ख़ुद झेलनी पड़ी, और हमने इसके लिए कुछ बनाया। Unsame एक होस्टेड Playbook Engine है जो आज unsame.io पर लॉन्च हो रहा है। यह आपका टेक्स्ट नहीं लिखता। हर जनरेशन से पहले यह आपके अपने मॉडल को बताता है कि इस ख़ास मौक़े से कैसे निपटना है — और जो तरीक़ा आपने अभी इस्तेमाल किया है, वह दोबारा नहीं देगा।

LLM सब कुछ एक ही तरह से क्यों लिखता है?

क्योंकि मॉडल को जिस तरह ट्रेन किया जाता है, और इसे प्रॉम्प्ट की तरफ़ से ठीक नहीं किया जा सकता।

अलाइनमेंट आउटपुट को सँकरा कर देता है। रेटर्स की पसंद पर ट्रेनिंग मॉडल को उन गिने-चुने "टिपिकल" जवाबों की ओर धकेलती है जो रेटर्स को पसंद आते हैं। पेपर Verbalized Sampling (arXiv 2510.01171) इसे mode collapse कहता है।
LLM टेम्परेचर शोर जोड़ता है, नए तरीक़े नहीं। ऊँचा टेम्परेचर एक ही तरीक़े के भीतर शब्दों को फेंटता है। यह मॉडल को किसी दूसरे तरीक़े पर नहीं ले जाता।
"इस बार अलग करो" भी काम नहीं करता। जिस मॉडल से कहा जाए कि बेतरतीब चुनो, वह वह रैंडमनेस दे ही नहीं सकता जिसकी इसके लिए ज़रूरत है — देखें String Seed of Thought (arXiv 2510.21150)।

पहली समस्या के पीछे दूसरी छिपी है। जब हर आउटपुट एक ही टेम्पलेट पर चलता है, तो मॉडल अक्सर इनपुट की ख़ास बातों से जुड़ा ही नहीं होता। पाठक दोनों बातें भाँप लेते हैं, और इसी को लोग AI slop कहते हैं।

हमारा निष्कर्ष: तरीक़े का चुनाव मॉडल के बाहर होना चाहिए — एक साफ़ सूची से, असली एन्ट्रॉपी के साथ, और इस याद के साथ कि पहले क्या इस्तेमाल हो चुका है। पूरा प्रोडक्ट यही है।

Unsame क्या करता है?

हर जनरेशन से पहले आप इनपुट के साथ Unsame को कॉल करते हैं — जवाब देने के लिए एक पोस्ट, कोई मेंशन, कोई इवेंट, या तय स्लॉट के लिए कुछ भी नहीं। यह एक प्रोटोकॉल लौटाता है: एक छोटा ब्लॉक जिसे आप अपने मॉडल के प्रॉम्प्ट में डालते हैं। उसका रूप यह है (एक उदाहरण, मापा हुआ आउटपुट नहीं):

Situation: reacting to someone's post.
Engage with:
- they claim local models can't do agentic coding
- their one run looped for an hour
Use:
- glm-5.3 test run finished the task in 14 min
Approach: quote their point, add the missing angle, end with a question back
Form: length: short; opener: statement
Always: one real example from own work
Voice: casual, concrete, no emojis
Never: politics, competitor names
Do not repeat: hot_take (2 of the last 10)

इसे ऊपर से नीचे पढ़ें:

स्थिति और हुक। आपकी कौन-सी स्थिति लागू होती है, और इनपुट के वे ठीक-ठीक बिंदु जिनसे टेक्स्ट को जुड़ना है। यही आउटपुट को सामान्य के बजाय ठोस रखता है।
तथ्य। वे तथ्य जो आपने दिए और जो इस इनपुट पर फ़िट होते हैं, ताकि मॉडल असली सामग्री इस्तेमाल करे।
तरीक़ा और फ़ॉर्म। आपके तरीक़ों में से एक जो फ़िट बैठता है, असली रैंडमनेस से चुना हुआ, हाल के तरीक़ों पर जुर्माने के साथ। इंजन कभी सबसे ऊँचे स्कोर वाला विकल्प नहीं उठाता, और ड्रॉ का सीड ऑपरेटिंग सिस्टम की एन्ट्रॉपी से आता है।
वॉइस, हमेशा, कभी नहीं। हर प्रोटोकॉल में हू-ब-हू कॉपी होते हैं। इन्हें कभी बदला नहीं जाता, कभी "भुलाया" नहीं जाता, कभी हटाया नहीं जाता।
दोहराएँ नहीं। हाल में क्या इस्तेमाल हुआ, ताकि मॉडल उससे बचे।

टेक्स्ट आपका मॉडल लिखता है, आपकी की के साथ। Unsame आपकी की कभी नहीं देखता और आउटपुट का एक शब्द भी नहीं लिखता।

यह प्रॉम्प्ट लाइब्रेरी या ऊँचे LLM टेम्परेचर से कैसे अलग है?

