أسئلة Noul بنعم/لا: احصل على احتمالات حقيقية بين 0 و 1
في الدرس السابق، قاس Score «إلى أي درجة». لكن كثيراً من الأحكام لا تحتاج حتى إلى السؤال عن الدرجة، بل هي قطعٌ بسيط بين نعم ولا: هل تُحوَّل هذه الرسالة إلى موظف بشري، هل تذكر هذه السيرة الذاتية الأنظمة الموزعة، هل يحتوي هذا التعليق على معلومات شخصية.
هذه الأنواع من الأسئلة تُسلَّم إلى Jev Noul: يُطرح سؤال بنعم/لا، ويعيد Jev احتمال «أن تكون الإجابة نعم» — رقم بين 0 و 1.
في الواقع لقد استخدمته بالفعل فيالطلب الأول — فـ is_urgent في مثال التذكرة كان سؤال Noul، والتذكرة التي تقول «واجهة API معطلة بالكامل 500» أعادت 0.99. هذا الدرس يشرحه بالكامل، في 8 دقائق.
ماذا ستستطيع أن تفعل بعد التعلم
- كتابة سؤال Jev Noul نعم/لا نظيف: نعم/لا واحدة لكل سؤال، القيم القريبة من 1 تمثل «نعم» بشكل ثابت، وعندما تكون الحدود دقيقة استخدم
criteriaلكتابة true / false بوضوح - قراءة قيم
noul: القرب من 1 يعني «نعم» قوية، والقرب من 0 يعني «لا» قوية، والقرب من 0.5 يعني خمسين-خمسين، مع توضيح لماذا لا يوجد confidence منفصل - استخدام عتبات البداية 0.7 / 0.3 لتحويل الاحتمال إلى فروع في الكود، وتعديلها لأعلى أو أسفل حسب تكلفة الخطأ
- إرسال سلسلة من أسئلة Noul في طلب واحد للتحقق الدفعي من القوائم، واستخدام
instructionsمنظمة ليتولى الكود توليد الأسئلة دفعة واحدة - توضيح متى تستخدم Noul ومتى تتحول إلى Score — 0.5 ليست «درجة متوسطة»
معضلتك الحالية
- عندما تجعل GPT يجيب على أسئلة بنعم/لا، يحلل ثلاث فقرات ثم يستنتج، ويحب أن يقول «بشكل عام نعم، ولكن ليس تماماً» — لا يمكن للكود استخدامه
- تسأل نفس الرسالة مرتين، مرة «نعم» ومرة «لا»، بلا احتمال ثابت، فلا يمكن تحديد العتبة أبداً
- إذا أجبرته على إعادة رقم فقط، يقول 0.9 و 0.6 بسهولة، لكن لا أحد يعرف ما إذا كان هذين الرقمين من نفس نوع «اليقين»، وأي ما يجب مراجعته يبقى تخميناً بحتاً
متى تستخدم هذه الحيلة
عندما تحتاج إلى:
- حكم نعم/لا نظيف: هل تطلب الرسالة استرداداً، هل تذكر السيرة الذاتية الأنظمة الموزعة، هل يحتوي التعليق على معلومات شخصية
- احتمال يدخل الكود مباشرة: تجاوز العتبة يفعّل
if، الترتيب حسب الاحتمال، الجمع بين عدة أسئلة ثم الترجيح - سلسلة من شروط نعم/لا تُسأل مرة واحدة: تحقق بأسلوب القائمة، شرط واحد لكل سؤال
ولا تريد:
- تحليل «نعم، لكن…» بأسلوب نماذج المحادثة الحرة
- خلط معايير نعم/لا داخل prompt، فتتغير المعايير مع كل إصدار جديد من النموذج
- تركه ينفّذ تلقائياً حتى عندما لا يكون النموذج نفسه واثقاً (عندما تقع القيمة قرب 0.5)
🎒 التحضير قبل البدء
- أكملت حالة State: تعرف أن المحتوى المطلوب الحكم عليه يوضع في
state(سلسلة نصية، كائن JSON، مصفوفة نصوص — كلها ممكنة) - شغّلت بنجاحالطلب الأول:
.venvيحتوي علىtypesafe-sdk، وTYPESAFE_API_KEYموجود في متغيرات البيئة
الفكرة الأساسية
**Noul يجيب على «هل هو كذلك أم لا». ** السيناريوهات الرسمية الموصى بها: هل تطلب هذه الرسالة استرداداً، هل تذكر هذه السيرة الذاتية الأنظمة الموزعة، هل يحتوي هذا التعليق على معلومات شخصية — الإجابة لها نتيجتان فقط، والاحتمال نفسه إشارة مفيدة. هذا الاحتمال معاير: Jev مدرَّب على قرارات معايرة، والاحتمال منسجم مع النتائج الحقيقية، والأرقام مثل 0.7 فقط تتحمل الاستخدام كعتبة.
