البحث والمطابقة: إعادة الترتيب، البحث سطرًا بسطر، محاذاة الكيانات
💡 الخلاصة في جملة: استخدم Jev لإضافة طبقة «ترتيب—تحديد—فصل» إلى البحث — إعادة الترتيب بـ Jev تُرسل سؤال Noul واحدًا لكل زوج وتُعيد الترتيب حسب الاحتمال، والبحث سطرًا بسطر يستخدم Choice لتحديد السطر مع سؤال Noul واحد للتحقق من وجود الإجابة، ومحاذاة الكيانات تُحدد بسؤال Score واحد وثلاث درجات. البحث السريع مسؤول عن الاستدعاء، وJev مسؤول عن وضع المطابق الصحيح في المرتبة الأولى.
«البحث» يتكون من مرحلتين مختلفتين: المرحلة الأولى (مثل BM25 وتشابه التضمينات البحث السريع) سريعة بما يكفي لإخراج قائمة مختصرة قد تحتوي على الـ top-30 الصحيح من بين آلاف المستندات؛ أما المرحلة الثانية — أي من هذه الـ 30 عنصرًا هو الصحيح — فهي لا تستطيع الإجابة عنها. بيانات الاختبار الفعلية من cookbook الرسمي Re-ranking توضح المشكلة أفضل ما يمكن: 100% من المقاطع الصحيحة أخرجها BM25 إلى top-30، لكن 5% فقط جاءت في المرتبة الأولى.
إعادة الترتيب بـ Jev تعالج بالضبط المرحلة الثانية: رسميًا، على بيانات استعلامات CLERC القانونية، يُرسل سؤال Noul واحد لكل زوج «استعلام-مرشح» للحصول على درجة قابلة للمقارنة في نطاق 0–1، وتُعاد ترتيب القائمة المختصرة بناءً عليها — إصابة top-1 من 5% إلى 18%، وtop-10 من 38% إلى 62%. يشرح هذا الدرس الحالات الثلاث في مجموعة Search and matching من فهرس الـ cookbook الرسمي دفعة واحدة: إلى جانب إعادة الترتيب، هناك البحث سطرًا بسطر (218 سطرًا من شروط خدمة GitHub، طلب واحد يحدد في أي سطر تقع الإجابة ويحكم كذلك هل يحتوي المستند على إجابة أصلًا) ومحاذاة الكيانات (450 زوج مرشحين من كتالوغي بيرة، والحكم أي سطرين يتحدثان عن البيرة نفسها). ثلاث حالات وثلاث مجموعات من تركيبات الأسئلة، لكن مبدأ تقسيم العمل واحد فقط: ما يمكن حسابه يكون في الكود، وأحكام قراءة النص تُسند إلى Jev.
ماذا ستستطيع فعله بعد إتمام الدرس
- إضافة طبقة إعادة ترتيب فوق استرجاع BM25 / التضمينات القائم: سؤال Noul واحد لكل زوج «استعلام-مرشح»، وإعادة ترتيب القائمة المختصرة حسب درجة الاحتمال في نطاق 0–1 — الاختبار الرسمي الفعلي: معدل إصابة top-1 من 5% إلى 18%، وtop-10 من 38% إلى 62%
- كتابة
find(query): مستند لا يتجاوز 255 سطرًا، طلب واحد يعيد «مدى صلة كل سطر» (احتمالات Choice) مع «هل توجد إجابة في المستند» (Noul)، وعند عدم وجود إجابة يجرؤ على قول ذلك (الاختبار الرسمي الفعلي: exists ينخفض إلى 0.14) - كتابة
route(pair): الحكم على ما إذا كان سجلا كتالوج يشيران إلى الشيء نفسه، والنتيجة الثلاثية (البقاء منفصلين / الإرسال للمراجعة البشرية / الدمج) تحددها أقرب درجة من سؤال Score واحد — دون أي ثابت عتبة طوال العملية - جعل Noul يُسمّي حقول الخلاف للمراجعة البشرية: في الطلب نفسه يُسأل حقلًا حقلًا «هل الاسم نفسه؟ هل المصنع نفسه؟ هل النوع نفسه؟»، فيفتح الـ curator التذكرة ويعرف أي حقل يجب أن ينظر إليه
لماذا استخدام Jev بدلًا من الاعتماد على البحث السريع فقط (BM25 / تشابه التضمينات)؟
البحث السريع يحل «إخراج الـ top-30 من بين آلاف العناصر»، أما الأحكام التي تلي ذلك فهو عاجز عنها.
| القدرة | بالاعتماد على البحث السريع فقط | Jev إعادة الترتيب والمطابقة |
|---|---|---|
| أساس الترتيب | ❌ التطابق الحرفي / مسافة المتجهات، أي تغيير في الصياغة يفسد الترتيب — الإجابة الصحيحة موجودة في القائمة المختصرة بنسبة 100%، لكن في المرتبة الأولى بنسبة 5% فقط | ✅ قراءة كل زوج «هل يستطيع هذا المرشح الإجابة عن هذا السؤال»، الاختبار الرسمي الفعلي: top-1 من 5% إلى 18%، وtop-10 من 38% إلى 62% |
| حالة «لا توجد إجابة» | ❌ الاسترجاع سيعيد دائمًا نتيجة «الأكثر شبها» ويجيب بها عنوة | ✅ البحث سطرًا بسطر مع سؤال exists Noul واحد، فعندما لا يحتوي المستند على إجابة تنخفض الدرجة إلى 0.14 ويُقال صراحة «ليست في هذا المستند» |
| ماذا عن الحالات الوسيطة | ❌ قطع التشابه بسكين واحدة، ومقدار القطع يعتمد كليًا على ضبط العتبة، ويتعطل عند تغيير البيانات | ✅ محاذاة الكيانات تستخدم Score بثلاث درجات دلالية (مختلف / ذو صلة / النوع نفسه)، ولا يوجد أي ثابت عتبة في الملف |
| أيمكن توضيح أين يكمن الاختلاف؟ | ❌ يوجد درجة إجمالية واحدة فقط، فلا سبيل للتحقق من سبب الحكم بـ«غير مؤكد» | ✅ سؤال Noul واحد لكل حقل: name 0.95، brewery 0.94، style 0.35 — نقطة الاختلاف في كتابة النمط، تُرى بنظرة واحدة |
| شكل الإجابة | ❌ الدرجة صندوق أسود، تتغير بتغيير المكتبة أو التقطيع | ✅ إجابة مُنمَّطة + توزيع احتمالي، مفتاح الترتيب هو noul ضمن 0–1، دون أي طبقة تحليل |
بجملة واحدة: البحث السريع يتولى الاستدعاء (يجب أن يدخل الصحيح)، بينما Jev يتولى الترتيب والفصل (مَن من الداخلين هو الصحيح، وهل يشبه الشيء نفسه) — كل مرحلة تقوم بعملها، وأي مرحلة تتعطل تُصلَح بمفردها.
