كيف تستخدم Jev: بناء طبقة قرار ذكية بدلاً من مجرد روبوت محادثة

معظم الناس يلتقون بنموذج جديد عن طريق فتح صندوق الدردشة والكتابة فيه. يُغير جيف (Jev) هذه العادة. إنه نموذج النظام الأول لـ TypeSafe AI، ولا ينتج نثراً على الإطلاق: فأنت تزوده بحالة البرنامج بالإضافة إلى مجموعة من الأسئلة المكتوبة، وهو يعيد القرارات مرفقة باحتمالات. تغيير الدور هذا هو التقنية بأكملها. نموذج اللغة الخاص بك يستمر في الكتابة؛ بينما يقرر جيف (Jev) ما سيحدث بعد ذلك، ويقرر الكود الخاص بك ما يجب فعله بالقرار.

يغطي هذا الدليل البنية المحيطة بالاستدعاء، وليس الاستدعاء نفسه. إذا كنت بحاجة إلى مقدمة أولاً، ابدأ بما هو جيف (Jev)، ثم اقرأ منشور الإطلاق الخاص بـ TypeSafe لفهم سياق الشركة.

ما يتفوق فيه جيف (Jev)

تغطي ثلاث مفاهيم أساسية كل ما يفعله جيف (Jev). تعيد noul احتمال أن تكون عبارة واحدة حول الحالة صحيحة. تختار choice خياراً واحداً من خريطة معايير (تصل إلى 255 خياراً) وتعيد الاختيار، التوزيع الاحتمالي الكامل، وقيمة الثقة. تضع score الحالة على مقياس منظم يتراوح من 2 إلى 10 مستويات وتعيد المستوى، مفتاح التفسير، الاحتمالات، والثقة. تجد المعلومات الأساسية حول الشركة وعائلة النماذج في مقالنا عن TypeSafe AI.

تعتبر أربع خصائص مهمة للهندسة المعمارية. يصل كل جواب بنوع يفهمه برنامجك بالفعل. يحمل كل جواب عدم يقينه الخاص، لذا يصبح "غير متأكد" تفرعاً بدلاً من مفاجأة. العديد من الأسئلة حول حالة واحدة تحل في تمريرة واحدة. وبتكلفة 0.042 دولار لكل مليون رمز إدخال مع رموز إخراج غير مشحونة، يمكنك تحمل طرح الأسئلة على كل حدث بدلاً من عينة.

شغّل جيف (Jev) كقاضٍ، وليس ككاتب

أربعة أدوار، مفصولة بوضوح:

• نموذج اللغة الكبير (LLM) يُنشئ. الكود، مسودة بريد إلكتروني، ملخص، خطة.
• جيف (Jev) يقرر. يصنف الطلب، يقيم المخاطر، يختار المسار، ويتحقق من المخرجات مقابل المعايير التي حددتها مسبقاً.
• الكود الخاص بك يتحكم. تحدد العتبات والقواعد ما إذا كان يجب التصرف، إعادة المحاولة، التصعيد، أو التوقف.
• يتعامل البشر مع الحالات الهامشية. يتم تحويل الثقة المنخفضة بالإضافة إلى المخاطر العالية إلى شخص.

إليك سبب نجاح هذا الفصل. نموذج اللغة مرن لأنه يمكن أن ينتج أي شيء، وهذه الحرية نفسها هي ما يجعله غير مناسب للتضمين داخل سير عمل تعتمد عليه. تتمثل رؤية TypeSafe في أن جيف (Jev) "يتخلى عن توليد النصوص" ويكتسب عقداً محدوداً في المقابل: مجموعة الإجابات المحتملة ثابتة قبل أن يغادر الطلب خادمك، كل نتيجة تتوافق مع الشكل المعلن، وعدم اليقين هو رقم يمكنك مقارنته بعتبة.

جانب التكلفة يتبع نفس المقايضة. تفيد TypeSafe بأوقات استجابة شاملة تتراوح من 70 مللي ثانية إلى 500 مللي ثانية، وتدعي أرقاماً أسرع بـ 193.6 مرة وأرخص بـ 444.6 مرة في مسارات العمل التي اختبرتها. تعامل مع هذه الأرقام على أنها أرقام من البائع، وليست معايير مستقلة. النقطة الهيكلية تبقى قائمة على أي حال: النموذج المكلف يعمل فقط عندما يكون هناك شيء يحتاج إلى كتابته حقاً، وتتم الأحكام المتكررة حوله بتكلفة منخفضة.