**سؤال TypeSafe Noul واحد لا يحتوي إلا ثلاثة حقول: **
| الحقل | ماذا يُكتب | مثال |
|---|---|---|
type | ثابت "noul" | — |
instructions | سؤال نعم/لا كامل، أو عبارة واحدة يُطلب من النموذج الحكم عليها | Is the customer asking for a human agent? |
criteria | اختياري: true / false جملة واحدة لكل منهما، توضح ما يُعد «نعم» وما يُعد «لا» | راجع الخطوة 1 |
اختر معرّف السؤال بنفسك (مثل is_human_escalation)، ولن يُرسل إلى النموذج — يجب كتابة السؤال كاملًا في instructions، حتى لو بدا المعرّف واضحًا بذاته.
الإرجاع رقم واحد فقط. noul = احتمال أن تكون الإجابة «نعم»: 0 لا، 1 نعم. لا يوجد confidence منفصل — فالسؤال نعم/لا له نتيجتان فقط، واحتمال واحد يصف التوزيع بأكمله؛ أما احتمالات Choice / Score فتتوزع على خيارات أو مستويات متعددة، لذا تحتاج إلى confidence لتلخيص شكل التوزيع.
كيف تختار بين أنواع الأسئلة الثلاثة.
| نوع السؤال | شكل الإجابة | الاستخدام في الكود |
|---|---|---|
| Choice | اختيار واحد من خيارات ثابتة، لا ترتيب بين الخيارات | الربط بمسارات كود N |
| Score | موقع على طيف، يمكنك وصف كل مستوى | تجاوز العتبة، الترتيب |
| Noul (هذا الدرس) | نعم/لا واضحة، والاحتمال بذاته هو الإشارة | if واحد |
المعيار الرسمي: خيارات ثابتة بلا ترتيب → Choice؛ طيف يمكن وصف كل مستوى فيه → Score؛ نعم/لا واضحة والاحتمال مفيد → Noul. عند تشابه الاثنين، اختر ما يمكن للكود أن يتصرف مباشرة بناءً على إجابته.
noul ليس مقياسًا للدرجة. إنه يقيس فقط احتمال أن تكون القضية التي تسأل عنها صحيحة. 0.5 = تعادل تام، وليس «متوسط» — عندما لا يكون «قوي» في «هل المرشح قوي في Python» محددًا بوضوح، فإن 0.5 لا يوضح شيئًا. لقياس الدرجة، استخدم المستويات المحددة في Score (راجع التجربة المقارنة الرسمية في تنبيه المزالق، البند 3).
نفّذ معي
الخطوة 1: اكتب سؤال Jev Noul نعم/لا واضحًا (instructions مع criteria اختياري)
لماذا: قيمة Jev في سؤال noul نعم/لا يتحدد معناها بالكامل بالصياغة. شرطان في سؤال واحد، أو اتجاه مكتوب بالمقلوب، أو حدود غامضة — تجعل القيمة غير قابلة للقراءة والعتبات بلا فائدة.