معضلتك الحالية
- «تُخرِج BM25 الإجابة دائمًا ضمن أفضل 30، لكن ما يأتي في المركز الأول غالبًا ليس هو — المستخدم ينظر إلى النتيجة الأولى فقط، فالإجابات الصحيحة بعدها كأنها غير موجودة»
- «المستند لا يحتوي على الإجابة أصلًا، ومع ذلك يعطي البحث سطرًا واحدًا هو الأكثر شبهًا، والسير وراءه يقود مباشرة إلى الهلوسة»
- «كتالوغان للمنتجات يُراد دمجهما، الأسماء مكتوبة بشكل مختلف ولكل حقل أخطاء ونواقص، وأي عتبة تُحددها خاطئة: عتبة عالية تُفوِّت الدمج الصحيح وعتبة منخفضة تُنتج دمجًا خاطئًا — فك دمج واحد خاطئ يستغرق نصف يوم عمل يدوي»
متى تستخدم هذه الحيلة
عندما تحتاج إلى:
- في البحث على مكتبة كبيرة، بعد أن يعطي البحث السريع قائمة مختصرة، أن تضع الصحيح في المركز الأول — طبقة إعادة الترتيب في البحث القانوني والأسئلة والأجوبة على المستندات والبحث المؤسسي
- في مستند متوسط الطول (ضمن 255 سطرًا) أن تحدد السطور التي تجيب عن السؤال، مع القدرة على التعرف على أن «هذا المستند لا يحتوي على الإجابة أصلًا»
- أن تحكم ما إذا سجلين / سلعتين / بندين** هما الشيء نفسه**، مع السماح بدرجة وسيطة هي «غير مؤكد، يُحوَّل للمراجعة اليدوية» — كلما ارتفعت تكلفة الدمج الخاطئ كان استخدامها أَولى
وألا تريد:
- ضبط عتبات rerank حتى الفجر — إعادة الترتيب لا تضع عتبة، فـ noul نفسه هو مفتاح الترتيب
- تحليل JSON الترتيب الذي يلفظه النموذج التوليدي — فذلك يعني جعله يعيد تقييم كل مرشح من جديد
- فك بيانات الكيانات يدويًا بعد دمجها خطأً
🎒 الاستعداد قبل البدء
- أن تكون قد أكملت سؤال الاختيار Choice: البحث سطرًا بسطر يجعل 218 من معرفات السطور خيارات، وسؤال Choice واحد يستوعب حتى 255 خيارًا، ومصدر ذلك أيضًا في هذه الصفحة
- أن تكون قد أكملت سؤال التقييم Score: محاذاة الكيانات تعتمد على الحَكَمَة بمقياس ثلاثي الدرجات، ويمكن للقيمة أن تقع بين درجتين (مثل 1.30)
- يُنصح بقراءة سؤال نعم/لا Noul: في إعادة الترتيب يُطرح سؤال Noul واحد لكل زوج، واحتمال ذلك 0–1 هو مفتاح الترتيب
- البيئة جاهزة:
typesafe-sdkمثبت، وTYPESAFE_API_KEYموجود في متغيرات البيئة (التثبيت وأول طلب). الأمثلة الرسمية الثلاثة جميعها نشرت ذاكرة تخزين مؤقت للإجاباتjson_cache.json، ويمكن إعادة تشغيل الأرقام الرسمية دون تعيين مفتاح (تُشرح الطريقة في الخطوة 1) - كوب ماء ☕ — هذا الدرس يمر بثلاث حالات رسمية دفعة واحدة: ثلاث صياغات للسؤال عن الأمر نفسه
اتبع خطواتي
الحالات الثلاث مستقلة عن بعضها، واحدة لكل نوع أسئلة؛ وكل خطوة تأتي أرقامها الرسمية من تسجيل الـ cookbook المقابل على jev-1.12. نبدأ بوضع مجموعات أنواع الأسئلة الثلاث في جدول واحد، لتكون لديك خريطة ذهنية قبل البدء:
| الحالة | البيانات | مجموعة أنواع الأسئلة | عدد الطلبات | المخرجات |
|---|---|---|---|---|
| إعادة الترتيب | CLERC: 3,565 فقرة سوابق قضائية، 40 استعلامًا | لكل زوج 1 سؤال Noul | 40 × 30 = 1,200 مرة | قائمة مختصرة بعد إعادة الترتيب (top-1 5%→18%) |
| البحث سطرًا بسطر | GitHub ToS: 218 سطرًا، 43,980 حرفًا | 1 Choice + 1 Noul في الطلب نفسه | لكل استعلام 1 مرة | درجة صلة لكل سطر + حكم بوجود الإجابة من عدمها |
| محاذاة الكيانات | كتالوغان للبيرة: 450 زوجًا مرشحًا | 1 Score + 3 Noul في الطلب نفسه | لكل زوج 1 مرة | ثلاث نهايات: فصل / مراجعة يدوية / دمج |
الخطوة 1: مطابقة المقاعد — ثلاثة أنواع من أسئلة البحث، وثلاث مجموعات من أنواع الأسئلة (بما فيها تجهيز البيئة)
لماذا: القاسم المشترك بين الحالات الثلاث هو «وضع السجل المطابق فعلًا في المقدمة»، والفرق فقط في صياغة السؤال. اعرف أولًا أي نوع أسئلة يناسب أي عمل، وبعد ذلك كل خطوة ليست إلا استبدالًا للبيانات.
ثبِّت التبعيات (دمج أوامر التثبيت الرسمية لثلاثة cookbooks؛ cooksafe هي مكتبة الأدوات المرافقة للـ cookbook الرسمي، وإعلان تبعياتها يثبِّت typesafe-sdk عند >=0.7.0,<0.8.0، فانسخه كما هو مع التثبيت):
pip install 'typesafe-sdk>=0.7.0,<0.8.0' bm25s datasets matplotlib ipython 'cooksafe>=0.2.0,<0.3.0'لإعادة تشغيل الأرقام الرسمية دون مفتاح: نزِّل json_cache.json من دليل الـ cookbook المقابل في مستودع الأمثلة الرسمي typesafe-public-examples، وضعه في دليل التشغيل — سيعيد cooksafe.JsonCache تشغيل الإجابات المسجلة مباشرة دون إرسال أي طلب. وللتشغيل الفعلي عيِّن TYPESAFE_API_KEY واحذف ملف الذاكرة المؤقتة.