प्रॉम्प्ट लाइब्रेरी हर बार वही प्रॉम्प्ट देती है। Unsame इनपुट पढ़ता है, पहचानता है कि यह कौन-सी स्थिति है, निकालता है कि किससे जुड़ना है, और याद रखते हुए कि पहले क्या इस्तेमाल हुआ, कोई दूसरा फ़िट बैठने वाला तरीक़ा चुनता है। एक स्कोप के भीतर — मान लीजिए एक अकाउंट या एक न्यूज़लेटर — जब तक कोई अनइस्तेमाल्ड संयोजन मौजूद है, तरीक़े और फ़ॉर्मैट का कोई संयोजन हाल की विंडो में दोहराया नहीं जाता।

टेम्परेचर एक तरीक़े के भीतर शब्द बदलता है। Unsame तरीक़ा ही बदलता है, और आपकी वॉइस व नियमों को छूता नहीं। ये दो अलग लीवर हैं, और आपको दोनों चाहिए: स्थिर रणनीति, विविध अमल।

प्लेबुक क्या है?

प्लेबुक आपके हिस्से का क़रार है। उसमें आपका लक्ष्य, आपकी वॉइस, आपके "हमेशा" और "कभी नहीं" नियम, आपकी स्थितियाँ (जिन तरह के इनपुट आपके पास आते हैं) और आपके तरीक़े (हर स्थिति के लिए वे तरीक़े जो आप अपनाने को तैयार हैं) होते हैं, साथ में लंबाई या शुरुआत जैसे कुछ फ़ॉर्मैट एक्सिस। Unsame केवल इनके बीच का चुनाव बदलता है।

इसे खाली पन्ने से लिखना ज़रूरी नहीं। एक वाक्य से सीड करें और नतीजे को YAML फ़ाइल की तरह एडिट करें:

curl -s "${H[@]}" $BASE/v1/goals -d '{
  "goal": "indie_dev_x",
  "goal_text": "grow the account as an indie dev: one post a day, reply to mentions",
  "voice": "casual, concrete, no emojis",
  "never": ["politics", "competitor names"]
}'

आपको मुट्ठीभर स्थितियों और तरीक़ों का ड्राफ़्ट मिलता है। हर बदलाव एक क्रमांकित वर्ज़न है जिसे आप पढ़ और एक्सपोर्ट कर सकते हैं। आप किसी तरीक़े को पिन करके उसे दोहराव-रोक से छूट दे सकते हैं, या किसी को बैन करके उसे कभी चुने जाने से रोक सकते हैं। प्लेबुक सीड करने में क्रेडिट लगते हैं क्योंकि यह LLM इस्तेमाल करता है; dry-run से आज़माने पर आपकी हिस्ट्री पर कोई असर नहीं पड़ता।

क्या यह सीखता है?

हाँ, और नियंत्रण आपके पास रहता है। सीखा आपके मॉडल का टेक्स्ट नहीं जाता — प्लेबुक सीखी जाती है। जब कोई इनपुट आपके लिखे किसी भी तरीक़े या स्थिति में फ़िट नहीं होता, तो लर्नर इस आधार पर नई स्थिति या तरीक़ा प्रस्तावित कर सकता है कि आपके इनपुट असल में कैसे दिखते हैं। मोड आप हर लक्ष्य के लिए चुनते हैं:

off — कुछ नहीं सीखा जाता और कोई इनपुट नहीं रखा जाता। प्लेबुक ठीक वही है जो आपने लिखी।
propose — जिन इनपुट को प्लेबुक ने ख़राब ढंग से सँभाला, उन्हें प्रस्तावों में क्लस्टर किया जाता है। हर प्रस्ताव को आप स्वीकार, एडिट या अस्वीकार करते हैं।
auto — प्रस्ताव ड्रॉ के एक छोटे हिस्से पर ट्रायल के रूप में आते हैं और नतीजों के आधार पर प्रमोट या रिटायर होते हैं।

लर्नर कभी आपके नोड एडिट नहीं करता। हर जनरेशन के बाद आप बता सकते हैं कि क्या हुआ — 0 से 1 के बीच reward, chosen, rejected, या edited अनुपात — और इंजन उन तरीक़ों को वज़न देता है जो आपके लिए काम करते हैं। अगर आप एक कॉल में कई ड्रॉ माँगकर एक चुनते हैं, तो एक रिपोर्ट बाक़ी को rejected मार्क कर देती है। रिपोर्टिंग हमेशा मुफ़्त है।

हॉट पाथ पर क्या चलता है?