قواعد كتابة الأسئلة الرسمية:
- سؤال Noul واحد يسأل عن نعم/لا واحدة فقط. «هل العميل غاضب ويطلب استرداد المال في آن واحد؟» حكمان، والنموذج يقدّرهما معًا فقط فيصبح معنى القيمة ضبابيًا. قسّمهما إلى سؤالين واجمعهما في الكود (هذا ما تم في الخطوة 4)
- اجعل القيم القريبة من 1 تمثل «نعم» بثبات. Does the message contain personal data? واضحة؛ أما Is the message free of personal data? فاتجاهها معكوس، والكود الذي يقرأ القيمة سينعكس لديه بالكامل
- الجملة الخبرية والاستفهامية كلتاهما مقبولة. The customer is requesting a refund — القيمة القريبة من 1 تعني أن الخبر صحيح. جرّب كلتا الصياغتين على بياناتك واحتفظ بالأفضل أداءً
- لا تترك منطقة وسطى عند الحدود. كلمة any في Does this candidate have any Python experience? تثبّت الحد؛ وعندما تكون الحدود دقيقة، أضف
criteriaيوضح ما يُعد true / false لكل منهما
مثال رسمي على الحدود الدقيقة — سؤال «هل هو تواصل متكرر» أُضيف إليه criteria:
from typesafe_sdk import Noul, NoulCriteria
Noul(
instructions="Has the customer contacted support about this before?",
criteria=NoulCriteria(
true="Mentions a prior attempt, ticket, or that they have asked before",
false="No sign of any previous contact",
),
)إضافتان:
- النص الرسمي الأصلي: instruction is enough for most Nouls — معظم الأسئلة تكفيها جملة واحدة، شغّل نسخة بدون
criteriaأولًا، وأضفه إذا لم تكن الإجابة مرضية - عندما يكون state كائنًا مهيكلًا، استخدم المسار المحاط بعلامات backtick لتحديد الحقل المطلوب الحكم عليه: Does
ticket.messages[0].textrequest a refund?
يجب أن ترى: سؤال نعم/لا بصياغة واضحة — حكم واحد فقط، والقيمة القريبة من 1 تمثل «نعم» بوضوح، ولا غموض عند الحدود.
- سؤالي يحتوي على حكم نعم/لا واحد فقط، والقيمة القريبة من 1 تمثل «نعم» بوضوح
الخطوة 2: أرسل أول طلب Noul باستخدام typesafe-sdk
لماذا: شغّل مثال السؤالين الرسمي كما هو أولًا لبناء خط أساس «معروف الصحة» — لتكون لديك مرجعية عند استكشاف الأخطاء بعد استبداله بسؤالك.
أنشئ noul_support.py، والصق المثال الرسمي (رسالة خدمة عملاء تطلب التحويل إلى موظف بشري، تسأل عن أمرين في آن واحد):
from typesafe_sdk import Noul, NoulCriteria, TypeSafeClient
with TypeSafeClient() as client:
response = client.system_one(
model="jev-latest",
state="I have asked three times now. Can I please just talk to a real person?",
questions={
"is_human_escalation": Noul(
instructions="Is the customer asking for a human agent?",
),
"is_repeat_contact": Noul(
instructions="Has the customer contacted support about this before?",
criteria=NoulCriteria(
true="Mentions a prior attempt, ticket, or that they have asked before",
false="No sign of any previous contact",
),
),
},
)
print(response.answers["is_human_escalation"].noul)
print(response.answers["is_repeat_contact"].noul)شغّل:
.venv/bin/python noul_support.pyيجب أن ترى:
0.99
0.93التفسير الرسمي: الرسالة تنص صراحة على talk to a real person، فـ «طلب موظف بشري» هي 0.99؛ و I have asked three times now تطابق وصف true في is_repeat_contact (الإشارة إلى سؤال سابق)، فقيمتها 0.93. قد تتغير القيم النموذجية مع إصدار Jev، فلا تشغل نفسك بفروق المنازل العشرية.
- حصلت على رقمين قريبين من 1 (القيم النموذجية 0.99 / 0.93)
💡 هل يمكن الحكم على محتوى بالصينية
نعم. الوثيقة الرسمية: الإنجليزية هي لغة التدريب الرئيسية وتحقق أفضل دقة، واللغات الأخرى بما فيها الصينية تعمل لكن بدقة أقل. قبل إطلاق سيناريو صيني، شغّل دفعة على بياناتك أولًا؛ وللأسئلة من نوع Noul التي لا تملك confidence، ركّز على عدد القيم التي تقع في نطاق عدم اليقين 0.3–0.7 (الخطوة 4).
الخطوة 3: افهم قيم noul: ماذا تمثل 0 و 0.5 و 1
لماذا: رقم منفرد لا يمكن قراءته بلا إطار مرجعي. سجّلت الوثيقة الرسمية لنفس السؤال (is_human_escalation) إجابات ست رسائل مختلفة، وهي أوضح مسطرة.
