Cookbooks
Receitas completas 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 num sistema funcional. Lê um quando quiseres ver como as primitivas e os padrões se combinam num problema concreto, ou copia um como ponto de partida para o teu.
Esta secção assume que conheces as primitivas da TypeSafe e compreendes como funciona a confiança. Se não, lê essas páginas primeiro.
Autoconsistência
Repete uma decisão e usa 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. | Principiante |
| Autoconsistência: choices | Acrescenta um resultado incerto às decisões de moderação e compara a concordância de rótulos com a proporção de ações automáticas. | Principiante |
Processamento em lote
Agrupa muitas perguntas num único pedido.
| Cookbook | O que faz | Nível |
|---|---|---|
| Perguntas em paralelo | Executa um briefing regulatório de 13 perguntas sobre o artigo da Wikipédia sobre o RGPD, mostrando que agrupar todas as perguntas num único pedido à TypeSafe é 12.2 vezes mais barato e 10.0 vezes mais rápido, sem alterações nas respostas. | Principiante |
Como fazer
Receitas para tarefas comuns: pesquisa, formatação, seleção de ferramentas, guardrails.
| Cookbook | O que faz | Nível |
|---|---|---|
| Re-ranking | Constrói listas restritas BM25 de 30 passagens 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%. | Principiante |
| Pesquisa linha a linha | Constrói pesquisa semântica para os Termos de Serviço do GitHub. Num único pedido, pontua 218 ids de linha em relação a uma consulta em linguagem simples com uma pergunta Choice e usa uma pergunta Noul para verificar se o documento contém uma resposta. | Principiante |
| Recuperação de estrutura | Reconstrói Markdown a partir de texto simples que perdeu a formatação em dois pedidos: um volta a juntar as linhas com quebras fixas, outro classifica cada bloco (título, lista, código, callout). | Principiante |
| Function calling | Transforma pedidos de negociação em linguagem natural em chamadas a funções tipadas comuns, mapeando nomes de funções e argumentos de conjunto fechado para perguntas da TypeSafe que têm em conta a confiança. | Intermédio |
| Sugestão de habilidades | Escolhe no máximo uma habilidade para um turno de agente entre as 182 do catálogo Hermes da Nous Research, usando dois pedidos à TypeSafe para ordenar e voltar a verificar os melhores candidatos. | Intermédio |
| Alinhamento de entidades de grafos de conhecimento | Decide quais de 450 pares candidatos de dois catálogos de cerveja descrevem o mesmo produto, usando uma pergunta Score mais três Nouls auxiliares que revelam que campos estão em desacordo. | Principiante |
| Classificar passagens de RAG | Pontua cada passagem recuperada com um pedido à TypeSafe e depois decide no código quais chegam ao modelo que responde. | Intermédio |
| Verificar citações duas vezes | Deteta citações erradas ou alucinadas comparando com o documento de origem. Uma pergunta Choice decide se o contexto da citação sustenta a afirmação. | Principiante |
| Guardrails para LLMs | Filtra cada mensagem que entra e sai de uma aplicação LLM com um único pedido à TypeSafe, aplicando limiares às probabilidades de perigo e à gravidade para deixar passar, rever, bloquear ou encaminhar. | Intermédio |
Extração
Extrai valores tipados de texto desorganizado.
| Cookbook | O que faz | Nível |
|---|---|---|
| Cascata de SDE | Usa uma cascata de extração de dados estruturados em 2 fases (mini → verificação → raciocínio) para obter a maior parte da qualidade de um grande modelo de raciocínio a uma fração do custo. | Intermédio |
| Extração de datas | Extrai datas absolutas e relativas pedindo à TypeSafe as partes nomeadas num documento e depois resolve-as e valida-as no código com revisão baseada na confiança. | Principiante |
| Extração de valores pré-analisados | Usa expressões regulares para encontrar e-mails, números de telefone e quantias candidatos e depois faz com que a TypeSafe selecione o trecho pretendido, para que o código possa normalizar um valor literal. | Principiante |
Classificação
Atribui entradas a categorias a qualquer profundidade.
| Cookbook | O que faz | Nível |
|---|---|---|
| Classificação hierárquica | Classifica documentos através de hierarquias profundas de patentes, produtos de retalho, biomedicina e código-fonte, usando pesquisa em feixe paralela sobre as probabilidades de Choice da TypeSafe. | Intermédio |
| Descoberta de características por investigação automática | Executa um ciclo de investigação automática 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 com 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 esse grupo ou a divisão mais ampla acima dele. | Principiante |