Skip to content

Jev 1.13 गलतियों से बचने की मैनुअल: 9 प्रकार की विफलता मोड और विकल्प तरीके ​

आधिकारिक दस्तावेज़ में एक पेज बहुत विशेष है: jaggedness (खुरदरापन) दस्तावेज़——TypeSafe की खुद की व्यवस्थित की हुई 「Jev 1.13 ज्ञात खामियों की सूची」। शुरुआत में एक वाक्य Jev isn't perfect, फिर 9 प्रकार की विफलता मोड सूचीबद्ध हैं, हर एक के साथ विकल्प तरीका। यह पाठ पूरे दस्तावेज़ को यहाँ ले आता है: पूरी तालिका की त्वरित संदर्भ, हर बिंदु की विस्तृत व्याख्या, आधिकारिक कॉपी करने योग्य कोड, कुल लगभग 15 मिनट।

यह पाठ पूरी तरह स्वतंत्र है, ब्राउज़र छुए बिना भी पढ़ा जा सकता है——शुद्ध API उपयोगकर्ता सीधे एडवांस्ड मैनुअल से इस पाठ पर आएँ तो भी कुछ नहीं बिगड़ेगा। दस्तावेज़ में उपयुक्तता jev-1.13 (अंतिम समीक्षा 2026-10-02) अंकित है, आधिकारिक रूप से यह भी कहा गया है कि इनमें से कई आगामी संस्करणों में ठीक हो जाएँगे; लेकिन 「अंकगणित कोड में, तारीख से घटक निकालें, बड़े state को पहले फ़िल्टर करें」 यह प्रश्न पूछने की आदत किसी भी संस्करण के साथ अपनाने लायक है।

सीखने के बाद आप क्या कर सकेंगे ​

  • आधिकारिक 9 प्रकार की विफलता मोड के नाम याद से बोल सकें, हर एक के लिए एक विकल्प तरीका बता सकें (इस पाठ के सारांश की त्वरित संदर्भ तालिका से स्व-जांच करें)
  • 「Jev से गिनती कराने」 वाले प्रश्न को आधिकारिक सैंपल में बदलें: कोड कैंडिडेट्स पर पुनरावृत्ति करे, हर आइटम के लिए एक Noul, गिनती कोड में जुड़े
  • तारीखों की तुलना को 「मॉडल घटक निकाले + कोड जोड़े」 में बदलें: 12 महीने, 31 दिन, सीमित वर्ष के Choice एनुम, 「नहीं लिखा」 एस्केप हाल के साथ
  • बड़े state को हल्का करें: केवल उस प्रश्न के लिए आवश्यक फ़ील्ड भेजें; फ़िल्टर न हो सके तो Noul को प्रासंगिकता का गेट बनाएँ
  • लॉन्च से पहले तीनों जांच पूरी करें: विकल्प पुनर्व्यवस्था निरंतरता, सीमा मामले, instructions और criteria का संरेखण

आपकी मौजूदा दुविधा ​

  • उत्तर 「दस में से नौ सही」: एक ही प्रकार के इनपुट पर, कभी-कभी एक अजीब शाखा में चला जाता है, कोई पैटर्न नहीं मिलता, लॉन्च करने का साहस भी नहीं
  • साफ़ तौर पर एक निर्णय प्रश्न है, पर मॉडल ऐसे गिनती और अंकगणित कर रहा है——संख्याएँ किसी तरह सही नहीं होतीं, शब्द बदलने से भी नहीं
  • चाहते हैं कि Jev एक सारांश दे, चेन्ड Choice को जोड़-जोड़कर आधे घंटे लगा दिए, फिर भी धीमा और घटिया, और पता नहीं तरीका गलत है या मॉडल

इस तरीके को कब उपयोग करें ​

जब आपको चाहिए:

  • प्रश्न लिखते समय पहले से Jev 1.13 के ज्ञात गड़बड़ियों से बच जाना, बजाय लॉन्च के बाद हर मामले का पीछा करने के
  • एक 「उत्तर गलत」 प्रश्न को मजबूत प्रश्न में बदलना——गिनती, तारीख, बड़ा state, शब्द-चयन चार प्रकार के आम कारण
  • तय करना कि एक काम किसका है: Jev का निर्णय, कोड का अंकगणित, या जनरेशन मॉडल का टेक्स्ट

और आप नहीं चाहते:

  • 9 प्रकार की गड़बड़ियाँ एक-एक करके झेलना और फिर सीखना——आधिकारिक रूप से आपकी तरफ से पहले ही झेल लिया गया है, दस्तावेज़ भी लिखा गया है
  • लॉन्च के बाद प्रतिकूल इनपुट से सबक मिलना: criteria अस्पष्ट, सीमाएँ नहीं परखी गईं, उपयोगकर्ता गंदा डेटा डालते ही सब उलट जाता है