انظر أولًا إلى الإرجاع الكامل لطلب الخطوة 2:
{
"model": "jev-1.13.0",
"answers": {
"is_human_escalation": {
"type": "noul",
"noul": 0.99
},
"is_repeat_contact": {
"type": "noul",
"noul": 0.93
}
},
"usage": {
"input_tokens": 360,
"output_tokens": 39
}
}يجب أن ترى: في كل كائن إجابة حقلان فقط type و noul، وقيمة noul تطابق ما طبعته من 0.99 / 0.93. "model": "jev-1.13.0" هو الإصدار المستخدم عند تسجيل المثال الرسمي؛ أما أنت فتشغّل jev-latest، وسيُعرض هنا إصدار النموذج الحالي.
مقارنة الرسائل الست (إجابات jev-1.13.0 المسجلة رسميًا، الرسائل هي state بالإنجليزية الأصلية):
| رسالة العميل (state) | noul |
|---|---|
| Thanks, that fixed it! | 0.02 |
| How do I reset my password? | 0.07 |
| I need this sorted today, whatever it takes. | 0.26 |
| Are you a bot? | 0.40 |
| Is there any way to speak to someone about my invoice? | 0.84 |
| I have asked three times now. Can I please just talk to a real person? | 0.99 |
كيف تُقرأ:
- هذا الرقم يجمع الإجابة واليقين معًا. القرب من 1 يعني «نعم» قوية، والقرب من 0 يعني «لا» قوية، والقرب من 0.5 يعني أن النموذج يعطي احتمالًا متقاربًا لنعم/لا — فهو نفسه غير متأكد
- 0.26: عاجل جدًا، لكنه لم يطلب شخصًا. عبارة I need this sorted today تنقل إحساس الاستعجال، لكنها لم تطلب تدخلًا بشريًا مطلقًا — الحكمان منفصلان، لذا فالقيمة منخفضة
- 0.40: تلميح دون تصريح. عبارة Are you a bot? توحي بالرغبة في التحدث إلى شخص لكن دون قولها مباشرة، والنموذج شبه متعادل بين الاحتمالين
- التوضيح الرسمي: القيم «الواقعة في المنتصف» مثل 0.26 و 0.40 هي بالضبط الرسائل التي يجب أن يفصل فيها العتبة في الكود الخاص بك
لماذا لا يوجد confidence؟ احتمالات Choice / Score موزعة على خيارات أو مستويات متعددة، و confidence يلخص شكل التوزيع في رقم واحد؛ أما نعم/لا فلديها نتيجتان فقط، و noul واحد يصف التوزيع وصفًا كاملًا. إذا أردت استخدام نفس مجموعة الحدود مع Choice / Score يمكنك حسابه بنفسك، انظر |2p − 1| في تقنيات متقدمة.
💡 مدخل آخر لجلب القيمة
البداية السريعة تستخدم response.nouls["is_urgent"].noul في أمثلة الدرس، بينما أمثلة primitives في هذا الدرس تستخدم response.answers["id"].noul — المدخلان يشيران إلى نفس مجموعة الإجابات، فاكتبها وفق المثال الرسمي.
الخطوة 4: ضبط عتبة احتمال noul وتحويل الاحتمال إلى فرع في الكود
لماذا: الاحتمال لا يُعد مستخدمًا فعليًا إلا حين يتحول إلى إجراء. الاستخدام الأكثر شيوعًا ل Noul هو تحويله إلى قيمة منطقية عبر عتبة، ثم توصيله ب if.