Unsame का जो हिस्सा हर कॉल पर चलता है, वह टेक्स्ट जनरेट नहीं करता। "कौन-सी स्थिति फ़िट है" और "क्या यह हुक ठोस है" जैसे फ़ैसले टाइप्ड हाँ/नहीं और चुनाव वाले सवाल हैं, जिनका जवाब Jev देता है — TypeSafe का एक मॉडल जो एक वाक्य भी नहीं लिख सकता; इस तरह के मॉडल का सपोर्ट हमने इस पतझड़ की शुरुआत में Octolib में जोड़ा। चुनाव ख़ुद आपकी प्लेबुक पर सीधा गणित है: फ़िट, नवीनता और वज़न, एन्ट्रॉपी की न्यूनतम सीमा के साथ ताकि यह कभी एक ही विकल्प पर न सिमट जाए।

दो नतीजे हमारे लिए अहम हैं। पहला, कॉल के रास्ते में कोई जनरेटिव LLM नहीं है। दूसरा, कोई चुपचाप का फ़ॉलबैक नहीं है: अगर एक रीट्राई के बाद जज उपलब्ध नहीं है, तो API 503 judge_unavailable लौटाती है, बजाय इसके कि चुपके से कोई रैंडम या कीवर्ड से चुना तरीक़ा थमा दे। ठीक-ठाक दिखने वाला गढ़ा हुआ जवाब उस एरर से बुरा है जो आपको दिख सके।

यह कहाँ फ़िट बैठता है?

जहाँ काम दोहराया जाता है, विविधता मायने रखती है, और घर की रणनीति स्थिर है:

सोशल पोस्ट और रिप्लाई;
न्यूज़लेटर और ब्लॉग की शुरुआतें;
वीडियो, पॉडकास्ट और शॉर्ट-फ़ॉर्म स्क्रिप्ट;
कोल्ड आउटरीच और सेल्स रिप्लाई;
सपोर्ट और कम्युनिटी के जवाब;
विज्ञापन, लैंडिंग और प्रोडक्ट कॉपी;
डेवलपर-फ़ेसिंग लेखन, जैसे changelog और रिलीज़ नोट्स;
कोई भी एजेंट या पाइपलाइन जो एक ही रणनीति में अटकी रहती है।

एक बार के दस्तावेज़ों, क़ानूनी और कंप्लायंस टेक्स्ट, और ऐसी किसी भी जगह के लिए यह कमज़ोर विकल्प है जहाँ विविधता ही दोष है। हम ग़लत काम के लिए टूल बेचने के बजाय यह बताना बेहतर समझते हैं।

रिमोट MCP सर्वर या HTTP API को कैसे आज़माएँ?

AI असिस्टेंट के ज़रिए, बिना कोड के। Unsame अपने OAuth 2.1 लॉगिन के पीछे दो रिमोट MCP सर्वर चलाता है, इसलिए आपके असिस्टेंट में पेस्ट करने के लिए कोई API की नहीं है। Unsame को Claude Code के MCP सर्वर के रूप में इस्तेमाल करने के लिए:

claude mcp add --transport http unsame-engine https://unsame.io/mcp/engine
claude mcp add --transport http unsame-author https://unsame.io/mcp/author

/mcp चलाएँ, हर सर्वर चुनें और Authenticate चुनें; आपका ब्राउज़र मैजिक-लिंक साइन-इन खोलता है। engine सर्वर वह है जिसे एजेंट लिखने से पहले और बाद में कॉल करता है (advise, report)। author सर्वर चैट से प्लेबुक बनाने और एडिट करने के लिए है। फिर कहें: "Use unsame-author to set up a playbook for my daily indie-dev posts on X: casual, concrete, no emojis, never politics." और उसके बाद "Write today's post. Call unsame-engine advise first and follow the advice."

यही सर्वर Codex CLI, Claude Desktop, claude.ai के कस्टम कनेक्टर और ChatGPT कनेक्टर के साथ, और Cursor MCP सर्वर के रूप में भी काम करते हैं — हर एक के सेटअप स्टेप डॉक्स में हैं।

अपने बैकएंड से। हर जनरेशन के लिए एक HTTP कॉल। client-credentials ग्रांट से टोकन लें, फिर:

curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
  -H "Idempotency-Key: post-2026-11-05" https://unsame.io/v1/advise -d '{
  "goal": "indie_dev_x",
  "scope": "acct:me",
  "kind": "reply",
  "input": {"text": "Local models cannot do agentic coding. My run looped for an hour.", "author": "@someone"},
  "facts": ["glm-5.3 test run finished the task in 14 min", "we ship a CLI agent"],
  "k": 1
}'

draws[0].advice को अपने मॉडल के सिस्टम प्रॉम्प्ट में डालें, जनरेट करें, फिर लूप बंद करें:

curl -s -H "Authorization: Bearer $TOKEN" -H 'Content-Type: application/json' \
  https://unsame.io/v1/report -d '{"draw_id": "…", "outcome": {"chosen": true}}'