🎒 शुरू करने से पहले की तैयारी ​

  • Confidence विश्वास स्तर पूरा किया है: पता है कि confidence 「उत्तर के अपने प्रायिकता वितरण के आकार का सारांश」 है——इस पाठ की गलतियों की चेतावनियाँ इसी पूर्वधारणा का उपयोग करती हैं
  • तीन बुनियादी प्रश्न प्रकार उपयोग किए हैं: Choice चयन प्रश्न, Score स्कोरिंग प्रश्न, Noul हाँ-नहीं प्रश्न
  • (वैकल्पिक) हाथ में विकासाधीन Jev ऐप हो——इस पाठ के चरण 「अपनी ही समस्या लेकर सुधार करने」 वाले हैं, असली समस्या हो तो सबसे ज़्यादा लाभ
  • (वैकल्पिक) आधिकारिक गिनती सैंपल चलाना चाहते हैं: Python ≥ 3.10 वाले वातावरण में typesafe-sdk इंस्टॉल हो (इंस्टॉल ट्यूटोरियल)

मूल विचार ​

पहले आधिकारिक आत्ममूल्यांकन देखें (jaggedness दस्तावेज़ की शुरुआत): jev-1.13 तेज़, कैलिब्रेटेड, सामान्य ज्ञान निर्णय में कुशल, System One कार्य पर सबसे अच्छा प्रदर्शन। इसके साथ ही इसमें तीन प्रकार की जन्मजात कमज़ोरियाँ हैं:

कमज़ोरीअर्थसंबंधित विफलता मोड
बहुस्तरीय अप्रत्यक्षताअतिरिक्त अप्रत्यक्ष स्तर वाले कार्य कठिन लगते हैं#4 अप्रत्यक्ष संदर्भ
शाब्दिक समझसमझ काफ़ी शाब्दिक हो सकती है#1 शाब्दिक समझ
संख्यात्मक सटीकताजिन कार्यों में संख्यात्मक सटीकता चाहिए वे संघर्ष करते हैं#2 गणित और संख्याएँ, #3 तिथि-समय की तुलना

9 विफलता के पैटर्न मूल रूप से एक ही बात हैं: ** System Two (धीमी सोच) का काम System One (तेज़ निर्णय) को थमा देना **। इसलिए सभी वैकल्पिक तरीकों को एक मंत्र में समेटा जा सकता है:

निर्णय Jev के लिए छोड़ें, अंकगणित कोड के लिए, जनरेशन जनरेशन मॉडल के लिए।

आधिकारिक स्रोत ने दस्तावेज़ के अंत में चार avoid चेकलिस्ट भी दी हैं, हर एक का सीधा संगति है:

  • ❌ मॉडल से वह पूछना जिसे कोड सटीक रूप से गणना कर सकता है
  • ❌ एक ही प्रश्न में कई निर्णय छिपाना
  • ❌ System Two कार्य: अधिक परतें अप्रत्यक्षता की
  • ❌ state में समस्या की ज़रूरत से अधिक संदर्भ ठूँसना — आधिकारिक मूल शब्द: Jev suffers from context rot (संदर्भ सड़न), असंबंधित सामग्री सीधे आपकी सटीकता पर खर्च होती है

💡 इस दस्तावेज़ का अपना रुख़

आधिकारिक स्रोत ने कुछ नहीं छिपाया: शुरुआत में ही लिखा है Jev isn't perfect, और अंत में नई विफलता पैटर्न जमा करने के लिए Discord प्रवेश द्वार भी रखा है। ज्ञात समस्याओं को दस्तावेज़ में लिखना, हर एक के साथ वैकल्पिक तरीका देना — यही वह रुख़ है जो आपको अपने Jev एप्लिकेशन के प्रति रखना चाहिए: खाइयों को दर्ज करें, उनसे बचने के तरीके संलग्न करें।

मेरे साथ करें ​

चरण 1: आधिकारिक 9 विफलता पैटर्न तालिका से एक Jev स्वास्थ्य-जाँच ​

क्यों: समस्या बदलने से पहले बीमारी का नाम जान लें। आधिकारिक स्रोत ने ज्ञात खाइयों को 9 विफलता पैटर्न में व्यवस्थित किया है, हर एक के साथ एक वैकल्पिक तरीका — पहले इस तालिका से अपने मौजूदा प्रश्नों की जाँच कर लेना, गलती होने के बाद पीछे मुड़कर जाँच करने से कई चक्कर बचाता है।

आधिकारिक पूरी तालिका (लक्षण और वैकल्पिक तरीके दोनों jaggedness दस्तावेज़ से):

