परिदृश्य व्यावहारिक अभ्यास: अपना रूट चुनें
💡 लक्ष्य: एक Jev व्यावहारिक रूट चुनकर उसे पूरा करना — रूट A में 4 पाठ लगभग 65 मिनट, रूट B में 5 पाठ लगभग 82 मिनट, रूट C में 6 पाठ लगभग 105 मिनट। अंत में आपके पास सिर्फ़ नोट्स नहीं, बल्कि आधिकारिक cookbook से रूपांतरित एक चलने वाला पूरा केस कोड भी होगा।
🎯 चरण का लक्ष्य
- अपनी बिज़नेस समस्या को सही जगह पर रख पाना: बता सकना कि वह किस रूट से संबंधित है (सामग्री निगरानी और वर्गीकरण / LLM और Agent अनुप्रयोग / दस्तावेज़ और डेटा), और कौन-सा पाठ पहले पढ़ना चाहिए
- कम से कम एक रूट पूरी तरह पूरा करना, और सीधे रूपांतरित करने योग्य कोड पाना — जैसे एक लाइव बुलेट-चैट फ़िल्टरिंग पाइपलाइन, या एक RAG पैराग्राफ़ जाँच प्रणाली
- आधिकारिक कठिनाई लेबल से क्रम तय करना: आरंभिक (Beginner) केस को जस-का-तस करने पर चल जाता है, उन्नत (Intermediate) केस के लिए पहले अपेक्षित पाठ पढ़कर फिर हाथ लगाना
⏳ अनुमानित समय
- 15 पाठ मिलाकर लगभग 252 मिनट (लगभग 4 घंटे 12 मिनट), सब पूरा करने के लिए लगभग 176–328 मिनट का लचीला बफ़र रखें
- सब पढ़ना ज़रूरी नहीं — तीनों रूट में से कोई एक चुनें: रूट A लगभग 65 मिनट (46–85), रूट B लगभग 82 मिनट (57–107), रूट C लगभग 105 मिनट (74–137)
- हर पाठ स्वतंत्र है, ज़रूरत के अनुसार अलग से पढ़ा जा सकता है; एक ही रूट के भीतर क्रमांक के क्रम में चलने की सलाह है, बाद के पाठ आगे के कोड का पुनः उपयोग करते हैं
🚀 शुरू करने से पहले
- दैनिक उपयोग: Jev के पाँच प्रश्न पूछने के तरीकों में निपुणता पूरा किया है — आधिकारिक cookbook की मान्यता यही है कि आप प्रश्न-प्रकार (primitives) और confidence जानते हैं: परिदृश्य पाठ यह मानकर चलते हैं कि आप Choice / Score / Noul / Box प्रश्न बना सकते हैं और प्रायिकता वितरण पढ़ सकते हैं
- परिवेश अभी भी चल रहा है:
.venvमेंtypesafe-sdkइंस्टॉल हो,TYPESAFE_API_KEYपरिवेश चर में हो (इंस्टॉलेशन और पहला अनुरोध) - (कुछ पाठों के लिए और सुगम) कुशल वर्कफ़्लो पढ़ा है: B4 के अपेक्षित पाठों में समानांतर प्रश्न भी शामिल है
- एक कप पानी ☕ — हर पाठ एक पूरा छोटा प्रोजेक्ट है: वास्तविक डेटा + समस्या परिभाषा + चलने वाला कोड
📚 अपना रूट चुनें
इस चरण के 15 पाठ, सभी आधिकारिक Cookbooks से रूपांतरित हैं। cookbook की आधिकारिक परिभाषा में सिर्फ़ तीन चीज़ें हैं: एक वास्तविक डेटासेट, उस पर निर्णय लेने वाले TypeSafe प्रश्नों का एक समूह, और उन निर्णयों को उपयोगी सिस्टम में बदलने वाला कोड।
इसलिए हर पाठ कोई खिलौना demo नहीं है — डेटा वास्तविक है (SEC वार्षिक रिपोर्ट, CLERC कानूनी प्रश्न, GitHub सेवा की शर्तें, वैक्सीन स्कैन प्रतियाँ), कोड पूरा है, और आधिकारिक रूप से भी कहा गया है: एक कॉपी कर लें और अपने प्रोजेक्ट का आरंभ बनाएँ।
रूट कैसे चुनें? आधिकारिक Example use cases सभी उपयोगों को दस प्रकार के «निर्णय आकारों» में वर्गीकृत करता है, और इस चरण के 15 उपयोग के परिदृश्य उनमें से सबसे अधिक उपयोग किए जाने वाले कुछ को कवर करते हैं। अपनी जगह पहचानें:
| आपको जो निर्णय लेना है | आधिकारिक शब्दावली | कौन-सा रूट |
|---|---|---|
| कौन-सा लेबल लगाना है, किस वर्ग में डालना है, रोकना है या नहीं | Classification वर्गीकरण / Detection पहचान | रूट A: सामग्री निगरानी और वर्गीकरण |
| LLM का इनपुट-आउटपुट सुरक्षित है या नहीं, पुनर्प्राप्त पैराग्राफ़ संदर्भ में आना चाहिए या नहीं, कौन-सा टूल कॉल करना है | Verification सत्यापन / Retrieval पुनर्प्राप्ति / Routing राउटिंग | रूट B: LLM और Agent अनुप्रयोग |
| टेक्स्ट और छवियों से कौन-से फ़ील्ड निकालने हैं, कौन-सी प्रविष्टियाँ सबसे प्रासंगिक हैं, कौन और कौन एक ही चीज़ हैं | Structured Data Extraction निष्कर्षण / Search खोज / Ranking क्रम | रूट C: दस्तावेज़ और डेटा |
हर पाठ की अवधि और कठिनाई पाठ्यक्रम सूची में अंकित है, कठिनाई को आधिकारिक cookbook सूचकांक ने जस-का-तस चिह्नित किया है: आरंभिक (Beginner) को जस-का-तस करने पर चल जाता है; उन्नत (Intermediate) की संरचना अधिक जटिल है — कई अनुरोध, बड़े प्रश्न-समूह या मॉडलों के बीच समन्वय, अपेक्षित पाठ पहले पूरे करने पर सुगम रहेगा।
💡 आपका उद्योग तालिका में नहीं है?
आधिकारिक use-case map उद्योग के अनुसार भी निर्णय विचारों की एक सूची देता है: भर्ती, लीड छँटाई, ग्राहक सहायता, बीमा दावे, वित्तीय अपराध, कानूनी अनुपालन, ई-कॉमर्स उत्पाद, समुदाय भरोसा और सुरक्षा, विज्ञापन, गेम, जोखिम मूल्यांकन, माँग पूर्वानुमान… इन्हें अपनी जगह पर पहचानें और इस कॉलम में सिखाए गए प्रश्न-प्रकारों और पैटर्न से जोड़कर बनाएँ।
⚠️ चीनी सामग्री को पहले परखें, फिर लॉन्च करें
आधिकारिक विवरण: अंग्रेज़ी Jev की मुख्य प्रशिक्षण भाषा है, अन्य भाषाएँ (चीनी सहित) काम करती हैं लेकिन सटीकता कम होती है। बुलेट-चैट फ़िल्टरिंग, दस्तावेज़ निष्कर्षण जैसे चीनी परिदृश्यों के लिए, लॉन्च से पहले अपने वास्तविक डेटा से एक दौर परीक्षण करें, confidence और प्रायिकता वितरण पर ध्यान दें, फिर सीमा तय करें।
रूट A: सामग्री निगरानी और वर्गीकरण (A1–A4, लगभग 65 मिनट)
किसके लिए उपयुक्त: स्ट्रीमर और लाइव ऑपरेशन, समुदाय व सामग्री प्लेटफ़ॉर्म के रिस्क-नियंत्रण डेवलपर, और सभी जो «सामग्री पर लेबल लगाना, लेबल के अनुसार कार्य करना» चाहते हैं।
हो सकता है आप इन समस्याओं से जूझ रहे हों:
- लाइव रूम के बुलेट-चैट में गाली, स्पॉइलर और स्पैम विज्ञापन एक साथ आते हैं, मैन्युअल निगरानी संभव नहीं, और कीवर्ड नियमों को हमेशा चकमा दे दिया जाता है
- उत्पाद, ईमेल, दस्तावेज़ों को दर्जनों स्तर गहरी श्रेणियों में बाँटना है, ऊपरी स्तर आसान, जितना गहरा जाएँ उतना कम लोग सही बता पाते हैं
- निगरानी सिस्टम सीमावर्ती सामग्री को कभी तो छोड़ देता है कभी पोस्ट हटा देता है, उपयोगकर्ता स्क्रीनशॉट लेकर पूछते हैं: क्या मानक पासा फेंकने जैसा है?
