आजकल आने वाले AI मेल टूल्स में एक समान बात दिखती है.
समस्या कम करने के बजाय, वे स्क्रीन को और भर देते हैं, हर मेल पर सुझाव कार्ड चिपक जाते हैं या “AI जवाब देने की सिफारिश करता है” जैसे बैज दिखने लगते हैं, और बिना समीक्षा किए ड्राफ्ट लगातार जमा होते रहते हैं.
तो क्या इससे इनबॉक्स शांत होता है? उल्टा, वह और ज़्यादा शोरगुल वाला हो जाता है.
इसीलिए Klorn ने शुरुआत ही अलग तरीके से की. मेल में कुछ “जोड़ने” के बजाय, इसे इस तरह बनाया गया है कि एक चीज़ छोड़कर बाकी सब हटा दिए जाएँ.
हर मेल का नतीजा सिर्फ एक ही परिणाम में तय होता है, और उसके अलावा कोई दूसरी जानकारी नहीं दिखाई जाती.
वर्गीकरण का तरीका कुल 4-tier पर खत्म होता है
- SILENT — सिर्फ सेव किया जाता है और स्क्रीन पर बिल्कुल नहीं दिखता (मार्केटिंग, रसीदें आदि)
- QUEUE — क्यू में जमा होता है, लेकिन कोई नोटिफिकेशन नहीं
- PUSH — ऐसे मेल जिन्हें अभी तुरंत देखना चाहिए (नोटिफिकेशन / Telegram / वैकल्पिक फ़ोन कॉल)
- AUTO — फिलहाल सिर्फ वर्गीकरण (execution जानबूझकर बंद है)
महत्वपूर्ण बात यह है कि हर मेल को इन्हीं में से केवल एक श्रेणी में ही रखा जाता है. कोई अस्पष्ट multi-state टैगिंग नहीं की जाती.
Klorn में LLM “फ़ैसला” नहीं करता. उसकी जगह, वह मेल देखकर सिर्फ 4 चीज़ों को संख्याओं में निकालता है:
- भरोसा कितना है
- प्रेषक पर कितना विश्वास किया जा सकता है
- क्या काम वापस पलटा जा सकता है
- कितनी तात्कालिकता है
और अंतिम tier इन संख्याओं के आधार पर तय नियमों से निकाला जाता है. इसका कारण सीधा है.
ताकि मॉडल बदलने पर भी नतीजे डगमगाएँ नहीं. मेरे हिसाब से यही सबसे महत्वपूर्ण है.
इसके अलावा, अगर LLM बंद हो जाए या rate limit लग जाए, तब भी keyword-based fallback वही 4 मान बना देता है ताकि ज़रूरी मेल छूटें नहीं.
वर्गीकरण के नतीजे बाद में बदले नहीं जा सकते.
वर्गीकरण के समय इस्तेमाल किए गए इनपुट (from, subject, snippet आदि) को उसी रूप में hash करके स्टोर किया जाता है, और बाद में दोबारा पढ़ते समय भी उसी तरह hash करके तुलना की जाती है. अगर मान अलग हो, तो वह सीधा fail हो जाता है.
इससे बाद में अगर कोई चीज़ डेटा में कुछ जोड़ दे या बदल दे, तब भी पहले लिया गया निर्णय “चुपचाप बदल” नहीं सकता.
खतरनाक actions को जानबूझकर असुविधाजनक बनाया गया है
असल में सोचें तो मेल में खतरनाक काम बहुत ज़्यादा नहीं होते:
- मेल भेजना
- स्थायी रूप से delete करना
- बाहर forward करना
इनमें एक गलती ही काफी है,
इसलिए इन्हें एक अतिरिक्त verification चरण के पीछे रखा गया है, और जब तक आप खुद क्लिक न करें, यह वास्तविक action में नहीं बदलते.
- approval के समय payload को fix किया जाता है
- execution के समय फिर से verification होता है
- थोड़ा भी अंतर हो तो वह सीधा fail हो जाता है
auto-execution भी डिफ़ॉल्ट रूप से रोका गया है. जानबूझकर उसी तरफ़ चुना गया है जहाँ चीज़ें न चलें.
इसे self-host को ध्यान में रखकर बनाया गया है. यह AGPLv3 ओपन सोर्स है, और किसी भी OpenAI-compatible API को जोड़ा जा सकता है.
- Ollama / LM Studio / vLLM इस्तेमाल किए जा सकते हैं
- मेल डेटा को बाहर भेजे बिना कॉन्फ़िगरेशन संभव है
- cloud keys का उपयोग केवल वैकल्पिक है
नोटिफिकेशन के लिए भी वेब पुश ज़रूरी नहीं है; Telegram पर पाना ज़्यादा आसान हो सकता है.
अभी की स्थिति अभी भी शुरुआती चरण में है. लेकिन इसका मतलब यह नहीं कि performance खराब है.
क्योंकि
- 50 व्यक्तिगत मेल के आधार पर लगभग 80% तक सही निकला (एक बार टेस्ट, मेरे मानदंडों के अनुसार)
- वास्तविक उपयोगकर्ता सिर्फ मैं हूँ
- AUTO execution जानबूझकर बंद रखा गया है
- UI अभी व्यवस्थित किया जा रहा है
बढ़ा-चढ़ाकर कहने के बजाय, मैंने इसे अभी जैसा है वैसा ही लिखा है.
इसे आज़माने का तरीका यह है कि अभी यह डेमो चरण में है, इसलिए Google OAuth test mode में है (100 लोगों की सीमा). अगर आप इस्तेमाल करना चाहते हैं, तो मुझे ईमेल भेजें, मैं तुरंत जोड़ दूँगा.
सबसे तेज़ तरीका है सीधे self-host करना.
- अपना व्यक्तिगत OAuth इस्तेमाल कर सकते हैं
- Google authentication के बिना सीधे चलाया जा सकता है
2 टिप्पणियां
आपको इसे
showके रूप में पोस्ट करना चाहिए।एडिट नहीं हो रहा था, इसलिए अगली बार
showके साथ पोस्ट करूँगा..