- اكتمل تثبيت التبعيات؛ وأعرف أي مجموعة أنواع أسئلة تستخدمها كل حالة من الثلاث
الخطوة 2: Jev إعادة الترتيب — سؤال Noul واحد لكل زوج على القائمة المختصرة من BM25، وإعادة الترتيب حسب الاحتمال
لماذا: مشكلة BM25 أنها لا تستطيع ترتيب «مَن هو المقتبَس منه فعلًا». انظر إلى الرقمين الرسميين معًا: الفقرة الصحيحة 100% التقطتها BM25 ضمن top-30 (الاستدعاء لا مشكلة فيه)، لكن فقط 5% جاءت في المركز الأول (الترتيب هو الفاشل). الشيء الوحيد الذي تفعله إعادة الترتيب: بعد الحصول على هذه 30 سجلًا، إعادة ترتيبها بدرجة أدق.
الطريقة الرسمية ذات الخطوتين:
بضعة آلاف من المرشحين
│ الخطوة الأولى: البحث السريع (BM25) — يعمل على المكتبة كلها، سريع بما يكفي
▼
قائمة مختصرة بـ 30 فقرة لكل استعلام
│ الخطوة الثانية: إعادة الترتيب — سؤال Noul واحد لكل زوج «استعلام-مرشح»
▼
قائمة مختصرة بعد إعادة الترتيب (المرشحون هم أنفسهم 30، لكن الترتيب تغير)تعريف المسألة (نسخة مبسطة من النص الرسمي):
from typesafe_sdk import Noul, NoulCriteria, TypeSafeClient
question = Noul(
instructions="Is this candidate the cited case?",
criteria=NoulCriteria(
true="The candidate states the specific rule the query cites.",
false="The candidate is only on a similar topic.",
),
)
response = client.system_one(state={...}, questions={"is_cited_source": question})
response.answers["is_cited_source"].noul # -> 0.87ثلاث نقاط جوهرية:
- لماذا Noul وليس سؤال نعم/لا: بالنص الرسمي — نعم/لا الصرفة لا ترتب 30 مرشحًا؛ Noul يعيد احتمالًا ضمن 0–1، وهذا الـ noul هو الدرجة التي يرتب بها البرنامج
- criteria تُثبِّت الطرفين:
true= صرّح المرشّح بالقاعدة المحددة التي أشار إليها الاستعلام؛false= مجرد تشابه في الموضوع فقط——「موضوع مشابه」 هو جذر أخطاء ترتيب BM25، ويجب تسميته صراحةً في السؤال لاستبعاده - في state نضع هذا الزوج فقط:
{"query_excerpt": query, "candidate_passage": candidate}، كل طلب يرى زوجًا واحدًا فقط
إعادة الترتيب هي سطر واحد من كود الفرز (النص الرسمي الأصلي):
nouls = {candidate: ask_typesafe(query, candidate) for candidate in shortlist}
reranked = sorted(shortlist, key=lambda c: nouls[c], reverse=True) # highest noul firstفي التنفيذ الرسمي، 40 استعلامًا × 30 مقطعًا في القائمة المختصرة لكل منها = 1,200 استدعاءً مستقلًا، تُنفَّذ بتزامن باستخدام ThreadPoolExecutor(max_workers=12)——كل زوج لا يرى الآخر، قابل للتزامن بطبيعته. مجموعة CLERC هي 3,565 مقطعًا من أحكام المحاكم الأمريكية (170 صفًا من البيانات تُجمَّع في مجموعة مشتركة، ويُستخرج 40 صفًا كاستعلامات؛ استعلام كل صف هو مقتطف من حكم قضائي مع حذف الإحالات، وgold هو المقطع الذي تشير إليه الإحالة).
يجب أن ترى (تسجيل رسمي jev-1.12، البحث السريع مقابل إضافة Jev لإعادة الترتيب، نسبة دخول المقطع الصحيح إلى أفضل N على 40 استعلامًا):
Top 1: 5% → 18%
Top 5: 15% → 35%
Top 10: 38% → 62%انتقل المقطع الصحيح إلى الأعلى بمقدار كل درجة——لكن انتبه لحده الأعلى: ** إعادة الترتيب تعيد ترتيب 30 مقطعًا موجودة أصلًا في القائمة المختصرة فقط، وما لم يلتقطه البحث السريع لا يمكن إنقاذه** (استدعاء بنسبة 100% هو ما حققه BM25 بالمصادفة هذه المرة، وليس أمرًا حتميًا في السيناريو الخاص بك، انظرتنبيه المزالق).
💡 هذه هي القيمة الفريدة لـ Jev
إعادة الترتيبلا تضع أي عتبة——لا تحكم بـ「هذا الزوج مطابق / غير مطابق»، بل تريد فقط 40×30 درجة قابلة للمقارنة على نطاق 0–1، والفرز يُترك للكود. وأضاف المسؤول ملاحظة: هذا العرض التوضيحي لكل زوج يسأل سؤالًا واحدًا من أجل الوضوح، أما التطبيقات الفعلية فستسأل عدة أسئلة لنفس الزوج فينفس الاستدعاء——آلية أسئلة متعددة في طلب واحد والفوائد المقيسة فعليًا، انظرالأسئلة المتوازية والتوسع التخميني.
- أستطيع أن أشرح لماذا يستخدم مفتاح الفرز Noul بدلًا من حكم عادي بنعم/لا، ومن أين تأتي 1,200 استدعاءً (40 × 30)
الخطوة 3: بحث دلالي سطرًا بسطر——218 سطر بنود في طلب واحد، Choice يحدد السطر، وNoul يتحقق من وجود إجابة
لماذا: إعادة الترتيب تتعامل مع「مجموعة من المقاطع المرشحة」، بينما هذه الخطوة تتعامل معمستند محدد: شروط خدمة GitHub (218 سطرًا، 43,980 حرفًا)، نسأل بلغة بسيطة「لمن تعود ملكية الكود الذي أرفعه」، مع تحديد الإجابة إلى السطر، وبالقدرة على اكتشاف أن「المستند لا يذكر ذلك أصلًا」. الهيكل الرسمي ثلاثي المراحل: أولًا إعطاء كل سطر معرفًا، ثم استخدام Choice لتقييم معرفات الأسطر، وأخيرًا إضافة سؤال Noul في نفس الطلب للتحقق من الوجود.