| पाठ | आप क्या बनाएँगे | अवधि | कठिनाई |
|---|---|---|---|
| A1 लाइव चैट फ़िल्टरिंग | हर बुलेट-चैट के लिए एक अनुरोध, तीन प्रश्न, समवर्ती प्रोसेसिंग; गाली, स्पॉइलर और स्पैम संदेशों का एक साथ निर्णय, कोड नियम तय करते हैं कि दर्शक क्या देखेंगे | 15 मिनट | आरंभिक |
| A2 गहरी पदानुक्रमिक श्रेणीवर्गीकरण | समानांतर beam search, Choice संभावनाओं के साथ नीचे जाता है, दस्तावेज़ को पेटेंट, रिटेल, बायोमेडिकल, सोर्स कोड श्रेणियों की सबसे गहराई तक वर्गीकृत करता है | 20 मिनट | उन्नत (Intermediate) |
| A3 75-श्रेणी उद्योग वर्गीकरण | SEC वार्षिक रिपोर्टों को 75 उद्योग समूहों में बाँटा जाता है; जब उत्तर के साथ दी गई confidence पर्याप्त न हो, तो उसके ऊपर का उद्योग बड़ा वर्ग रिपोर्ट किया जाता है | 15 मिनट | आरंभिक (Beginner) |
| A4 स्व-संगति | समीक्षा प्रणाली में «अनिश्चित» निकास जोड़ें: यदि top संभावना थ्रेशोल्ड से गुज़र न जाए तो मानव को भेजें। आधिकारिक परीक्षण में निर्णय सहमति दर 90.8% → 99.2% | 15 मिनट | बिगिनर |
रूट B: LLM और Agent अनुप्रयोग (B1–B5, लगभग 82 मिनट)
किसके लिए उपयुक्त: वे डेवलपर्स जो RAG, Agent, Chatbot या कोई भी ऐसा उत्पाद बना रहे हैं जिसमें «LLM बीच में काम करता है»।
हो सकता है आप इन समस्याओं से जूझ रहे हों:
- LLM अनुप्रयोगों के प्रवेश और निकास द्वारों पर कोई सुरक्षा जाँच नहीं: जेलब्रेक, प्रॉम्प्ट इंजेक्शन, संवेदनशील डेटा सीधे अंदर-बाहर
- RAG द्वारा पुनर्प्राप्त अनुच्छेद, प्रासंगिक हों या न हों, संदर्भ में ठूँस दिए जाते हैं, उत्तर की गुणवत्ता उसी के साथ डगमगाती है
- Agent सैकड़ों कौशलों के सामने नहीं जानता कि किसे कॉल करे; प्राकृतिक भाषा से फ़ंक्शन कॉल में रूपांतरण, पूरी तरह पार्सिंग मॉडल द्वारा दिए गए JSON पर निर्भर
| पाठ | आप क्या बनाएँगे | अवधि | कठिनाई |
|---|---|---|---|
| B1 LLM गार्डरेल | एक ही अनुरोध LLM अनुप्रयोग में प्रवेश-निकास होने वाले हर संदेश की पूरी सुरक्षा जाँच करता है, आपके निर्धारित थ्रेशोल्ड के अनुसार पारित, पुनर्समीक्षा, अवरुद्ध या सहायता को अंतरित करता है | 20 मिनट | एडवांस्ड |
| B2 उद्धरण सत्यापन | एक Choice प्रश्न यह निर्धारित करता है कि उद्धरण का संदर्भ दावे का समर्थन करता है या नहीं, हैल्यूसिनेटेड उद्धरणों को रोकता है | 12 मिनट | बिगिनर |
| B3 RAG अनुच्छेद छँटाई | हर पुनर्प्राप्त अनुच्छेद के लिए एक अनुरोध से प्रासंगिकता अंक, कोड तय करता है कि कौन से अनुच्छेद answering model में जा सकते हैं | 15 मिनट | एडवांस्ड |
| B4 Agent निर्णय | Hermes कैटलॉग के 194 कौशलों में से अधिकतम एक चुनें (दो अनुरोध: रैंकिंग + शीर्ष तीन की पुनर्जाँच); प्राकृतिक भाषा के लेन-देन अनुरोध को टाइप्ड फ़ंक्शन कॉल में बदलें | 20 मिनट | एडवांस्ड |
