AI डेस्क / पहले builders
AI और LLM टूल्स।
language models के साथ काम करने वाले लोगों और उन लोगों के लिए जिनकी साइटें ये models पढ़ते हैं: prompts और tool schemas तैयार करें, model से वापस मिले JSON को ठीक करें, देखें कि retrieval के लिए कोई document कैसे विभाजित होता है और तय करें कि कौन-से AI crawlers आपके pages पढ़ सकते हैं। आखिरी समूह छोटे models आपके ब्राउज़र के अंदर चलाता है, इसलिए फ़ोटो या scan आपके कंप्यूटर से बाहर नहीं जाता।
अभी तैयार
LLMs के साथ बनाएं
Prompts, tool-calling schemas और model से वापस मिलने वाला structured output।
सिस्टम प्रॉम्प्ट बिल्डर
XML सेक्शन और फ़ॉर्मैट किए गए OpenAI/Claude टूल-कॉलिंग JSON स्कीमा के साथ संरचित LLM सिस्टम प्रॉम्प्ट बनाएं।
JSON मरम्मत
सर्वर तक डेटा भेजे बिना LLM से बने अधूरे, गलत, सिंगल-कोटेड या अनएस्केप्ड JSON की मरम्मत करें।
JS ऑब्जेक्ट से JSON
बिना उद्धरण वाले JS ऑब्जेक्ट लिटरल, एकल उद्धरण और अंतिम कॉमा को सख्त JSON डेटा में बदलें।
JSON Schema जनरेटर
नमूना JSON डेटा से JSON Schema परिभाषाओं का अपने-आप अनुमान लगाएँ और उन्हें जनरेट करें।
JSON स्कीमा
अपने ब्राउज़र में JSON डेटा को JSON स्कीमा घोषणाओं के अनुसार स्थानीय रूप से वैलिडेट करें और स्पष्ट त्रुटि पाथ देखें।
RAG टेक्स्ट चंकर
अपने ब्राउज़र में RAG वेक्टर इंडेक्सिंग के लिए टेक्स्ट विभाजन, टोकन/अक्षर चंक आकार और ओवरलैप देखें।
साइट को AI के लिए पढ़ने योग्य बनाएं
AI crawlers क्या fetch कर सकते हैं और fetch करने पर उन्हें क्या मिलता है।
AI क्रॉलर चेकर
जानें कि साइट के robots नियम ज्ञात AI क्रॉलरों को कैसे संबोधित करते हैं।
llms.txt
साइट की वैकल्पिक llms.txt संरचना, लिंक और स्रोत टेक्स्ट की जाँच करें।
Robots.txt चेकर
क्रॉलर नियम, साइटमैप घोषणाएँ और पहुँच-योग्यता एक नज़र में देखें।
स्कीमा चेकर
JSON-LD ब्लॉक, स्कीमा प्रकार, पार्स त्रुटियाँ और बुनियादी चेतावनियाँ खोजें।
आपके अपने device पर AI
ऐसे models जो browser tab में चलते हैं, इसलिए फ़ाइल कभी अपलोड नहीं होती।
इमेज से टेक्स्ट
फ़ोटो या स्क्रीनशॉट से टेक्स्ट निकालें, बिना उसे अपलोड किए।
PDF OCR
ऐसे स्कैन किए गए PDF से टेक्स्ट पढ़ें जिसमें टेक्स्ट चुना नहीं जा सकता।
पासपोर्ट फोटो
सही आकार, सफ़ेद, नीले या लाल बैकग्राउंड, ऑटोमैटिक फ़्रेमिंग और 300 dpi प्रिंट शीट के साथ पासपोर्ट या ID फोटो बनाएं।
ऐसा output पाएं जिसे parse किया जा सके
LLM feature की ज़्यादातर विफलताएं गलत जवाब नहीं, बल्कि इस्तेमाल न किए जा सकने वाले जवाब होते हैं: prose में लिपटा reply, आखिरी comma, single-quoted key या token limit खत्म होने पर अधूरा छूट गया object। जिस shape की आपको ज़रूरत है उसे JSON Schema के रूप में बताएं — JSON Schema जनरेटर sample से एक schema बनाता है — और prose में JSON मांगने के बजाय उसे model के structured-output या tool-calling feature को दें।
अगर reply फिर भी खराब रूप में आए, तो LLM JSON repair tool तकनीकी गड़बड़ियां ठीक करता है, JS object to JSON converter JavaScript-style literals संभालता है और JSON स्कीमा आपके code के उस पर निर्भर होने से पहले पुष्टि करता है कि परिणाम मेल खाता है। सिस्टम प्रॉम्प्ट बिल्डर इन सबके instructions और tool definitions को एक ही consistent format में रखता है।
Retrieval के लिए chunking
Retrieval system मिले हुए chunks से जवाब देता है, इसलिए split यह तय करता है कि model क्या देख सकता है। बहुत छोटे chunks में अर्थ देने वाला sentence छूट जाता है; बहुत बड़े chunks में relevant line असंबंधित lines के बीच दब जाती है और उन्हें embed व send करने में ज़्यादा लागत आती है। Overlap से boundary पार करने वाला sentence दोनों ओर से खोजने योग्य रहता है, लेकिन उसे दो बार store करना पड़ता है।
RAG टेक्स्ट चंकर ठीक दिखाता है कि किसी तय size और overlap के तहत document कहां टूटता है। यह खराब जवाब को उस split तक debug करने से तेज़ है जिसने उसे पैदा किया।
तय करें कि AI crawlers क्या पढ़ें
Training crawlers, AI search crawlers और user की ओर से किए गए fetch अलग-अलग User-agent tokens इस्तेमाल करते हैं, इसलिए कोई साइट AI answers में दिखाई देते हुए training को रोक सकती है। AI क्रॉलर चेकर साइट के robots.txt को इन दसों tokens के सामने पढ़कर हर एक को समझाता है; Robots.txt चेकर पूरी फ़ाइल दिखाता है।
जिन pages को आप पढ़वाना चाहते हैं, उनके लिए llms.txt file models को आपके सबसे उपयोगी documents तक पहुंचाती है और structured data स्पष्ट रूप से बताता है कि page किस बारे में है। इनमें से कोई भी गारंटी नहीं है, लेकिन दोनों की लागत कम है।
ब्राउज़र में रहने वाले models
OCR और फ़ोटो टूल्स अपने models page के अंदर चलाते हैं। पहली बार इस्तेमाल करने पर model — कुछ megabytes — डाउनलोड होता है और उसके बाद काम आपके अपने processor पर होता है: scanned contract, passport photo या screenshot को कहीं भी अपलोड किए बिना पढ़ा और process किया जाता है।
इसका समझौता पुराने devices पर कम speed और छोटे model की सीमाएं हैं। इमेज से टेक्स्ट और scanned PDF to text printed text को अच्छी तरह, लेकिन handwriting को खराब तरीके से संभालते हैं; पासपोर्ट फोटो face और background अपने-आप ढूंढता है, लेकिन फिर भी आपसे अपने देश के नियमों के अनुसार परिणाम जांचने को कहता है।