أولًا نعطي كل سطر معرفًا ونعيد تجميعه في مستند واحد——يستخدم النموذج هذه المعرفات للإشارة إلى إجابته (النص الرسمي الأصلي):
DOCUMENT_URL = (
"https://raw.githubusercontent.com/typesafe-ai/typesafe-public-examples/main/cookbooks/semantic_find/github-tos.txt"
)
LINES = fetch_document(DOCUMENT_URL).splitlines()
def line_id(i: int) -> str:
return f"L{i:03d}"
DOCUMENT = "\n".join(f"{line_id(i)}| {line}" for i, line in enumerate(LINES))المستند المُجمَّع يبدو هكذا:
L052| You own Your Content. If you post Content you did not create, you are responsible for...
L053| You grant us and other Users the licenses in Sections D.4–D.8. These licenses apply...
L054| 4. License Grant to Usسؤالان (النص الرسمي الأصلي): سؤال Choice يستخدم معرفات الأسطر كخيارات——وصف الخيارات يكتب None، لأن نص السطور موجود أصلًا في المستند:
def where_question(query: str) -> Choice:
return Choice(
instructions=f'Which line of the document contains the answer to: "{query}"?',
criteria={line_id(i): None for i in range(len(LINES))},
)وسؤال Noul يتحقق من وجود إجابة——ويجب أن يُقرن بسبب وجوده: احتمالات Choice يجمع مجموعها دائمًا إلى 1، فحتى عندما لا يحتوي المستند على إجابة سيكون هناك سطر في المقدمة دائمًا؛ أما احتمالات Noul فلا تعتمد على الخيارات الأخرى، وعند عدم وجود إجابة يمكنها الهبوط إلى ما يقارب 0:
def exists_question(query: str) -> Noul:
return Noul(
instructions=f'Does any line of the document address or answer: "{query}"?',
criteria=NoulCriteria(
true="At least one line of the document states or directly implies the answer",
false="No line of the document addresses this",
),
)السؤالان يدخلاننفس الطلب، ويُرسل المستند مرة واحدة فقط:
@json_cache
def _find(model, state, where, exists) -> dict:
response = client.system_one(
state=state,
questions={"where": where, "exists": exists},
model=model,
)
probabilities = response.answers["where"].probabilities
return {
"exists": response.answers["exists"].noul,
"relevance": [probabilities.get(line_id(i), 0.0) for i in range(len(LINES))],
}exists يُحكم عليه بثلاث درجات——تعليق المسؤول يقول: ما له إجابة عادةً قراءته ≥ 0.9، وما لا إجابة له ≤ 0.05، والعتبة يجب ضبطها بمستنداتك قبل الإطلاق:
FOUND, ABSENT = 0.7, 0.35 # present answers typically read >=0.9, absent <=0.05
def verdict(exists: float) -> str:
if exists >= FOUND:
return "answered in this document"
return "not in this document" if exists < ABSENT else "partially addressed"يجب أن ترى (تسجيل رسمي jev-1.12، أربعة استعلامات؛ الأولان لهما إجابة، والثالث لا إجابة له، والرابع نصف إجابة فقط):
218 lines, 43,980 characters
"who owns the code I upload?"
exists 0.98 -> answered in this document
L052 0.95 You own Your Content. If you post Content you did not crea... ← 就是它
"can GitHub kick me off the platform without warning?"
exists 0.97 -> answered in this document
L168 0.97 GitHub has the right to suspend or terminate your access t...
"do I have to take disputes to arbitration?"
exists 0.14 -> not in this document
L205 0.86 Except to the extent applicable law provides otherwise, th...
"can minors use GitHub with parental permission?"
exists 0.46 -> partially addressed
L029 0.90 You must be age 13 or older. While we are thrilled to see...الاستعلام الثالث هو أثمن درس في التصميم الكامل: السطر الأعلى ترتيبًا حصل على درجة صلة 0.86، لكن exists لم يتجاوز 0.14——السطر الأكثر تشابهًا لا يعني أنه الإجابة. جملة المسؤول الختامية: الترتيب يخبركبأين تنظر، ودرجة exists تخبركهل تُعتبر النتيجة إجابة. الرابع نصف إجابة: سطر قاعدة العمر تصدّر بدرجة 0.90، لكن「هل يمكن لموافقة الوالدين تغيير القواعد」غير مذكور——partially addressed، ويكمل الإنسان النظر بعده.
💡 هذه هي القيمة الفريدة لـ Jev
Choice 选项 = 行 ID يجعل「التحديد إلى السطر」سؤال اختيار من متعدد: 218 خيار كلها مدرجة في criteria، ويشير النموذج إلى L052 بدلًا من إعادة كتابة النص الأصلي——الإحالة تشير دائمًا إلى سطر موجود فعلًا في النص الأصلي، ولا يمكن أن يهلوس سطر L499 غير موجود. وباقتران Noul exists يمكن رفض الإجابة عندما「المستند لا يذكر ذلك」، وهذا ما تعجز عنه استرجاعات التشابه الصِرف.
- أستطيع أن أشرح في استعلام arbitration ما الذي يقيسه كل من 0.86 و0.14، ولماذا يجب أن يكون السؤالان في نفس الطلب
الخطوة 4: محاذاة الكيانات——سؤال Score واحد بحكم ثلاثي الدرجات، وثلاثة أسئلة Noul تسمي حقول الخلاف
لماذا: عند دمج مصادر البيانات، الدمج الخاطئ هو النوع الأغلى من الأخطاء——كلام المسؤول الأصلي: بمجرد الدمج الخاطئ، كل حقيقة عن الكيانين تصف الكيان المدمج، وكل الروابط تنتقل معها، وعند التراجع يجب تمييز مصدر كل حقيقة من أي جانب؛ أما الدمج المفقود فيترك مجرد عنصر مكرر. لذا يحتاج الحكم إلىمخرج ثالث: الأزواج التي لا نجرؤ على دمجها ولا على رميها، تُسلَّم للإنسان.