تصميم الأسئلة التي يمكن لـ جيف (Jev) الإجابة عليها

يحمل كل طلب حالة مشتركة واحدة ومجموعة من الأسئلة المستقلة. يقرأ جيف (Jev) الحالة مرة واحدة ويجيب على جميعها. يبدو استدعاء فرز الدعم كالتالي:

{
  "model": "jev-latest",
  "state": {
    "message": "I've been trying to connect Stripe for three days. I'm losing sales and I need this fixed today.",
    "plan": "Pro",
    "account_age_months": 14,
    "recent_technical_tickets": 3
  },
  "questions": {
    "department": {
      "type": "choice",
      "instruction": "Which team should own this ticket?",
      "criteria": {
        "billing": "Payments, charges, invoices, subscription changes",
        "technical": "Bugs, broken behavior, failing integrations",
        "sales": "Pricing, plans, questions asked before purchase"
      }
    },
    "frustration": {
      "type": "score",
      "instruction": "How frustrated is this customer?",
      "criteria": [
        "Calm and matter of fact",
        "Frustrated but civil",
        "Extremely frustrated or threatening to leave"
      ]
    },
    "urgent": {
      "type": "noul",
      "instruction": "The customer needs a resolution today."
    }
  }
}

ثلاث عادات تفصل الأسئلة الفعالة عن الأسئلة المترددة.

توقف عن كتابة الموجهات. الشخصيات، الأمثلة العملية، والمقدمات الطويلة توجه مولد النصوص. جيف (Jev) لا يُولد نصوصاً. إنه يحتاج إلى الحالة، سؤال ذري واحد، ووصف دقيق لما يعنيه كل جواب. المعايير الوصفية تتفوق على التصنيفات المجردة: "المدفوعات، الرسوم، الفواتير، تغييرات الاشتراك" توجه بشكل أفضل من كلمة "الفوترة" بحد ذاتها. لا تطلب منه أن يشرح نفسه أيضاً، لأن الاستجابة تحتوي على قرار، احتمالات، وثقة، ولا شيء آخر.

سؤال واحد، حكم واحد. سؤال "هل هذا العميل المحتمل قيّم، عاجل، ومن المرجح أن يشتري؟" هو ثلاثة أسئلة في زي سؤال واحد. قم بفصلها ودمج النتائج في الكود، حيث يمكنك رؤية الأوزان وتغييرها.

أبعد العمليات الحسابية عن النموذج. جيف (Jev) يحكم على المعنى. برنامجك يقوم بالعمليات الحسابية، يطبق جدول الخصم، ويتحقق من شروط العقد. هذا الفصل هو ما يجعل العملية برمتها قابلة للتدقيق.

تقدم TypeSafe أيضاً مهارة جاهزة تُعلم وكلاء البرمجة هذه الاصطلاحات، يمكن تثبيتها في Claude Code باستخدام claude plugin marketplace add typesafe-ai/skills أو في أي مكان آخر باستخدام npx skills add typesafe-ai/skills. تجد التفاصيل في صفحة مهارة الوكيل.

حافظ على نظافة الحالة

الحالة ذات الصلة أفضل من الحالة القصوى. تغطي ثلاثة أقسام عادةً ذلك: الكائن الذي يتم الحكم عليه، السياق اللازم لقراءة ذلك الكائن، والحقائق التي ستغير القرار إذا تغيرت. كل شيء آخر هو ضوضاء تدفع مقابل إرسالها.

أزل سطور السجل المكررة، التاريخ الذي يسبق المشكلة الحالية، وأي جملة تشير إلى النتيجة التي تأمل أن يصل إليها النموذج. الحد الأقصى الثابت هو 64 ألف رمز لكل طلب، مع 32 ألف متاح للحالة بالإضافة إلى أطول سؤال، ولكن الدقة يمكن أن تتغير قبل الوصول إلى هذا الحد بكثير. عندما يصبح التوجيه غير واضح، فإن تقليص الحالة عادة ما يكون حلاً أسرع من إعادة كتابة المعايير.