أبسط شكل (المثال الرسمي):
wants_human = response.answers["is_human_escalation"].noul > 0.9
if wants_human:
route_to_agent(ticket)
else:
route_to_bot(ticket)أين تُحدد العتبة؟ نقطة البداية وقواعد التعديل التي قدمها المسؤولون:
| القاعدة | الطريقة |
|---|---|
| نقطة البداية | yes ≥ 0.7، no ≤ 0.3 |
| إذا كنت تهتم بـ «نعم» فقط | 0.7 عتبة واحدة تكفي |
| إذا كانت تكلفة «نعم» الزائفة عالية | ارفعها — مثل إيقاظ الموظف المناوب أو رد المبلغ مباشرة |
| إذا كانت تكلفة تفويت «نعم» الحقيقية عالية | اخفضها — مثل إغفال وسم مشكلة أمنية |
| بين 0.3–0.7 | لا يسلك مسار الكود، بل يُحال إلى شخص |
| تجنب | ضبط العتبة بدقة على «صواب كامل» بالاعتماد على حالات اختبار قليلة معدودة |
مثال التوجيه الكامل (رسمي): يُطرح سؤالان في طلب واحد، وأي سؤال يقع في المنتصف يُحال إلى شخص، والتواصل المتكرر يرفع الأولوية:
from typesafe_sdk import Noul, NoulCriteria, TypeSafeClient
SUPPORT_QUESTIONS = {
"is_human_escalation": Noul(
instructions="Is the customer asking for a human agent?",
),
"is_repeat_contact": Noul(
instructions="Has the customer contacted support about this before?",
criteria=NoulCriteria(
true="Mentions a prior attempt, ticket, or that they have asked before",
false="No sign of any previous contact",
),
),
}
YES = 0.7
NO = 0.3
def route(message: str) -> None:
with TypeSafeClient() as client:
response = client.system_one(
model="jev-latest",
state=message,
questions=SUPPORT_QUESTIONS,
)
answers = response.answers
wants_human = answers["is_human_escalation"].noul
repeat = answers["is_repeat_contact"].noul
if NO < wants_human < YES or NO < repeat < YES:
# The model isn't sure either way. Let a person decide.
send_to_review(message)
return
priority = "high" if repeat >= YES else "normal"
if wants_human >= YES:
route_to_agent(message, priority=priority)
else:
route_to_bot(message, priority=priority)route_to_agent / route_to_bot / send_to_review هي دوال المعالجة الخاصة بك، والمثال الرسمي يوضح منطق الحكم فقط.
يجب أن ترى:
- تلك الرسالة «asked three times»: 0.99 / 0.93 تجاوزتا YES معًا → إحالة إلى شخص، و repeat ≥ 0.7 ترفع الأولوية إلى high
- How do I reset my password?: كلا السؤالين 0.07 → يسلك مسار الروبوت
كيف تعدّل بعد الإطلاق؟ قدم المسؤولون اتجاهين، بالإضافة إلى ثابت واحد:
المراجعون لا يستطيعون مجاراة حجم الرسائل → ضيّق الفجوة بين NO و YES ليدخل المزيد من الرسائل في مسار الكود
التوجيه الخاطئ يزداد → وسّع الفجوة ليُحال المزيد من الرسائل إلى الأشخاص
تريد إضافة حكم جديد (هل ذُكر الدفع، هل تحتوي معلومات شخصية) → أضف Noul واحدًا إلى
SUPPORT_QUESTIONS، ويبقى عدد الطلبات 1في الكود الخاص بي عتبات YES / NO واضحة، والقيم بين 0.3–0.7 لها مخرج بشري
الخطوة 5: إرسال سلسلة من Noul في طلب واحد: التحقق الدفعي من القوائم و instructions المهيكلة
لماذا: كثير من الأحكام هي بطبيعتها قوائم — هل كل سجل في السيرة الذاتية وقاعدة المرشحين يعود لنفس الشخص، وهل كل زوج من الأسطر المتجاورة في مستند مقطوع بفاصل أسطر. النهج الرسمي: Noul واحد لكل شرط، وكلها تُحشر في طلب واحد؛ تُقيَّم الأسئلة بالتوازي، وإضافة أسئلة تكاد لا تزيد زمن الاستجابة، وتكلف فقط قدرًا صغيرًا من رموز الأسئلة (الفائدة المقيسة لإرسال 13 سؤالًا دفعة واحدة في طلب واحد، انظرالأسئلة المتوازية).
عندما يحتاج كل سؤال إلى حمل بياناته، اكتب instructions ككائن: السؤال ثابت في حقل واحد، والبيانات في الحقول الأخرى، ويولدها الكود دفعات. مثال فحص تكرار السير الذاتية الرسمي — مقارنة سيرة ذاتية وصلت حديثًا بكل سجل في قاعدة المرشحين قد يكون لنفس الشخص:
from typesafe_sdk import Noul, TypeSafeClient
SAME_PERSON = "Is the resume for the same person as `potential_duplicate`?"
def duplicate_questions(candidates: list[dict]) -> dict[str, Noul]:
"""One Noul per candidate record, all asking the same question."""