البيانات هي 450 زوجًا مرشحًا من دليلي جعة في مجموعة بيانات Magellan (فلترة أولى واحدة انتقت الأزواج الجديرة بالفحص الدقيق)، ولكل كيان أربعة حقول: name، brewery، style، abv. النصوص تُترك كما هي دون معالجة مسبقة——كيانات HTML غير مُستعادة، والفواصل العليا مفككة إلى كلمات منفصلة، وبعض الأحرف فُكّت ترميزها خطأً، كل ذلك يبقى.
سؤال Score واحد يقيس الحكم بثلاث درجات، وأوصاف الدرجات الثلاث هي كامل القرار (النص الرسمي الأصلي):
LEVELS = [
"They describe two different products.",
"They describe closely related products that may or may not be the same one: "
"a variant, a special edition, or a name that could plausibly refer to either.",
"They describe one and the same product.",
]
OUTCOME = {0: "leave unlinked", 1: "curator queue", 2: "assert sameAs"}
QUESTIONS = {
"link_state": Score(
instructions="How do the two entity descriptions relate as products?",
criteria=LEVELS,
),
"same_name": Noul(instructions="Do the two entities state the same beer name?"),
"same_brewery": Noul(instructions="Are the two entities from the same brewery?"),
"same_style": Noul(instructions="Do the two entities describe the same beer style?"),
}أربعة أسئلة تدخل نفس الطلب، وstate هو هذا الزوج فقط: {"entity_a": ..., "entity_b": ...}. ثلاث تفاصيل:
- لماذا Score وليس Noul/Choice: شهادة الاختيار الرسمية——لإرفاق التسميات الدلالية (أوصاف الدرجات الثلاث) مباشرةً بكل نتيجة، بما فيها الدرجة الوسطى؛ Noul لا يستطيع ذلك إلا بشكل غير مباشر عبر عتبات المخرجات، وChoice يفقد العلاقة الترتيبية للدرجات الثلاث
- الدرجة الوسطى تستحق كتابة جادة: 「المتغيرات، الإصدارات الخاصة، الأسماء التي قد تشير إلى أيٍّ منهما」——الصياغة تحدد أي الأزواج تدخل إلى curator وأيها تُترك غير مرتبطة؛ هذه هي「منطق القرار」الخاص بك، ويمكن كتابتهاقبل النظر إلى أي درجة
- abv لا يُسأل عنه بـ Noul: كلام المسؤول الأصلي——مقارنة رقمين عملية حسابية، إن أردتها فقارن في الكود. ثلاثة حقول نصية لكل منها سؤال Noul، لتكون تفصيل خلاف للـ curator
النتيجة يحددها سطر واحد「خذ أقرب درجة」——لاحظ أنه لا توجد ثابتة عتبة في الملف كله (كلام المسؤول الأصلي: There is no threshold constant anywhere in this file):
def route(score_value: float) -> str:
"""The whole decision rule: the nearest level names the outcome."""
return OUTCOME[min(int(score_value + 0.5), len(LEVELS) - 1)]يجب أن ترى (تسجيل رسمي jev-1.12، أربعة أزواج نموذجية——زوج من نفس النوع، وزوج غير مرتبط، وزوجان يقعان في الدرجة الوسطى لأسباب مختلفة):
c446 score 1.94 confidence 0.92 -> assert sameAs
Thomas Hooker Old Marley Barleywine | Thomas Hooker Brewing Company
Thomas Hooker Old Marley Barleywine | Thomas Hooker Brewing Company
name 0.97 brewery 0.99 style 0.81 ← نفس النوع، اختلاف في كتابة الأسلوب (Barley Wine)
c427 score 0.03 confidence 0.95 -> leave unlinked
Frost Quake Bourbon Barrel Aged Barley Wine | Wellington County Brewery
Lompoc Bourbon Barrel Aged Proletariat Red A | Lompoc Brewing
name 0.02 brewery 0.09 style 0.08 ← غير ذي صلة
c100 score 1.30 confidence 0.27 -> curator queue
Belle Gueule Rousse | Brasseurs R.J.
Belle Gueule Rousse | Brasseurs RJ
name 0.95 brewery 0.94 style 0.35 ← يختلف فقط في صياغة style، وconfidence 0.27
c428 score 1.10 confidence 0.77 -> curator queue
Ambleside Amber Ale | Bridge Brewing Company
Bridge Ambleside Amber Ale - Pomegranate & Galena Hops | Bridge Brewing Company
name 0.63 brewery 0.98 style 0.74 ← نسخة منكّهة بالرمان من نفس المصنعتشغيل جميع أزواج 450 (طلب واحد لكل زوج، وتزامن بمجموعة صغيرة ThreadPoolExecutor(max_workers=6) — الملاحظة الرسمية: النقاط النهائية العامة تبدأ في تقييد المعدل عند حوالي 8 اتصال متزامن فأكثر):
assert sameAs 40 ( 8.9%) ← دمج تلقائي
curator queue 50 (11.1%) ← إحالة إلى مراجعة بشرية
leave unlinked 360 (80.0%) ← إبقاء منفصلينتمت تسوية 80% من الأزواج تلقائيًا، ويحتاج زوج تقريبًا من كل خمسة أزواج إلى تدخل بشري. نقطتان تستحقان التوقف ثانية: في c100 بلغ كل من name وbrewery 0.94 فأكثر، مع خلاف فقط في style 0.35 — تفاصيل Noul تخبر الـcurator مباشرة بالحقل الذي يجب النظر إليه؛ نقطتا التقطيع في route() (0.5 و1.5) لم تُضبطا يدويًا، بل تأتيان تمامًا من طريقة كتابتك لأوصاف المستويات الثلاثة.
- أستطيع أن أشرح «لماذا يكون الدمج الخاطئ أغلى من تفويت دمج»، وما الغرض من وصف المستوى الأوسط، ونسبة الأزواج المحالة للمراجعة البشرية من أصل 450 زوجًا (50، 11.1%)
الخطوة 5: استبدل ببياناتك — ثلاث نقاط استبدال: القائمة المختصرة، والمستند، والحقول
لماذا: نقاط الاستبدال في الحالات الثلاث مجتمعةً لا تتجاوز ثلاثًا، وهي مستقلة عن بعضها — سيناريوك على الأرجح أحد أشكالها المتغيرة.