أسئلة متوازية وبوابات الثقة

بما أن جيف (Jev) يقرأ الحالة مرة واحدة، فإن السؤال الثالث عشر يكلف أقل بكثير مما سيكلفه الذهاب والإياب للمرة الثانية. أرسل كل حكم مستقل يمكن أن يغير إجراءً: النية، المخاطرة، الإلحاح، المشاعر، الصلة، الخطوة التالية المطلوبة. ثم احذف أي سؤال لا يغير جوابه ما يفعله الكود الخاص بك أبداً. الإشارة غير المستخدمة هي تكلفة صيانة بدون عائد.

طابق المفهوم الأساسي (primitive) مع شكل الحكم. التدرجات مثل الخطورة والجودة والملاءمة تنتمي إلى score، وليس إلى نعم/لا إجبارية. بيان حقيقي واحد ينتمي إلى noul. مجموعة ثابتة من الوجهات تنتمي إلى choice.

البوابة هي حيث توجد الهندسة المعمارية بالفعل. الجواب المكتوب قد يكون خاطئاً، لذا تحدد الثقة ما سيحدث بعد ذلك. نموذج عملي للبدء: تصرف تلقائياً فوق 0.85، ووجه ما بين 0.55 و 0.85 إلى نموذج أقوى أو تمريرة ثانية، و ضع أي شيء أقل من 0.55 في قائمة الانتظار لشخص. هذه الأرقام الدقيقة توضيحية. نموذج توجيه الثقة الخاص بـ TypeSafe يحدد عتبة منفصلة لكل إجراء بناءً على تكلفة الخطأ، وصفحة الثقة الخاصة بها تخبرك "باختبار بياناتك الخاصة، والتعديل حسب ملاحظتك للنتائج". بمجرد ضبط عتباتك، ثبّت النموذج: يتبع jev-latest أحدث إصدار مستقر، بينما يجمد jev-1.13.0 السلوك الذي قسته.

اختبر طبقة القرار في Apidog

طبقة القرار لا تستحق الثقة إلا إذا تمكنت من إثبات كيفية تصرفها. هذا يعني طلبات وحالات تأكيد محفوظة، وليس سجلاً طرفياً لعمليات curl لمرة واحدة. يقدم لك Apidog كلاهما، وتبدو حالات التأكيد مختلفة عن اختبارات API العادية لأنك تتحقق من الأرقام وقيم التعداد (enum) بدلاً من السلاسل النصية.

احفظ المفتاح كمتغير بيئة. أنشئ بيئة باسم TypeSafe، أضف TYPESAFE_API_KEY كقيمة محلية بحيث تبقى على جهازك، وأشر إليها كـ {{TYPESAFE_API_KEY}} في رمز مميز (Bearer token). يغطي دليلنا حول البيئات والمتغيرات السرية قواعد النطاق.

أرسل الاستدعاء الحقيقي. POST https://api.typesafe.ai/v1/systemone مع نص الطلب (state-plus-questions) الموضح أعلاه.

تحقق من القرار. أضف تأكيدات ما بعد المعالجة مثل answers.department.choice يساوي billing، وanswers.urgent.noul أكبر من 0.9، وanswers.frustration.score أكبر من 1.5. الآن، يؤدي تغيير السلوك إلى فشل الاختبار بدلاً من إعادة توجيه التذاكر بصمت بشكل خاطئ.

ثم ابنِ السيناريو المهم. احفظ مجموعة صغيرة من الحالات المصنفة كسيناريو اختبار: سؤال هادئ، تهديد غاضب بالإلغاء، ورسالة غامضة عمداً يجب أن يتردد موجه جيد في التعامل معها. أكد الثقة العالية في الأولين وأكد أن الثقة تنخفض تحت بوابتك في الثالث. يحوّل هذا السيناريو الوحيد ضبط العتبات إلى دليل بدلاً من التخمين، ويلتقط الفشل الأصعب ملاحظته يدوياً: يقوم شخص ما بإعادة صياغة وصف المعيار، وكل استجابة لا تزال صالحة، والتوجيه يتحول بصمت. شغله في التكامل المستمر (CI) وستفشل إعادة الكتابة في عملية البناء.

احاكي شكل الاستجابة حتى لا تستهلك أعمال الواجهة الأمامية الرموز. بما أن كائن answers يتم الإعلان عنه قبل الطلب، فإن الاستجابة الوهمية (mock) والاستجابة الحية لا يمكن أن تتباعدا. قم بتنزيل Apidog لإعداد هذا؛ تغطي الخطة المجانية فريقاً من أربعة أفراد.

