Cookbooks
Receitas de ponta a ponta que mostram a TypeSafe em problemas reais, de algumas perguntas a pipelines completos.
Cada cookbook é um exemplo resolvido: um conjunto de dados real, as perguntas da TypeSafe que decidem algo sobre ele e o código que transforma essas decisões em um sistema que funciona. Leia um quando quiser ver como as primitivas e os padrões se combinam em um problema concreto, ou copie-o como ponto de partida para o seu próprio.
Esta seção pressupõe que você conhece as primitivas da TypeSafe e entende como a confiança funciona. Se não, leia esses primeiro.
Autoconsistência
Repita uma decisão e use a concordância entre execuções como sinal.
| Cookbook | O que faz | Nível |
|---|---|---|
| Autoconsistência: nouls | Encaminha probabilidades incertas para revisão humana, mantendo visíveis os valores de noul subjacentes. | Iniciante |
| Autoconsistência: choices | Adiciona um resultado incerto às decisões de moderação e compara a concordância dos rótulos com a proporção de ações automáticas. | Iniciante |
Processamento em lote
Agrupe muitas perguntas em uma única requisição.
| Cookbook | O que faz | Nível |
|---|---|---|
| Perguntas em paralelo | Executa um briefing regulatório de 13 perguntas sobre o artigo da Wikipédia sobre o GDPR, mostrando que agrupar todas as perguntas em uma única chamada à TypeSafe é 12.2x mais barato e 10.0x mais rápido, sem mudança nas respostas. | Iniciante |
Guias práticos
Receitas para tarefas comuns: busca, formatação, seleção de ferramentas, guardrails.
| Cookbook | O que faz | Nível |
|---|---|---|
| Reordenação | Constrói listas curtas BM25 de 30 trechos para 40 consultas jurídicas do CLERC e depois usa uma pergunta da TypeSafe por par consulta-candidato para elevar a precisão top-1 de 5% para 18% e a precisão top-10 de 38% para 62%. | Iniciante |
| Busca linha por linha | Constrói busca semântica para os Termos de Serviço do GitHub. Em uma única requisição, pontua 218 ids de linha contra uma consulta em linguagem natural com uma pergunta Choice, e usa uma pergunta Noul para verificar se o documento contém uma resposta. | Iniciante |
| Recuperação de estrutura | Reconstrói Markdown a partir de texto simples que perdeu a formatação em duas requisições: uma reúne novamente as linhas quebradas, outra classifica cada bloco (título, lista, código, aviso). | Iniciante |
| Chamada de funções | Transforma solicitações de trading em linguagem natural em chamadas a funções tipadas comuns, mapeando nomes de função e argumentos de conjunto fechado para perguntas da TypeSafe cientes de confiança. | Intermediário |
| Sugestão de habilidades | Escolhe no máximo uma habilidade para um turno de agente entre as 182 do catálogo Hermes da Nous Research, usando duas requisições da TypeSafe para classificar e revisar os melhores candidatos. | Intermediário |
| Alinhamento de entidades em grafos de conhecimento | Decide qual de 450 pares candidatos de dois catálogos de cerveja descreve o mesmo produto, usando uma pergunta Score mais três Nouls complementares que revelam quais campos discordam. | Iniciante |
| Classificação de trechos de RAG | Pontua cada trecho recuperado com uma requisição da TypeSafe e depois decide no código quais chegam ao modelo que responde. | Intermediário |
| Verificação dupla de citações | Detecta citações erradas ou inventadas verificando-as contra o documento de origem. Uma pergunta Choice decide se o contexto da citação sustenta a afirmação. | Iniciante |
| Guardrails para LLMs | Filtra cada mensagem que entra e sai de um aplicativo de LLM com uma requisição da TypeSafe, aplicando limiares às probabilidades de perigo e à gravidade para liberar, revisar, bloquear ou encaminhar. | Intermediário |
Extração
Extraia valores tipados de texto bagunçado.
| Cookbook | O que faz | Nível |
|---|---|---|
| Cascata de SDE | Usa uma cascata de extração de dados estruturados de 2 estágios (mini → verificar → raciocínio) para obter a maior parte da qualidade de um modelo de raciocínio grande a uma fração do custo. | Intermediário |
| Extração de datas | Extrai datas absolutas e relativas pedindo à TypeSafe as partes nomeadas em um documento e depois as resolve e valida em código, com revisão baseada em confiança. | Iniciante |
| Extração de valores pré-analisados | Usa expressões regulares para encontrar e-mails, telefones e valores candidatos e depois faz a TypeSafe selecionar o trecho solicitado, para que o código possa normalizar um valor literal. | Iniciante |
Classificação
Atribua entradas a categorias em qualquer profundidade.
| Cookbook | O que faz | Nível |
|---|---|---|
| Classificação hierárquica | Classifica documentos através de hierarquias profundas de patentes, produtos de varejo, biomedicina e código-fonte, usando busca em feixe paralela sobre as probabilidades de Choice da TypeSafe. | Intermediário |
| Descoberta de características por autoresearch | Executa um loop de autoresearch que propõe perguntas da TypeSafe, converte texto livre em características numéricas e usa os erros do modelo para melhorar um regressor CatBoost supervisionado. | Avançado |
| Classificação usando a confiança | Classifica relatórios anuais da SEC em 75 grupos de indústria com um Choice cada, e depois lê a confiança da própria resposta para decidir se reporta aquele grupo ou a divisão mais ampla acima dele. | Iniciante |