return {
f"same_as_record_{candidate['id']}": Noul(
instructions={
"potential_duplicate": {
"name": candidate["name"],
"location": candidate["location"],
"last_employer": candidate["last_employer"],
},
"question": SAME_PERSON,
},
)
for candidate in candidates
}
def find_duplicates(resume: dict, candidates: list[dict]) -> list[str]:
with TypeSafeClient() as client:
response = client.system_one(
model="jev-latest",
state={"resume": resume},
questions=duplicate_questions(candidates),
)
return [
question_id
for question_id, answer in response.answers.items()
if answer.noul > 0.7
]ثلاثة تفاصيل:
- معرّف السؤال يُركّبه الكود بإضافة معرّف السجل من قاعدة البيانات (
same_as_record_18)، والإجابة تُربط كما هي بنفس المعرّف - حقل
questionمتطابق تمامًا في كل الأسئلة، وما يتغير هو البيانات فيpotential_duplicateفقط - يستخدم
find_duplicates0.7 لفرز «نعم» — القيم الوسطى يجب أن تُحال إلى شخص كذلك، بنفس فكرة الخطوة 4
ما يعيده المثال الرسمي (ثلاثة سجلات مرشحة):
{
"model": "jev-1.13.0",
"answers": {
"same_as_record_18": {
"type": "noul",
"noul": 0.74
},
"same_as_record_42": {
"type": "noul",
"noul": 0.09
},
"same_as_record_77": {
"type": "noul",
"noul": 0.08
}
},
"usage": {
"input_tokens": 535,
"output_tokens": 58
}
}التفسير الرسمي: السجل 18 اختلاف في تهجئة الاسم، لكن الموقع وصاحب العمل متطابقان → 0.74؛ السجل 42 نفس الاسم، مدينة وصاحب عمل مختلفان → 0.09؛ السجل 77 اسم متقارب، نفس الموقع، صاحب عمل مختلف → 0.08.
يجب أن ترى: find_duplicates() يعيد ['same_as_record_18'] — فقط 0.74 تجاوز عتبة 0.7.
يمكن أيضًا لنفس instructions المهيكلة التحقق حقلًا حقلًا من نتائج استخراج النموذج الأرخص — صفحة سيناريو الاستخراج المتتالي توسّع هذا الاستخدام (نفس مجموعة الأسئلة لكل حقل، main_question يحمل نص السؤال، و field_spec و extracted_field يتغيران حقلًا حقلًا).
نقطة تحقق ✅
- أعرف أن
noulهو احتمال أن تكون الإجابة «نعم»: القرب من 1 نعم قوية، والقرب من 0 لا قوية، والقرب من 0.5 تعادل تام - شغّلت مثال 0.99 / 0.93 الرسمي، وأستطيع أن أقول أي عبارة في الرسالة يقابلها كل منهما
- أعرف أن إجابات Noul لا تملك confidence منفصلًا، ولماذا
- عتباتي الابتدائية هي yes ≥ 0.7، no ≤ 0.3، 0.3–0.7 تُحال إلى شخص، وأعدّلها حسب تكلفة الخطأ
- كل Noul لدي يسأل سؤال نعم/لا واحدًا، وعند التحقق الدفعي يكون لكل شرط سؤال واحد وكلها تُرسل في طلب واحد
تنبيه للمزالق
❌ حشر شرطين في Noul واحد
instructions: "Is the customer angry and asking for a refund?"«الغضب» و«طلب استرداد المال» هما حكمان منفصلان، وعند حشرهما في سؤال واحد لا يستطيع النموذج تقديرهما إلا معًا: الرسالة التي يتحقق فيها شرط ويَفشل الآخر لا تجد مكانًا، و0.6 لا يوضّح هل هي «غاضب قليلًا لكنه لم يطلب مالًا» أم «غير غاضب لكنه يطلب مالًا».
الطريقة الصحيحة: شرط واحد لكل Noul، وتُرسل الأسئلة بالتوازي في طلب واحد، ثم تُدمج في الكود — الخطوة 4 في route() هي مثال على دمج سؤالين «يلزم تدخل بشري × تكرار التواصل».