خمسة مسارات عمل تدفع فيها طبقة القرار تكاليفها بنفسها

• المتحقق الشامل. أغلف كل استدعاء LLM مكلف. تحقق من الموجه الوارد للكشف عن الحقن، الأداة المختارة للتطابقات الواضحة، المخرجات للمتطلبات المفقودة، والإجابة النهائية للمطالبات التي لا تدعمها المواد المصدرية. فحوصات رخيصة حول عقل مكلف.
• برج مراقبة الدعم. صنف التذكرة، اكتشف الإلحاح، الإحباط، نية الاسترداد، ومخاطر الإلغاء في استدعاء واحد، ثم وجهها. الفائدة هي عدد أقل من التذاكر في قائمة الانتظار الخاطئة وعدد أقل من الحسابات القيمة المهملة.
• تأهيل العملاء المحتملين. قيم مدى ملاءمة الشركة، النضج التقني، الألم المعلن، نية الشراء، والإلحاح كإشارات منفصلة، ثم ادمجها بأوزان تملكها ويمكنك الدفاع عنها في مراجعة خط الأنابيب (pipeline review).
• موجه النموذج. قرر لكل طلب ما إذا كان يجب أن يتعامل معه كود حتمي، نموذج صغير، نموذج حدودي، أو إنسان. هذا هو عادة المكان الذي تظهر فيه وفورات التكلفة أولاً.
• مهام مجموعات البيانات الكبيرة. قم بتشغيل نفس الأحكام الدلالية عبر سجلات الدعم، المراجعات، القوائم، النصوص، أو آثار الوكلاء لاستخراج ميزات منظمة وتصنيف السجلات التي تستحق نظرة بشرية. تحليل يصبح عملياً فقط عندما يكون كل قرار سريعاً وشبه مجاني.

الأسئلة الشائعة

• هل ما زلت بحاجة إلى نموذج لغة؟ نعم. لا يستطيع جيف (Jev) كتابة الرد، الملخص، أو الكود. إنه يقرر أي نظام يجب أن يقوم بذلك، ويمكنه تقييم المسودة بعد ذلك مقابل معايير صريحة مثل الامتثال للسياسة أو ما إذا كانت الإجابة تحتوي على وعد لا تقدمه.
• كيف يختلف هذا عن وضع JSON أو المخرجات المنظمة؟ تقيد المخرجات المنظمة تنسيق نموذج النص؛ لا يزال النموذج يولد الرموز ويمكنه أن يؤكد شيئاً خاطئاً في شكل صالح. يعيد جيف (Jev) توزيعاً احتمالياً على مجموعة من الإجابات التي حددتها، لذا فإن عدم اليقين هو حقل من الدرجة الأولى. يغطي شرحنا حول مخرجات OpenAI المنظمة الجانب الآخر من هذه المقارنة.
• كيف أحصل على الوصول؟ جيف (Jev) في مرحلة الوصول المبكر مع قائمة انتظار، لذا هذا ليس خدمة ذاتية بعد. تقوم TypeSafe بإضافة المطورين من القائمة على دفعات، وتسجل الدخول إلى console.typesafe.ai بمجرد حصولك على الوصول. كما أنه متاح عبر Vercel AI Gateway باسم typesafe-ai/jev عبر experimental_evaluate في AI SDK 7، وهو خاص بالـ SDK فقط وغير مكشوف على نقاط النهاية المتوافقة مع OpenAI. يتضمن شرحنا حول الحصول على مفتاح API لـ Jev تفاصيل الطلب والـ SDK.
• هل يمكنني تشغيل شيء كهذا محلياً؟ تستنسخ العديد من المشاريع أجزاء من الفكرة بفك تشفير مقيد عبر الأوزان المفتوحة. قارنّاها في OpenJev وبدائل Jev مفتوحة المصدر، بما في ذلك مدى دقة كل منها في الثقة المعايرة.

إلى أين يقودك هذا

جيف (Jev) ليس النموذج الذي يحل محل نماذجك الأخرى. إنه الطبقة التي تقرر متى وأين وما إذا كانت ستعمل. ابنِها بهذه الطريقة: حالة نظيفة واحدة، أسئلة ذرية بمعايير صريحة، تقييم متوازي، وبوابة ثقة أمام كل إجراء. ثم أثبت أن البوابة تعمل باستخدام سيناريو محفوظ في Apidog قبل أن تقوم بتوجيه تذكرة حقيقية واحدة.