24 घंटे के भीतर वही Idempotency-Key सहेजा हुआ जवाब लौटा देती है और कुछ चार्ज नहीं करती। TypeScript (@unsame/sdk) और Python (unsame) क्लाइंट मौजूद हैं जो टोकन आपके लिए सँभालते हैं, और पूरा स्कीमा एक OpenAPI दस्तावेज़ है जिससे आप किसी भी भाषा में क्लाइंट जनरेट कर सकते हैं।

इसकी क़ीमत क्या है?

इकाई है क्रेडिट, और एक क्रेडिट एक ड्रॉ है। k=3 वाली एक advise कॉल तीन क्रेडिट है। बिल का अंदाज़ा लगाने के लिए बस यही एक संख्या चाहिए।

फ़्री प्लान: मासिक क्रेडिट, कार्ड नहीं। क्रेडिट अगले महीने नहीं जाते। यह ट्रायल के रूप में बना है — हर कॉल में एक ड्रॉ और गिने-चुने लक्ष्य।
पेड प्लान: हर महीने शामिल क्रेडिट, और उससे ऊपर प्रति-क्रेडिट क़ीमत पर ओवरेज, एक स्पेंड कैप के साथ जिसे आप नियंत्रित करते हैं। कैप पर पहुँचने पर 429 quota_exceeded लौटता है; कभी अचानक का इनवॉइस नहीं बनता। प्रोटोकॉल की गुणवत्ता हर प्लान पर एक जैसी है; प्लान इसमें अलग हैं कि इंजन कितने लक्ष्य, प्रति कॉल कितने ड्रॉ और प्रति सेकंड कितने रिक्वेस्ट की अनुमति देता है, और लर्निंग auto में चल सकती है या नहीं।
प्रीपेड पैक: उन API बिल्डर्स के लिए जिन्हें सब्सक्रिप्शन पसंद नहीं। क्रेडिट ख़रीदें और उसी प्रति-क्रेडिट क़ीमत पर ख़र्च करें।

रिपोर्टिंग, रीड, स्टैट्स, एक्सपोर्ट और वैलिडेशन हर प्लान पर मुफ़्त हैं। क्रेडिट ख़त्म होने पर आपको रीसेट की तारीख़ के साथ एरर मिलता है — कभी कमतर प्रोटोकॉल नहीं। मौजूदा प्लान और क़ीमतें unsame.io पर हैं।

हम क्या दावा नहीं कर रहे?

हम ज़्यादा एंगेजमेंट का वादा नहीं करते। इस पोस्ट में सुधार के कोई आँकड़े नहीं हैं क्योंकि हमने उन्हें अभी असली अकाउंट पर नापा नहीं है, और जब तक नापेंगे नहीं, कोई आँकड़ा नहीं देंगे। Unsame का दावा सिर्फ़ तंत्र का है: हर बार अलग तरीक़ा, इनपुट पर टिका हुआ, स्थिर वॉइस में। हर हिस्सा आप ख़ुद जाँच सकते हैं — लैंडिंग पेज का लाइव डेमो आपको इनपुट पेस्ट करके बटन तीन बार दबाने देता है, ताकि आप तीन अलग प्रोटोकॉल देखें जो सब एक ही हुक से जुड़ते हैं।

डेटा के बारे में: आपके इनपुट केवल तभी रखे जाते हैं जब लर्निंग चालू हो, और आप उन्हें कभी भी एक्सपोर्ट या डिलीट कर सकते हैं।

आज़माएँ

Unsame आज लॉन्च हो रहा है। फ़्री प्लान के लिए बस ईमेल चाहिए, कार्ड नहीं:

unsame.io खोलें, डेमो चलाएँ, और ऊपर की एक-लाइन कमांड से MCP कनेक्ट करें।
या पैनल में API क्लाइंट बनाएँ और अपनी पहली advise कॉल करें।

अगर आप किसी दोहराए जाने वाले लेखन-काम में AI slop रोकना चाहते हैं जहाँ आउटपुट फीका पड़ गया है, तो Unsame को पहले उसी पर आज़माएँ और हमें [email protected] पर बताएँ कि कैसा रहा।

— Don

Unsame दोहराए जाने वाले AI लेखन के लिए एक Playbook Engine है, जिसे Muvon Un Limited ने विकसित किया है। इसे unsame.io पर आज़माएँ।