❌ السؤال بالعكس، فتصبح القيم القريبة من 1 بمعنى «لا»
مثال سلبي: Is the message free of personal data? # القريب من 1 = لا توجد معلومات شخصية، وهو عكس حدس قراءة القيمة
مثال إيجابي: Does the message contain personal data? # القريب من 1 = توجد معلومات شخصيةلو انعكس الاتجاه فستظل القيم تعمل، لكن من يقرأ هذا الكود بعد ثلاثة أشهر (بما فيهم أنت) سيظن بالحدس أن القيمة العالية تعني «هناك مشكلة» — فينقلب المنطق كله. القاعدة الرسمية: صُغ العبارة بحيث تمثل القيم القريبة من 1 باستمرار معنى «نعم».
❌ استخدام noul كمسطرة لقياس الدرجات:0.5 ليس «متوسطًا»
تريد قياس «هل المرشح قوي في Python»؟ أجرت الجهة الرسمية مقارنة على نفس مجموعة المرشحين بين Noul وScore رباعي المستويات:
| وصف المرشح لنفسه (state) | Noul: Is the candidate strong in Python? | Score: مقياس خبرة رباعي المستويات |
|---|---|---|
| My experience is in Java and Go. I have not used Python. | 0.03 | 0.0(No experience) |
| I have used Python occasionally for small scripts alongside my main Java work. | 0.14 | 1.0(Some familiarity) |
| I used Python every day for two years in my last job, mostly data pipelines. | 0.81 | 2.05(Regular use in a job) |
| I have written Python daily for eight years, including maintaining a large Django codebase. | 0.92 | 2.89(Deep expertise) |
Noul يحكم فقط على قضية «قوي» هذه، والقيمة هي احتمال صحتها. يمكنك في الكود تعريف 0.3–0.7 بأنه «بعض الخبرة»، لكن النموذج لا يرى تعريفك — القيمة الوسطى قد تعني «خبرة متوسطة» أو «لا يمكن الجزم»، والمسافات بين المرشحين ليست من اختيارك. أما Score فيقارن المستويات واحدًا واحدًا بالوصف الذي كتبته، فيقع كل مرشح على المستوى الذي عرّفته أو قربه؛ وإذا لم توافق على مستوى، عدّل الوصف وأعد التشغيل.
الطريقة الصحيحة: إن كان الأمر قرارًا بنعم/لا، فعرّف الشرط بوضوح ثم اسأل — الجملة الرسمية المثال Does the resume state that the candidate has used Python at work?؛ وإن أردت قياس درجة، فاستخدم مستويات التعريف في Score.
❌ ضبط العتبة بدقة مفرطة على بضعة حالات اختبار
خذ خمس أو ست رسائل اختبار وشغّلها مرارًا واضبط العتبة حتى تصيب كل واحدة — الجهة الرسمية ترفض ذلك صراحة: بمجرد تغيير مجموعة الحالات، كثيرًا ما تفشل هذه «العتبة المثالية». الطريقة الصحيحة: ابدأ من 0.7 / 0.3، واضبط وفق قواعد التكلفة في الخطوة 4، وأعطِ القيم الوسطى للبشر، وبعد الإطلاق ضيّق النطاق أو وسّعه حسب حجم المراجعة ومعدل الأخطاء.
لمزيد من أنماط الفشل العامة (الفهم الحرفي، عدم موثوقية العدّ، وضع مقارنات التواريخ في الكود) انظر Jev 1.13 دليل تجنب المزالق.
تقنيات متقدمة (اختياري)
احسب لـ Noul «درجة ثقة» بنفسه. لا يملك Noul خاصية confidence، لكن إن أردت معالجة Noul وChoice / Score بنفس كود العتبات، فقدّمت الجهة الرسمية صيغة — خذ المسافة من 0.5:
p = answer.noul
confidence = abs(2 * p - 1) # p=0.5 时为 0,p=0 或 1 时为 1هي ببساطة تطبيق صيغة confidence الخاصة بـ Choice على خياري «نعم/لا»، لذا فهي على نفس مقياس confidence الخاص بـ Choice. اشتقاق الصيغة في الدرس التالي Confidence درجة الثقة.
جرّب الجملة الاستفهامية والخبرية معًا. الجملة الخبرية مثل The customer is requesting a refund تعطي نفس أثر الجملة الاستفهامية — القريب من 1 يعني أن الخبر صحيح. توصي الجهة الرسمية بتشغيل الصيغتين على بياناتك والاحتفاظ بالأفضل أداءً.
