दैनिक उपयोग: Jev के पांच प्रश्न पूछने के तरीकों में महारत
💡 लक्ष्य: लगभग 1 घंटे में Jev के दैनिक उपयोग का तरीका हासिल करें—सही सामग्री देना (state), सही प्रश्न पूछना (Choice / Score / Noul / Box), उत्तर में दिए विश्वास स्तर को समझना, ताकि हर उत्तर सीधे कोड की एक शाखा बन जाए।
🎯 चरण के लक्ष्य
- सामग्री के आकार के अनुसार state के तीन रूप लिखें (स्ट्रिंग / JSON ऑब्जेक्ट / टेक्स्ट ऐरे), और dot path का उपयोग करके प्रश्न को विशिष्ट फ़ील्ड की ओर इंगित करें
- किसी भी निर्णय आवश्यकता के लिए, सही प्रश्न प्रकार चुन सकें—Choice, Score, Noul या Box—और बता सकें कि उत्तर में कौन-कौन से फ़ील्ड होते हैं
- confidence और Noul संभावना के साथ थ्रेशोल्ड सेट करें: कौन से उत्तर स्वचालित रूप से निष्पादित हों, कौन से समीक्षा के लिए चिह्नित हों, और कौन से मानव को भेजे जाएं
⏳ अनुमानित समय
- 6 पाठों का कुल लगभग 58 मिनट, बफ़र समय शामिल करने पर लगभग 41–75 मिनट
- हर पाठ स्वतंत्र है, ज़रूरत के अनुसार अकेले भी पढ़ा जा सकता है; 2.1 State शेष पांच पाठों की नींव है, इससे शुरू करने की सलाह दी जाती है
🚀 शुरू करने से पहले
- इंस्टॉलेशन और पहला अनुरोध पूरा कर लिया है:
route_ticket.pyअभी भी चल रहा है,TYPESAFE_API_KEYपर्यावरण चर में मौजूद है (शुरुआत से शुरू करने वाले पाठक पहले त्वरित शुरुआत गाइड देखें) - यह जानते हैं कि Jev केवल संरचित निर्णय करता है, टेक्स्ट जनरेट नहीं करता—अगर नहीं पढ़ा है तो पहले 8 मिनट में Jev क्या है देखें
- टर्मिनल खोलना नहीं चाहते तो भी चलेगा: TypeSafe Playground (
console.typesafe.ai/playground) में state पेस्ट करें, प्रश्न जोड़ें, बिना कोड के अनुभव करें - पानी का एक कप ☕—इस चरण का मुख्य उद्देश्य अभ्यास का अहसास बनाना है, हर पाठ का कोड लंबा नहीं है
📚 इस चरण के पाठ
एक Jev अनुरोध में केवल दो चीज़ें होती हैं: state (जिस सामग्री पर निर्णय लेना है) + questions (टाइप्ड प्रश्न)। त्वरित शुरुआत चरण में आप पहले ही एक अनुरोध भेज चुके हैं; इस चरण में «कैसे पूछें» को अभ्यास से स्वाभाविक बनाएंगे—पाठ 1 में सामग्री देना सीखेंगे, और अगले 5 पाठों में पांचों प्रश्न पूछने के तरीकों पर एक-एक करके महारत हासिल करेंगे।
पहले पूरी तस्वीर देखें। questions के प्रश्न प्रकार चार हैं: Choice (चयन), Score (अंकन), Noul (हां-ना), Box (इमेज लोकेशन); उत्तर के साथ आने वाला confidence बताता है कि यह निर्णय कितना निश्चित है। चार प्रश्न प्रकार + विश्वास स्तर, यही दैनिक उपयोग में हासिल करने वाले पांच प्रश्न पूछने के तरीके हैं, हर एक का एक पाठ है:
| प्रश्न पूछने का तरीका | क्या उत्तर देता है | उत्तर में क्या होता है |
|---|---|---|
| Choice बहुविकल्पीय प्रश्न | निश्चित विकल्पों में से कौन सा चुनना है | choice, probabilities (हर विकल्प की संभावना), confidence |
| Score अंकन प्रश्न | आपके परिभाषित क्रमबद्ध पैमाने पर किस स्तर पर आता है | score (दो स्तरों के बीच भी आ सकता है, जैसे 0.67), legend, probabilities, confidence |