#विफलता पैटर्नविशिष्ट लक्षणआधिकारिक वैकल्पिक तरीका
1शाब्दिक पढ़ना (Literal reading)क्वालिफ़ायर, निषेध, निहित शर्तें सब शाब्दिक रूप से पढ़ता है; वह उत्तर देता है जो आपने लिखा है, न कि जो आप सोच रहे थेसटीक शर्तें instructions में लिखें, सीमा-स्थितियाँ criteria में डालें; बचा न जा सके तो दो शाब्दिक प्रश्नों में तोड़ें, कोड से जोड़ें
2गणित और संख्याएँ (Math and Numbers)गिनती अविश्वसनीय, त्रुटि पैमाने के साथ बढ़ती है; hex / RGB अंग्रेज़ी नामों जितने अच्छे नहींअंकगणित पूरा कोड में रखें; गिनती = कोड से उम्मीदवारों पर पुनरावृत्ति + हर आइटम पर एक प्रश्न
3तिथि-समय की तुलना (Date and time comparison)तिथि को पाठ की तरह पढ़ता है; पहले-बाद, अंतराल, विंडो निर्णय अविश्वसनीयघटक निकालें, कोड से तुलना करें
4अप्रत्यक्ष संदर्भ (Indirection)दोहरा निषेध, गुण-के-अंदर-गुण; जितने ज़्यादा हॉप उतनी कम सटीकताहॉप घटाएँ, नाम से सीधे संबंधित state की ओर इशारा करें
5बड़ा state असंबंधित विवरणों से भराअसंबंधित विवरण विकर्षक हैं; त्रुटि होने पर पता लगाना कठिन कि किस इनपुट का दोषपहले फ़िल्टर करें, केवल उस प्रश्न के लिए ज़रूरी भेजें
6प्रतिकूल सामग्री (Adversarial content)इंजेक्टेड निर्देश, भ्रामक ढाँचे, आत्म-बचाव वाले पाठ उत्तर को हिला सकते हैंसटीक प्रश्न लिखें, लॉन्च से पहले सीमाएँ परखें
7परस्पर विरोधी निर्देश और criteriainstructions और criteria अलग-अलग चीज़ें चाहते हैं, मॉडल भ्रमित होता हैcriteria को instructions का विस्तार मानें, दोनों को संरेखित करें
8Choice विकल्पों का क्रमक्रम उत्तर को प्रभावित करता है, आगे वाले विकल्पों की ओर झुकावविकल्पों को दोबारा क्रमबद्ध करें, उत्तर की निरंतरता दोबारा जाँचें
9generation की ज़रूरतश्रृंखलाबद्ध Choice जनरेशन पर मजबूर करता है: परिणाम खराब और बहुत धीमाजनरेशन मॉडल पर स्विच करें; सीमित एक्सट्रैक्शन को Choice में बदलें

आपको दिखना चाहिए: आपका हर ड्राफ़्ट प्रश्न तीन श्रेणियों में बाँटा जा सकता है — सीधे उपयोग के योग्य; किसी एक पंक्ति से टकराने वाले, जिन्हें फिर से लिखना होगा; और जो शुरू से ही मॉडल से नहीं पूछे जाने चाहिए (कोड सटीक रूप से गणना कर सकता है)। अगले कुछ चरण केवल दूसरी श्रेणी को संभालते हैं।

  • मेरी समस्या तालिका में संगत पंक्ति मिल गई (या पुष्टि हुई कि बदलाव की ज़रूरत नहीं)

चरण 2: अंकगणित को वापस कोड में ले जाएँ — गिनती, संख्यात्मक निरूपण, Score इंटरपोलेशन तीन खाइयाँ ​

क्यों: आधिकारिक मूल शब्द Jev is not a calculator — किसी भी गणितीय लॉजिक को कोड में रखने की ज़ोरदार सिफ़ारिश; Jev सिमेंटिक प्रश्नों पर गणित प्रश्नों से बेहतर प्रदर्शन करता है। विफलता पैटर्न #2 में तीन उप-खाइयाँ हैं, एक-एक करके देखें।

खाई A: गिनती। jev-1.13 गिनती अविश्वसनीय — शब्द में अक्षरों की संख्या, पैराग्राफ़ में शब्दावली की बारंबारता, लंबी सूची के आइटमों की संख्या, सब शामिल। आधिकारिक विवरण बहुत चित्रात्मक है: मॉडल पहचानता है «उत्तर का आकार», एक-एक गिनती नहीं, और त्रुटि गिनी जा रही वस्तु के पैमाने के साथ बढ़ती है। हाथ लगाने से पहले खुद से पूछें: यह गिनती मॉडल को क्यों चाहिए? अगर इकाई regex या पार्सर से मिल सकती है, तो गिनती कोड का काम है, मॉडल मदद नहीं कर सकता।