جرّب دون كتابة كود. في Playground داخل وحدة التحكم (https://console.typesafe.ai/playground) الصق state وأضف السؤال وشاهد الإجابة دون كود.
اتصل بالـ API مباشرة متجاوزًا الـ SDK. أرسل POST إلى https://api.typesafe.ai/v1/systemone، وبهذا الشكل يبدو JSON الخام لسؤال noul (مثال is_urgent من درس البدء السريع):
{
"state": "Our API integration started returning 500 errors on every request about 20 minutes ago, and we can't process any customer orders until this is fixed.",
"model": "jev-latest",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "The message conveys urgency or time-sensitivity"
}
}
}في الاستجابة تكون إجابة is_urgent هي {"type": "noul", "noul": 0.99} (قيمة مسجلة من المثال الرسمي). التعريف الكامل لقيود حقول الطلب في مرجع API السريع.
خلاصة الدرس
✅ Jev طريقة استخدام Noul: سؤال نعم/لا واحد لكل قضية، واكتب في instructions السؤال كاملًا (مع تعريف اختياري لحدود نعم/لا في criteria)، ويُعيد Jev احتمال أن تكون الإجابة «نعم».
✅ قراءة القيمة: القريب من 1 «نعم» قوية، والقريب من 0 «لا» قوية، والقريب من 0.5 تعادل خمسين/خمسين؛ لا توجد confidence منفصلة — توزيع النتيجتين يُختصر في رقم واحد.
✅ العتبات: البداية yes ≥ 0.7 وno ≤ 0.3؛ إن كانت كلفة «نعم» الخاطئة عالية فارفعها، وإن كانت كلفة تفويت «نعم» الحقيقية عالية فاخفضها؛ حوّل ما بين 0.3–0.7 إلى البشر؛ ولا تضبط العتبة بدقة على بضع حالات.
✅ الدفعات: للأحكام القائمة على قوائم، شرط واحد لكل سؤال داخل نفس الطلب؛ ويمكن كتابة instructions ككائن، فيولّد الكود الأسئلة دفعة واحدة.
✅ الاختيار: حكم نعم/لا واضح والاحتمال مفيد → Noul؛ قياس درجة → Score؛ خيارات ثابتة → Choice.
مراجعة حقول الإعداد الأساسية:
| الحقل | الصيغة الموصى بها | الشرح |
|---|---|---|
type | "noul" | قيمة ثابتة |
instructions | سؤال نعم/لا واحد أو جملة خبرية واحدة؛ القريب من 1 = نعم | مع state المعقدة استخدم مسارات backticks لتسمية الحقول بالاسم |
criteria | اختياري NoulCriteria(true=…, false=…) | يُضاف عندما تكون الحدود دقيقة، ومعظم الأسئلة لا تحتاجه |
| الوصول إلى الإجابة | response.answers["id"].noul | يمكن أيضًا response.nouls["id"].noul |
للاطلاع على كيفية استخدام Jev Noul في سيناريوهات واقعية: الاتساق الذاتي (تقييم مطالبات التأمين بأسئلة نعم/لا وفق rubric من 14 بندًا وقياس الاستقرار عبر عدة تشغيلات)؛ البحث والمطابقة (إعادة الترتيب بفرز احتمالات noul مباشرة دون عتبات)؛ الاستخراج المتتالي (تعليمات منظمة تتحقق حقلًا حقلًا من نتائج الاستخراج).
استعراض الدرس التالي
لا يحتوي Noul على confidence، إذن كيف يُحسب confidence الخاص بـ Choice / Score من التوزيع الاحتمالي، وكيف يجب أن يتدرج الحد مع المخاطر؟ الدرس التالي: Confidence الثقة: ماذا نفعل عندما يقول النموذج «لست متأكدًا».
ستتعلم:
- صيغة حساب confidence: واحدة لـ Choice وأخرى لـ Score، ويمكن التحقق من كلتيهما يدويًا من probabilities
- ثلاثة مستويات للاستخدام: مرتفع للتنفيذ التلقائي، متوسط للتأكيد أو وضع علامة، منخفض للتحويل إلى بشري
- تدرج الحد مع المخاطر: 0.5 كحد أدنى، والعمليات عالية الخطورة مثل
approve_transferتتطلب > 0.9 - مؤشرات بديلة عند عدم استخدام confidence الرسمي: احتمالية الأعلى، ونسبة الأعلى إلى الثاني