Introducción

Jev es el modelo insignia de TypeSafe y el primer modelo System One. Envía un estado y preguntas tipadas; recibe respuestas estructuradas que tu código puede usar directamente.

Los modelos de lenguaje grandes (LLM) están diseñados para producir texto que las personas lean. Cuando necesitas que un modelo emita un juicio que tu código va a consumir, se produce un desajuste: estás forzando a un sistema de generación de texto a emitir decisiones estructuradas y luego analizando los resultados para convertirlos en algo en lo que tu código pueda confiar.

Jev es el modelo insignia de TypeSafe y el primer modelo System One. Los modelos System One están hechos para tomar decisiones rápidas y estructuradas que el software puede usar directamente. Jev evalúa preguntas tipadas contra un estado y devuelve resultados estructurados directamente. Sin generación de texto, sin análisis. Obtienes valores tipados y distribuciones de probabilidad sobre las que tu código puede ramificar, ordenar y enrutar. Choice y Score también devuelven confianza, que tu código puede usar para decidir si actuar sobre una respuesta y cómo hacerlo.

%%{init: {"fontFamily": "Inter, sans-serif", "flowchart": {"rankSpacing": 35, "wrappingWidth": 300, "subGraphTitleMargin": {"top": 12, "bottom": 12}}}}%%
flowchart LR
    input["state + questions"]

    subgraph model["TypeSafe AI model"]
        evaluate["evaluate each question<br/>against the state<br/>in parallel"]
    end

    input -- "one request" --> model
    model -- "one response" --> answers["typed answers<br/>+ probabilities<br/>+ confidence<br/>(Choice and Score)"]
    answers --> code["<b>your code</b><br/>branch, sort, and route"]

Primitivas de TypeSafe

TypeSafe expone tres primitivas de IA. Al igual que las primitivas de software, nuestras primitivas de IA son modulares, componibles, estructuradas, fiables y rápidas. Cada una plantea un tipo distinto de pregunta y devuelve un tipo distinto de respuesta.

Los tres tipos de pregunta pueden combinarse en una sola llamada a la API. Cada pregunta se evalúa en paralelo y de forma aislada contra el mismo estado en una sola pasada. Añadir preguntas apenas cambia el tiempo de respuesta. Cada pregunta se evalúa de forma independiente, así que añadir más preguntas no genera degradación del contexto (context-rot).

Preguntas atómicas, compuestas en código

Los modelos System One funcionan mejor cuando cada pregunta plantea una sola cosa concreta y bien delimitada. Piensa en cada pregunta como un juicio intuitivo: el tipo de juicio que una persona muy versada podría emitir en unos segundos si cuenta con el contexto adecuado.

Si la pregunta que quieres hacer requiere razonamiento prolongado o sopesa varios factores independientes, descomponla. Plantea cada factor como una pregunta aparte y luego combina los resultados con lógica en tu código. Así cada evaluación individual sigue siendo fiable y controlas por completo cómo se ponderan las dimensiones.

Por ejemplo, en lugar de «puntúa este pitch de startup», pregunta por separado por el tamaño del mercado, la viabilidad técnica y la diferenciación. Combina las puntuaciones con tu propia fórmula. Cuando cambien las prioridades, modifica un coeficiente en tu código en vez de reescribir un prompt.

Próximos pasos

• Inicio rápido — Todo lo que necesitas para empezar de inmediato.
• Introducción a la IA — Por qué TypeSafe entrena modelos para decisiones calibradas en lugar de texto generado.
• Primitivas (preguntas) — Cómo definir preguntas, elegir entre Choice, Score y Noul, y plantear varias a la vez.
• Confianza — Cómo informa TypeSafe de su certeza y cómo usarla desde el punto de vista arquitectónico.
• Patrones — Patrones comunes para construir sistemas con TypeSafe.