학습 · 시스템 원

TypeSafe Jev 학습

TypeSafe Jev 단계별 구현 튜토리얼. 타입 기반 소프트웨어 결정을 위한 System One AI 모델, TypeSafe Jev 실전 가이드입니다.

01
작업 프레임 지정

Jev가 적합한지 결정

Jev는 채팅 모델이 아닙니다. 기존 상태를 닫힌 Choice, Score 또는 Noul 결정으로 바꾸고 확률 분포를 반환합니다.

좋은 핏

제한된 결정을 위해 Jev를 사용하세요

  • 하나의 요청을 하나의 명명된 대기열로 라우팅합니다.
  • 순서화된 위험 또는 품질 척도에 따라 기록을 남깁니다.
  • 명확하게 명시된 조건 중 하나가 참인지 추정합니다.
잘 맞지 않음

대신 생성 모델을 사용하세요

  • 개방형 텍스트를 작성, 요약, 번역 또는 다시 작성합니다.
  • 자연스러운 다단계 대화를 나눠보세요.
  • 유효한 출력의 이름을 미리 지정할 수 없는 경우 답변을 작성하십시오.

공식 정신 모델

STATE

평가할 상태 1개

판단에 필요한 텍스트 및 관련 사실이 포함된 문자열, 개체 또는 배열을 전달합니다. 대부분의 실제 요청에는 명명된 개체 필드를 사용합니다.

QUESTIONS

질문 당 하나의 즉각적인 판단

각 질문은 지식이 풍부한 사람이 제공된 상태에서 신속하게 판단할 수 있는 하나의 집중된 사항을 질문해야 합니다.

PARALLEL

병렬적인 독립적인 질문

한 요청의 질문은 동일한 상태를 확인하고, 독립적으로 실행되며, 한 답변을 다른 답변으로 유출하지 않습니다.

CODE

코드로 답변 작성

하나의 프롬프트에 워크플로 논리를 숨기는 대신 일반 코드에 가중치, 임계값, 분기 및 입력된 답변을 결합합니다.

분해 테스트: 판단에 여러 가지 독립적인 요소가 중요하거나 확장된 추론이 필요한 경우 이를 원자성 질문으로 분할하고 답변을 코드로 결합하세요.
이 장 이후:콘텐츠 생성 작업과 구조화된 의사결정 작업을 분리할 수 있습니다.

공식 참고자료: Introduction · State · Primitives

01 / 06