| Noul हां-ना प्रश्न | इस निर्णय के सही होने की संभावना | noul (0–1; अलग से कोई confidence नहीं होता) |
| Confidence विश्वास स्तर | यह उत्तर कितना निश्चित है | 0–1 का एक अकेला नंबर; Choice / Score / Box उत्तरों में स्वतः आता है, Noul में नहीं |
| Box इमेज लोकेशन | लक्ष्य इमेज में कहाँ है | box (top / bottom / left / right चार किनारे, हर एक 0–1) + confidence |
कैसे चुनें? आधिकारिक चयन सलाह केवल चार वाक्यों में है:
- उत्तर ज्ञात विकल्पों का एक सेट है → Choice (सूची अधूरी हो सकती है तो एक
otherयाnone of the aboveविकल्प जोड़ें) - उत्तर एक स्पेक्ट्रम पर है और हर स्तर का वर्णन किया जा सकता है → Score
- साफ़ हां-ना निर्णय, और संभावना अपने आप में उपयोगी है → Noul (0.5 «पचास-पचास» अनिश्चितता है, «मध्यम स्तर» नहीं—स्तर मापने के लिए Score का उपयोग करें)
- इमेज में कुछ ढूँढना है → Box (प्रायोगिक विशेषता: आधिकारिक रूप से कहा गया है कि Images / Box अभी उत्पादन मानकों तक नहीं पहुँचे हैं, प्रारूप संस्करण के साथ बदल सकता है)
जब दोनों प्रश्न प्रकार उपयुक्त हों, वह चुनें जिसके उत्तर पर कोड सीधे कार्रवाई कर सके: Choice कुछ कोड शाखाओं से मेल खाता है, Score एक थ्रेशोल्ड से, Noul एक if से।
पाठ्यक्रम व्यवस्था:
| पाठ | सामग्री | अवधि |
|---|---|---|
| 2.1 State स्थिति | state के तीन रूपों में से कैसे चुनें, टिकटों को संरचित JSON में व्यवस्थित करें, dot path से प्रश्न को विशिष्ट फ़ील्ड की ओर इंगित करें, संदर्भ सीमा के भीतर सामग्री काटें-छाँटें | 8 मिनट |
| 2.2 Choice चयन प्रश्न | criteria में सभी विकल्प दें, हर विकल्प का probabilities पढ़ें, सूची अधूरी हो तो other विकल्प जोड़ें | 10 मिनट |
| 2.3 Score स्कोरिंग प्रश्न | क्रमबद्ध पैमाना परिभाषित करें, दो स्तरों के बीच आ सकने वाले score को पढ़ें, जटिल निर्णय को कई प्रश्नों में तोड़कर कोड में भारित करके मिलाएं | 10 मिनट |
| 2.4 Noul हां-ना प्रश्न | 0–1 प्रायिकता कैसे पढ़ें, 0.7 / 0.3 प्रारंभिक थ्रेशोल्ड, और Score से कैसे चुनें | 8 मिनट |
| 2.5 Confidence विश्वास स्तर | प्रायिकता वितरण से confidence कैसे निकलता है, तीन स्तरों का उपयोग (स्वचालित निष्पादन / समीक्षा हेतु चिह्नित / मानव को भेजें), जोखिम के अनुसार थ्रेशोल्ड स्केल करना | 12 मिनट |
| 2.6 Box और छवि | छवि को state और प्रश्न में रखना, Box चारों किनारों का अनुपात लौटाता है, Danger Zone अनुरोध हेडर और Python SDK की Image सहायता | 10 मिनट |
पहले एक नज़र: एक ही अनुरोध में तीन तरह के प्रश्न एक साथ पूछना
प्रश्न प्रकारों को कैसे भी मिलाया जा सकता है, सभी प्रश्न एक ही state पर समानांतर और स्वतंत्र रूप से मूल्यांकित होते हैं — प्रश्न जोड़ने से प्रतिक्रिया समय लगभग नहीं बढ़ता, केवल कुछ प्रश्नों के token अधिक खर्च होते हैं। आधिकारिक दस्तावेज़ का यह उदाहरण एक बार में हां-ना, चयन और स्कोरिंग प्रत्येक एक प्रश्न पूछता है:
from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
state = {
"ticket_message": "My flight was cancelled. Can I get a refund?",
"refund_policy": "Cancelled flights are eligible for a full refund.",
}
with TypeSafeClient() as client:
response = client.system_one(
state=state,
questions={
"refund_requested": Noul(
instructions="Does `ticket_message` request a refund?",
),
"request_type": Choice(
instructions="What is the main request in `ticket_message`?",
criteria={
"refund": "The customer wants money returned.",
"rebooking": "The customer wants a replacement flight.",
"information": "The customer is asking for information only.",
},
),
"frustration": Score(
instructions="How frustrated does the customer appear in `ticket_message`?",
criteria=[
"Calm and neutral.",
"Concerned but civil.",
"Very angry or using strong language.",
],
),
},
)
print(response.answers["refund_requested"].noul)
print(response.answers["request_type"].choice)
print(response.answers["frustration"].score)तीनों उत्तर प्रत्येक एक टाइप किया हुआ मान हैं: प्रायिकता, विकल्प का नाम, स्कोर — कोड में सीधे if, जनरेट किए गए टेक्स्ट से पार्स करने की ज़रूरत नहीं।
⚠️ चीनी सामग्री को लाइव करने से पहले परखें
Jev की मुख्य प्रशिक्षण भाषा अंग्रेज़ी है, अंग्रेज़ी सामग्री पर सटीकता सबसे अच्छी है; चीनी जैसी अन्य भाषाएं उपयोग की जा सकती हैं, पर सटीकता कम होती है। चीनी सामग्री लाइव करने से पहले अपने ही डेटा से एक दौर परखें, विशेष रूप से confidence देखें।
🎒 आप क्या सीखेंगे
- प्रश्न बनाने की एक सहज समझ: निर्णय की ज़रूरत मिलने पर पहले सोचें कि «उत्तर कैसा दिखता है» — विकल्प, पैमाना, प्रायिकता या छवि पर निर्देशांक — फिर प्रश्न प्रकार चुनें
- उत्तर पढ़ने की पूरी क्षमता:
probabilitiesसे वितरण देखें,confidenceसे निश्चितता देखें,scoreकोlegendके साथ मिलाकर पढ़ें - «अनिश्चित» को कोड शाखाओं में बदलें: उच्च विश्वास पर स्वचालित निष्पादन, मध्यम विश्वास पर समीक्षा हेतु चिह्नित, निम्न विश्वास पर मानव को भेजें
- छवि निर्णय की शुरुआत: Box से स्थान निर्धारण और Danger Zone स्विच, स्कैन किए दस्तावेज़ों की पहचान, OCR सत्यापन जैसे परिदृश्यों की नींव
पांच प्रश्न पूछने के तरीकों में निपुणता आ जाने पर Jev के दैनिक उपयोग के तरीके पूरे हो जाते हैं। आगे दो रास्तों में से कोई एक चुनें: पूरा सिस्टम बनाना चाहते हैं तो कुशल वर्कफ़्लो में चार आधिकारिक आर्किटेक्चर पैटर्न सीखें; पहले वास्तविक प्रोजेक्ट देखना चाहते हैं तो परिदृश्य व्यवहार में 15 पूर्ण उदाहरण तैयार हैं — जैसे लाइव चैट फ़िल्टर: हर संदेश पर एक अनुरोध, तीन प्रश्न, गालीगलौज, स्पॉइलर और स्पैम संदेश का निर्णय एक साथ।
तैयार हैं? पहला पाठ शुरू करें: State स्थिति →