| B5 सरल मेमोरी प्रणाली | Jev को तय करने दें कि कौन से अनुरोध और उत्तर याद रखने लायक हैं, एक छोटा फ़ंक्शन मेमोरी को बाद की कॉलों में ले जाता है | 15 मिनट | बिगिनर |
रूट C: दस्तावेज़ और डेटा (C1–C6, लगभग 105 मिनट)
किसके लिए उपयुक्त: डेटा पाइपलाइन, दस्तावेज़ प्रसंस्करण, एंटरप्राइज़ सर्च, OCR पोस्ट-प्रोसेसिंग करने वाले डेवलपर्स — हर वह काम जहाँ «अव्यवस्थित प्रारूप वाले इनपुट से संरचित डेटा बचाकर निकालना» हो।
हो सकता है आप इन समस्याओं से जूझ रहे हों:
- ईमेल, फ़ोन, राशि, तारीख़ें अव्यवस्थित टेक्स्ट में बिखरी होती हैं, रेगेक्स ढेर सारे उम्मीदवार निकालता है, पता नहीं कौन सा सही है
- कॉपी-पेस्ट से प्रारूप खो चुका प्लेन टेक्स्ट, ज्ञानकोश में जाने के लिए Markdown में पुनर्स्थापित होना चाहिए
- BM25 से मिले परिणाम पर्याप्त सटीक नहीं; OCR से पढ़े गए मान बिना सत्यापन के डेटाबेस में चले जाते हैं
| पाठ | आप क्या बनाएँगे | अवधि | कठिनाई |
|---|---|---|---|
| C1 मान निष्कर्षण | तारीख़ों के लिए दस्तावेज़ से घटक पूछें, कोड पार्स करके सत्यापित करे; ईमेल, फ़ोन, राशि रेगेक्स से उम्मीदवार ढूँढे, Jev सही वाला चुनकर मानकीकृत करे | 15 मिनट | बिगिनर |
| C2 संरचना पुनर्स्थापना | दो अनुरोधों में प्रारूप खो चुके प्लेन टेक्स्ट को Markdown में पुनर्स्थापित करें: एक बार हार्ड लाइन-ब्रेक से कटी पंक्तियाँ जोड़ें, एक बार हर ब्लॉक का वर्गीकरण करें | 15 मिनट | बिगिनर |
| C3 प्राकृतिक भाषा में ऑर्डर | कॉफ़ी ऑर्डर संरचित शॉपिंग कार्ट बन जाता है: Choice संकुचित विकल्प लूप से हर वस्तु ढूँढी जाती है, हर वस्तु के लिए फ़ील्ड भरने हेतु फिर बैच अनुरोध भेजे जाते हैं | 15 मिनट | बिगिनर |
| C4 सर्च और मिलान | रीरैंकिंग से CLERC कानूनी क्वेरी की top-1 हिट दर 5% से 18% और top-10 38% से 62% हुई; GitHub ToS की 218 पंक्तियों की पंक्ति-दर-पंक्ति सिमेंटिक सर्च; दो बीयर कैटलॉगों की 450 वस्तुओं का एंटिटी अलाइनमेंट | 20 मिनट | बिगिनर |
| C5 कैस्केड निष्कर्षण | सस्ता मॉडल पहले निष्कर्षण करे, Jev फ़ील्ड-दर-फ़ील्ड सत्यापन करे, केवल सत्यापन अलार्म होने पर ही रीज़निंग मॉडल पर अपग्रेड करे | 20 मिनट | एडवांस्ड |
| C6 इमेज व्यवहारिक उदाहरण | वैक्सीन स्कैन पर Noul + Box रिकॉर्ड ढूँढे, Choice वर्ष पढ़े («साफ़ नहीं दिख रहा» उत्तर दे सकता है); इनवॉइस के OCR मानों की वस्तु-दर-वस्तु पुष्टि, कम अंक पर मानव को भेजें; पक्षी-चारा कैमरे के फ़्रेम से प्रजाति आगमन लॉग बनाएँ | 20 मिनट | एडवांस्ड |
आधिकारिक 25 cookbook, यहाँ कौन से कवर हुए?
