Introdução

O Jev é o modelo carro-chefe da TypeSafe e o primeiro modelo System One. Envie um estado e perguntas tipadas; receba respostas estruturadas que o seu código pode usar diretamente.

Os grandes modelos de linguagem (LLMs) são projetados para produzir texto que as pessoas leem. Quando você precisa que um modelo emita um julgamento que o seu código vá consumir, surge um descompasso: você está forçando um sistema de geração de texto a produzir decisões estruturadas e depois analisando os resultados para transformá-los em algo em que o seu código possa confiar.

O Jev é o modelo carro-chefe da TypeSafe e o primeiro modelo System One. Os modelos System One são feitos para tomar decisões rápidas e estruturadas que o software pode usar diretamente. O Jev avalia perguntas tipadas contra um estado e devolve resultados estruturados diretamente. Sem geração de texto, sem análise. Você obtém valores tipados e distribuições de probabilidade sobre as quais o seu código pode ramificar, ordenar e rotear. Choice e Score também devolvem confiança, que o seu código pode usar para decidir se age sobre uma resposta e como agir.

%%{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 da TypeSafe

A TypeSafe expõe três primitivas de IA. Assim como as primitivas de software, as nossas primitivas de IA são modulares, componíveis, estruturadas, confiáveis e rápidas. Cada uma faz um tipo diferente de pergunta e devolve um tipo diferente de resposta.

Os três tipos de pergunta podem ser combinados em uma única chamada à API. Cada pergunta é avaliada em paralelo e de forma isolada contra o mesmo estado de uma só vez. Adicionar perguntas quase não muda o tempo de resposta. Cada pergunta é avaliada de forma independente, então adicionar mais perguntas não gera degradação de contexto (context-rot).

Perguntas atômicas, compostas no código

Os modelos System One funcionam melhor quando cada pergunta trata de uma coisa específica e bem delimitada. Pense em cada pergunta como um julgamento instantâneo: o tipo de julgamento que uma pessoa muito experiente faria em poucos segundos com o contexto certo.

Se a pergunta que você quer fazer exigir raciocínio prolongado ou pesar vários fatores independentes, decomponha-a. Faça cada fator como uma pergunta separada e depois combine os resultados com lógica no seu código. Assim cada avaliação individual continua confiável e você mantém controle total sobre como as dimensões são ponderadas.

Por exemplo, em vez de “avalie este pitch de startup”, pergunte separadamente sobre tamanho de mercado, viabilidade técnica e diferenciação. Combine as pontuações com a sua própria fórmula. Quando as prioridades mudarem, mude um coeficiente no seu código em vez de reescrever um prompt.

Próximos passos

• Início rápido — Tudo o que você precisa para começar imediatamente.
• Introdução à IA — Por que a TypeSafe treina modelos para decisões calibradas em vez de texto gerado.
• Primitivas (perguntas) — Como definir perguntas, escolher entre Choice, Score e Noul e fazer várias de uma vez.
• Confiança — Como a TypeSafe reporta certeza e como usar isso de forma arquitetural.
• Padrões — Padrões comuns para construir sistemas com a TypeSafe.