- استبدل مصدر القائمة المختصرة: البحث السريع في سلسلة إعادة الترتيب يستخدم BM25، لكن الجهة الرسمية تؤكد أن هذه مشكلة جانبية — إعادة الترتيب ترى فقط الفقرات التي دخلت القائمة المختصرة، وتغيير البحث السريع إلى استرجاع بالتضمينات أو إلى فهرسة نص كامل لا يؤثر على الطبقة الثانية. كل ما عليك تغييره هو الـ 30 عنصرًا التي تُغذّى إلى
shortlist - استبدل المستند: في البحث سطريًا بسطر، استبدل
DOCUMENT_URLبعقودك / سياساتك / بنودك الخاصة (النص الرسمي: استبدل هذا الرابط URL، وشغّل باقي السكربت كما هو بالضبط). مستند حتى 255 سطرًا يُعالج بفقرة واحدة؛ والأطول يستخدم الأسلوب ثنائي المراحل الرسمي — المرحلة الأولى بـChoice تختار أولًا «في أي نافذة يقع الجواب»، والثانية ترتّب داخل النافذة - استبدل الحقول: لنقل محاذاة الكيانات إلى أدلة المنتجات أو الموسيقى أو المؤسسات، يكفي إعادة كتابة
QUESTIONSوLEVELS— الحقول الرقمية (السعر، الكمية) لا تُخرج من Noul، بل تُقارن بالكود؛ وكل حقل نصي يأخذ Noul واحدًا. تتبع التكلفة عدد الأزواج المرشحة ولا علاقة لها بحجم أي من الدليلين (النص الرسمي)
للتوفير والتزامن أثناء التطوير، عادتان:
جميع الأجوبة معلّقة على
json_cache.jsonالخاص بـJsonCache، فتعديل الكود وإعادة التشغيل لا يتطلب أي طلبات؛ وإذا أردت تشغيلًا حقيقيًا فاحذف ملف الكاش — مفتاح الكاش يتكوّن من اسم الدالة والمعاملات، فتغيير المستند / السؤال / المرشحين يُحدث miss تلقائيًاعند تشغيل أزواج كثيرة live استخدم مجموعة خيوط صغيرة (الرسمية تستخدم 6): حد المعدل يُحسب على مستوى المؤسسة، وتجاوزه يُرجع
429، وتقوم الـSDK تلقائيًا بإعادة المحاولة بتراجع أُسّي، لكن لا معنى للعمل على حافة الحدأعرف أي نقطة يجب أن أستبدلها في سيناريوهي: مصدر القائمة المختصرة / المستند / الحقول
📋 Prompt سحري
«Prompt» في هذه الصفحة هو قالب للأسئلة والكود الموجّهة إلى API — انسخه واستبدل العناصر النائبة 【】 (المعلّمة بـ ? اختيارية) لتوصيله باسترجاعك أو دليلك الخاص. ثلاث قطع: تسجيل نقاط إعادة الترتيب، والتحديد سطرًا بسطر، وحكم المحاذاة.
📝 سؤال تسجيل نقاط إعادة الترتيب (نسخة Noul)
التأثير المتوقع: أي سيناريو من نوع «بحث سريع يعطي قائمة مرشحين، ويجب إعادة ترتيبها حسب الصلة» — الاسترجاع القانوني، وأسئلة وأجوبة المستندات، وطبقة rerank في البحث المؤسسي — لكل زوج استعلام-مرشح طبّق هذا القالب للحصول على مفتاح الترتيب.
from typesafe_sdk import Noul, NoulCriteria
# 必填项:state 放【查询原文 + 这一个候选】,true/false 分别写清「真匹配」和「最容易混的假匹配」
rerank_question = Noul(
instructions="【候选段回答得了这个问题吗?一句话,例如:这段能不能是被引的那条判例?】",
criteria=NoulCriteria(
true="【候选陈述了查询引用的具体规则/给出了查询要的答案】",
false="【候选只是在相近话题上——把快搜索最典型的误排写在这里】",
),
)
score = client.system_one(
state={"query": 【查询原文】, "candidate": 【这一个候选】},
questions={"is_match": rerank_question},
).answers["is_match"].noul # 0–1,直接当排序键
# 选填项:真实应用在同一个请求里对同一对多问几道——支持度、原创度、时效各一题,一组分数一起排?
# 输出规范:每对一个 0–1 的 noul;reranked = sorted(shortlist, key=noul, reverse=True)
# 约束条件:
# ✅ 不设匹配阈值——重排序只要可比分数,排序在代码
# ✅ false 描述里点名快搜索的典型误排(如「只是话题相近」)
# ❌ 别指望重排召回快搜索漏掉的候选——短名单外的一个都进不来✅ سؤالا البحث سطرًا بسطر (نسخة Choice + Noul)
التأثير المتوقع: مستند حتى 255 سطرًا، يعود «في أي سطر الجواب» و«هل يوجد جواب أصلًا» بطلب واحد — تحديد بنود العقود، وأسئلة وأجوبة السياسات، واسترجاع قاعدة معرفة التذاكر.
from typesafe_sdk import Choice, Noul, NoulCriteria
# 必填项:行 ID 先拼进文档("L052| ..."),选项就是这些 ID、说明留 None
questions = {
"where": Choice(
instructions='Which line of the document contains the answer to: "【大白话问题】"?',
criteria=【{行ID: None for 行ID in 全部行}】,
),
"exists": Noul(
instructions='Does any line of the document address or answer: "【同一问题】"?',
criteria=NoulCriteria(
true="At least one line of the document states or directly implies the answer",
false="No line of the document addresses this",
),
),
}
# 选填项:三档判读——exists ≥ 0.7 算有答案、< 0.35 算没有、中间 partially;阈值用自己的文档调?
# 输出规范:每行一个相关分(Choice probabilities)+ 一个 0–1 的 exists;两题同一请求,文档只发一次
# 约束条件:
# ✅ 文档 ≤ 255 行一段搞定;更长先挑窗口、再在窗口内排行(第二道 Choice)
# ✅ exists 必配——Choice 恒有第一名,没答案时它照样硬指一行
# ❌ 别丢掉行 ID 标注这一步——引用必须指回真实存在的行🔧 أسئلة محاذاة الكيانات الأربعة (نسخة Score + 3 Noul)
التأثير المتوقع: دمج الأدلة / إزالة التكرار / مطابقة الإدخال عند التخزين — الحكم على ما إذا كان سجلاان هما الشيء نفسه، ويُنصح بها خصوصًا حين تكون تكلفة الدمج الخاطئ عالية.