आधिकारिक TypeSafe cookbook इंडेक्स में कुल 25 केस हैं, इस चरण के 15 पाठ उनमें से 22 को कवर करते हैं (एक पाठ में कई केसों का संयुक्त विवेचन)। बाकी तीन का कहाँ जाना है:
- Parallel questions(समानांतर प्रश्न)——3.1 समानांतर प्रश्न और स्पेक्युलेटिव फैन-आउट में पहले ही विस्तार से बताया गया है: 13 प्रश्न एक ही रिक्वेस्ट में, आधिकारिक वास्तविक परीक्षण में 12.2 गुना सस्ता और 10.0 गुना तेज़, जवाब अपरिवर्तित रहते हैं
- Intelliprompter(भाषण प्रॉम्प्टर)——लाइव बोलते समय जिन नोट्स को कवर नहीं किया गया है उन्हें एक-एक करके स्कोर देता है, थ्रेशोल्ड पार होने पर टिक लगाता है; फिलहाल अलग कोर्स नहीं है, आधिकारिक मूल पाठ पढ़ सकते हैं
- Autoresearch feature discovery(फीचर डिस्कवरी, आधिकारिक कठिनाई Advanced)——TypeSafe प्रश्नों से फ्री टेक्स्ट को संख्यात्मक फीचर में बदलता है, फिर मॉडल की त्रुटि से एक CatBoost रिग्रेशन को सुधारता है; फिलहाल अलग कोर्स नहीं है, आधिकारिक मूल पाठ पढ़ सकते हैं
🎒 आप क्या सीखेंगे
- 15 Jev व्यावहारिक केस स्टडी का चीनी भाषा में पूरा विश्लेषण: असली डेटा, समस्या की परिभाषा, चलने योग्य कोड, हर पाठ में अवधि और कठिनाई अंकित
- एक «सही जगह फिट बैठाने» वाला विश्लेषण तरीका: किसी बिज़नेस समस्या को पाकर पहले उसके निर्णय का आकार बताइए——वर्गीकरण, सत्यापन या एक्सट्रैक्शन——फिर रूट, टास्क प्रकार और मोड चुनिए
- हर रूट के लिए कम से कम एक ऐसा टेम्पलेट जिसे सीधे आपके प्रोजेक्ट में रूपांतरित किया जा सके: डैनमाकू फ़िल्टरिंग पाइपलाइन, RAG पैराग्राफ गेटकीपिंग, कैस्केड एक्सट्रैक्शन पाइपलाइन
- चीनी परिदृश्यों के लिए डिप्लॉयमेंट की आदत: पहले असली डेटा पर एक राउंड टेस्ट करें, confidence पर नज़र रखें, फिर थ्रेशोल्ड तय करें——आधिकारिक रूप से कहा गया है कि CJK सटीकता कम होती है
तीन रूटों के अलावा दो और विस्तार-पथ हैं: अगर आप «बिज़नेस प्रक्रिया को परमाणु निर्णयों में कैसे तोड़ें» इस मेथडोलॉजी की व्यवस्थित रूप से जानकारी चाहते हैं, तो कुशल वर्कफ़्लो के चार आर्किटेक्चर पैटर्न देखें; अगर आप चाहते हैं कि Jev सीधे आपकी ओर से ब्राउज़र चलाकर काम पूरा करे, तो एडवांस्ड मैनुअल में Jev Ultrafast ब्राउज़र Agent से मिलिए।
तैयार हैं? पहला पाठ शुरू करें: लाइव चैट फ़िल्टरिंग →