from typesafe_sdk import Noul, Score
# 必填项:三档从左到右由「敢扔」到「敢并」,中间档写清哪类情况该送人工
LEVELS = [
"【两条记录描述两个不同的东西】",
"【描述紧密相关但不一定是同一款:变体 / 特别版 / 可能指两者任一的名字】",
"【描述同一个东西】",
]
QUESTIONS = {
"link_state": Score(
instructions="How do the two entity descriptions relate?",
criteria=LEVELS,
),
【"same_字段1": Noul(instructions="这两条记录的【字段1】说的是同一个吗?")】,
【"same_字段2": Noul(instructions="……同上,每个文本字段一道")】,
}
# 选填项:数字型字段(价格、度数、数量)不出 Noul——两个数字比较是算术,代码一行?
# 输出规范:score 取最近档定结局(不同/人工/同一),三道 Noul 明细供人工复核
# 约束条件:
# ✅ 全程无阈值常数——切点(0.5 / 1.5)由三档措辞决定,看分数之前就能写好
# ✅ 中间档值得最认真写:它决定哪些对进 curator
# ❌ 别为「不放心」再加一层阈值判断——要么改等级措辞,要么接受送人工的比例نقاط تحقق ✅
- أستطيع ذكر توليفة نوع الأسئلة في كل حالة من الحالات الثلاث: إعادة الترتيب 1 Noul لكل زوج، والبحث سطرًا بسطر 1 Choice + 1 Noul في نفس الطلب، ومحاذاة الكيانات 1 Score + 3 Noul في نفس الطلب
- الأرقام الرسمية لإعادة الترتيب: إصابة top-1 5% → 18%، وtop-5 15% → 35%، وtop-10 38% → 62%؛ الفقرة الصحيحة موجودة في القائمة المختصرة بنسبة 100% لكنها تحتل المرتبة الأولى بنسبة 5% فقط
- أستطيع شرح النقطة التعليمية في استعلام arbitration: السطر الأعلى ترتيبًا يحصل على درجة صلة 0.86 بينما exists لا يتجاوز 0.14 — الأكثر تشابهًا لا يعني أنه الجواب
- محاذاة الكيانات: تُؤخذ أقرب نهاية من النهايات الثلاث (سطر
routeواحد)، وتتوزع أزواج 450 إلى 360 / 50 / 40 (80.0% / 11.1% / 8.9%)، ولا يوجد في الملف أي ثابت عتبة - أعرف حدودًا صارمتين: إعادة الترتيب لا تنقذ ما فاته البحث السريع؛ واستعلام Choice واحد يتسع لحد أقصى 255 خيارًا، وإذا تجاوزتها فاختر النافذة أولًا ثم رتّب
تنبيهات للمزالق
❌ جعل إعادة الترتيب تنقذ الاستدعاء الفائت
إعادة الترتيب تعيد ترتيب المرشحين الموجودين أصلًا في القائمة المختصرة — الفقرة التي لم يخترها البحث السريع لن يراها Jev مهما كانت دقته. في البيانات الرسمية دخلت الفقرة الصحيحة top-30 بنسبة 100%، وهذا أداء BM25 على هذه البيانات؛ قبل تغيير مجموعتك النصية تحقق أولًا من استدعاء القائمة المختصرة، وإن لم يكن كافيًا فارفع استدعاء البحث السريع أو زد عدد المرشحين — تلك مشكلة الطبقة الأولى، فلا تصلحها في الطبقة الثانية.
❌ إرسال Choice فقط دون سؤال exists
مجموع احتمالات Choice يساوي دائمًا 1، وسيكون هناك دائمًا صف في المرتبة الأولى — حتى عندما لا يحتوي المستند على إجابة، سيصرّ على الإشارة إلى صف، واتباعه يعني هلوسة. الرقم الثاني في البحث صفًا-بصف (exists Noul) هو المعيار الحقيقي لـ«هل توجد إجابة»: احتماله لا يعتمد على الخيارات الأخرى، وعند غياب الإجابة ينخفض إلى قرب 0 (قيمة مقاسة 0.14).
❌ حشر مستند من 260 صفًا في Choice واحدة
الحد الأقصى لخيارات Choice الواحدة هو 255 خيارًا. الحل الرسمي عند التجاوز هو نهج المرحلتين: Choice أولى تختار «في أي نافذة تقع صفوف الإجابة»، وثانية ترتّب داخل النافذة — في كل مرة ضمن 255. بالعكس، مستند من 65 صفًا لا يحتاج تقسيمًا، استخدمه مباشرة.
❌ رمي الحقول الرقمية أيضًا إلى Jev للمقارنة
في كتالوج الجعة، abv (نسبة الكحول) 8.10 % مقابل 9.30 % — تقول الوثائق الرسمية صراحة إن مقارنة رقمين عملية حسابية، إن أردتها فقارن في الكود. الحقول النصية الثلاثة هي عمل Noul: «مدى التشابه» في name / brewery / style يعتمد على الصياغة، ودرجة style البالغة 0.35 تخبر الـ curator مباشرة أين الخلاف. وهو نفس القاعدة الصارمة في استخراج القيم: النموذج يقرأ النص، والحساب في الكود.
❌ إطلاق مستندات صينية دون اختبار
تقول وثائق دعم اللغات الرسمية: الإنجليزية هي لغة التدريب الرئيسية وتحقق أفضل دقة، واللغات الأخرى (بما فيها الصينية) تعمل لكن بدقة أقل. قبل إطلاق البحث الدلالي ومحاذاة الكتالوجات على الصينية، شغّل دفعة على بياناتك الحقيقية أولًا، مع التركيز على توزيع الاحتمالات وتفسير exists (انظر قسم دعم اللغات في النماذج والأسعار).
تقنيات متقدمة (اختيارية)
سؤال واحد إلى متعدد. في عرض إعادة الترتيب طرحنا سؤالًا واحدًا فقط لكل زوج للتوضيح؛ النص الرسمي الأصلي — التطبيقات الحقيقية ستطرح أسئلة متعددة على زوج «استعلام-مرشح» واحد في استدعاء واحد. طرح أسئلة متعددة في طلب واحد لا يزيد زمن الاستجابة تقريبًا ويكلف فقط توكنات الأسئلة الإضافية، وقياس رسمي: 13 سؤالًا مجتمعة أرخص من المرسلة منفردة بـ 12.2 مرة وأسرع بـ 10.0 مرة دون تغيير الإجابات — التفاصيل في الأسئلة المتوازية والتوسع الاستباقي.
استبدال البحث السريع بالتضمينات. تقول الوثائق الرسمية صراحة إن البحث السريع في قسم إعادة الترتيب هو BM25 لا غير، لكن تلك مسألة جانبية — التضمينات الكثيفة (dense embeddings، مقارنة المقاطع دلاليًا) تبني قائمة مختصرة أيضًا، وإعادة الترتيب في الطبقة الثانية غير انتقائية. على النصوص الصينية، مزيج الاسترجاع بالتضمينات + إعادة ترتيب Jev كثيرًا ما يتفوق على نقطة انطلاق BM25 الخالصة.
توليد رابط Playground لتجربة الصياغات. إذا أردت تعديل صياغة الأسئلة مرارًا في المتصفح ومشاهدة كيف يتغير توزيع الاحتمالات، استخدم cooksafe مع make_playground_link (الرابط يحمل الحالة الكاملة والسؤال، لا تضع بيانات حساسة):
from cooksafe import make_playground_link
link = make_playground_link(
{"entity_a": PAIRS[0]["entity_a"], "entity_b": PAIRS[0]["entity_b"]},
QUESTIONS,
)
print(link) # 打开 console.typesafe.ai/playground,改 middle level 措辞看 score 怎么动الصياغة المتوسطة التي قاسها cookbook الرسمي لمحاذاة الكيانات هي بالضبط ما يستحق هذا التعديل المتكرر: الصياغة هي منطق قرارك، وتعديل الكلمات أكثر قابلية للتفسير بكثير من تعديل العتبات.
الربط بـ RAG. المقاطع المسترجَعة إلى جانب «أيها الأكثر صلة» لها سؤال «هل يجب أن تدخل السياق» — تلك عملية أخرى، والنهج الرسمي هو أربعة أسئلة Noul لكل مقطع مع توجيه بالعتبات، انظر فحص مقاطع RAG. الدرسان معًا يشكلان طبقة جودة استرجاع كاملة.
خلاصة الدرس
✅ Jev إعادة ترتيب = البحث السريع يتكفل بالاستدعاء + سؤال Noul واحد لكل زوج يعيد الترتيب حسب الاحتمالات: على قائمة BM25 المختصرة يصعد top-1 من 5% إلى 18%، وtop-10 من 38% إلى 62%، دون عتبات، والترتيب في الكود.
✅ البحث صفًا-بصف = معرفات الصفوف كخيارات Choice (تحديد الموقع، ولا يمكن إلا الإشارة إلى صفوف موجودة فعلًا) + سؤال exists Noul واحد في نفس الطلب (يجرؤ على قول «المستند لا يحتوي إجابة»، قيمة مقاسة 0.14 مقابل أعلى درجة صلة 0.86).
✅ محاذاة الكيانات = سؤال Score واحد بحكم ثلاثي الدرجات (تحدد الدرجة الأقرب النتيجة) + ثلاثة أسئلة Noul تسمي للـ curator حقول الخلاف؛ 450 زوجًا موزعة على 360 / 50 / 40، دون ثوابت عتبات طوال العملية — صياغات الدرجات الثلاث هي منطق القرار.
✅ ثلاثة حدود صارمة: إعادة الترتيب لا تنقذ ما فات البحث السريع؛ Choice بحد أقصى 255 خيارًا (عند التجاوز: المرحلتان)؛ مقارنة الأرقام حسابية، تُترك للكود.
مراجعة حقول الإعداد الرئيسية:
| الحقل | القيمة في هذه الصفحة | الشرح |
|---|---|---|
القائمة المختصرة TOP_K | 30 | عدد المرشحين المُمرَّرين لإعادة الترتيب لكل استعلام؛ 40 × 30 = 1,200 استدعاء |
exists خط التفسير | FOUND 0.7 / ABSENT 0.35 | ملاحظة رسمية: وجود إجابة عادة ≥ 0.9، والغياب ≤ 0.05؛ اضبطه على مستنداتك قبل الإطلاق |
LEVELS / OUTCOME | different / related / same ↔ 0 / 1 / 2 | صياغة الدرجة المتوسطة تحدد أي الأزواج تذهب إلى الـ curator؛ نقطتا القطع 0.5 / 1.5 ليستا مُعدَّلتين |
| عدد الطلبات لكل زوج | 1 (أسئلة متعددة في طلب واحد) | إعادة الترتيب: 1 سؤال Noul لكل زوج؛ المحاذاة: 1 Score + 3 أسئلة Noul لكل زوج؛ البحث سطرًا بسطر: لكل استعلام 1 طلب واحد فيه 2 سؤالين |
MAX_WORKERS | 6 (رسمي) | ملاحظة رسمية: نقطة النهاية العامة تقيَّد عند نحو 8 اتصال متزامن؛ عند التجاوز 429 وتراجع تلقائي في SDK |
| النموذج | jev-1.12 (تسجيل رسمي) | عند التشغيل live ثبّت معرّف إصدارك الخاص، ولا تستخدم jev-latest المتغير باستمرار |
| حد الخيارات | Choice 255 | عند التجاوز مرحلتان: اختر النافذة أولًا ثم رتّب |
دروس ذات صلة:
- فحص مقاطع RAG — سيناريو استرجاع من نفس العائلة: هل يجب أن يدخل المقطع المسترجَع إلى السياق، أربعة أسئلة Noul لكل مقطع مع توجيه بالعتبات
- استخراج القيم: تواريخ وبريد وهاتف ومبالغ حرفيًا — الوجه الآخر لفكرة «تضييق المرشحين» نفسها: التعبير النمطي يجد المرشحين، وJev يختار الصحيح منهم
- الأسئلة المتوازية والتوسع التخميني—— الآلية الأساسية لـ«أسئلة متعددة في طلب واحد» وبيانات قياس فعلية 12.2x / 10.0x
إعلان الدرس التالي
انتهينا من مطابقة البحث، فكيف نتحقق من قيم الحقول بأقل تكلفة؟ الدرس التالي: الاستخراج المتتالي: النموذج الرخيص يقوم بالعمل، وJev يتحقق، والنموذج الغالي يغطي.
ستتعلم:
- النموذج الرخيص يقوم بالاستخراج أولاً، وJev يتحقق من مخرجاته حقلًا بحقل، ولا يتم التصعيد إلى نموذج الاستدلال الغالي إلا عند إنذار التحقق — التكلفة تُنفق حيث يجب
- كيفية تصميم طبقة «تحقق Jev»: سؤال واحد لكل حقل، ومنطق الإنذار كله في الكود
- استمرار لنفس تقسيم العمل في هذه الصفحة: النموذج يُصدر الحكم والكود يقوم بالتوجيه، لكن هذه المرة ما يُوجَّه هو النماذج نفسها