आधिकारिक नमूना (jaggedness दस्तावेज़ से, शब्दशः कॉपी करने योग्य) — सूची में कितने फल हैं गिनने के लिए, «हर item पर एक Noul + कोड से योग» में बदलें:

python
from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient(model="jev-1.13")
YES = 0.5  # up to you on what you want the threshold to be, depends on your usecase.

items = ["typesafe", "apple", "california", "banana", "likes", "calibration", "orange", "vertex"]

result = client.system_one(
    {"items": items},
    {
        f"item_{i}": Noul(instructions=f"Is `items[{i}]` the name of a fruit?")
        for i in range(len(items))
    },
)

count = sum(result.nouls[f"item_{i}"].noul > YES for i in range(len(items)))

मॉडल ने केवल 8 बार «क्या यह फल है» का निर्णय लिया, एक बार भी गिनती नहीं की; count कोड है जिसने 8 उत्तरों को जोड़ा। सूची की सामग्री के अनुसार apple, banana, orange तीन आइटम फल माने जाने चाहिए, आपको दिखना चाहिए count = 3।

खाई B: संख्यात्मक निरूपण। सिमेंटिक निरूपण संख्यात्मक निरूपण से बेहतर: रंग प्रश्नों में hex मान अंग्रेज़ी रंग नाम से कम अच्छे; RGB त्रिक या hex मान देकर दो मानों की निकटता जाँचना — अविश्वसनीय। इसी तरह, हाई-लेवल प्रोग्रामिंग भाषाओं के प्रश्नों पर प्रदर्शन असेंबली या बाइनरी-एन्कोडेड निर्देशों से बेहतर। विकल्प: कोड रूपांतरण करे, पहले से गणना की गई संख्याएँ या नामित बकेट (named bucket) भेजें, मॉडल को वास्तव में निर्णय वाले हिस्से के लिए छोड़ें — जैसे «क्या यह रंग पढ़ने में चेतावनी जैसा लगता है»।

खाई C: Score इंटरपोलेशन। Score आउटपुट (प्रत्याशा, प्रायिकता) से दो स्तरों के बीच सटीक संख्या गणना के लिए उपयोग न करें। प्रत्याशा से जाँचा जा सकता है कि «किसी थ्रेशोल्ड से पार है या नहीं», लेकिन jev-1.13 के score levels की संख्यात्मक कैलिब्रेशन कमज़ोर है — निकटतम दो स्तरों के बीच इंटरपोलेशन से सटीक संख्या पुनर्निर्माण में यह मदद नहीं कर सकता।

  • कोड में खोजें «मॉडल से संख्या / अंतर / सटीक मान आउटपुट करवाने» वाले प्रश्न, सबको कोड गणना या Choice एन्यूमरेशन में बदलें

चरण 3: तिथियों की तुलना नहीं — मॉडल घटक निकाले, कोड जोड़े ​

क्यों: jev-1.13 तिथि को पाठ की तरह पढ़ता है, क्रमबद्ध मात्रा की तरह नहीं। «दो तिथियों में से कौन पहले, कितना अंतर, क्या विंडो के भीतर» — सब अविश्वसनीय; मिश्रित प्रारूप, सापेक्ष संदर्भ (अगला गुरुवार), डोमेन सीमाएँ (तिमाही, सेटलमेंट विंडो, एक्रुअल अवधि) से और भी बदतर।

आधिकारिक कार्य-विभाजन सिद्धांत एक वाक्य में: एक्सट्रैक्शन निर्णय है, मॉडल को दें; अंकगणित नहीं है, कोड में रखें।

तिथि का हर घटक एक छोटा बंद समुच्चय है: 12 महीने, 31 दिन, सीमित वर्ष सीमा। इससे एक्सट्रैक्शन एन्यूमरेटेड विकल्पों पर Choice बन जाता है, मुक्त पार्सिंग नहीं; और एक स्पष्ट «नहीं लिखा» (not stated) विकल्प भी रखा जा सकता है — गायब घटक को अनुमान नहीं, रिपोर्ट किया जाता है। कोड घटकों को असली तिथि में जोड़ता है, उसके बाद सब कुछ — क्रमबद्ध, अवधि, ऑफ़सेट, सप्ताह का दिन — पूरा कोड का काम।

आधिकारिक date extraction cookbook के 7 Choice प्रश्न (एक ही अनुरोध में सब भेजे जाते हैं):

प्रश्नक्या निर्धारित करेंआपातकालीन निकास
modeabsolute (महीना लिखा हुआ कैलेंडर तिथि) / relative (आज से सापेक्ष) / none (यह तिथि नहीं लिखी)none
monthabsolute तिथि का महीना (12 विकल्प)none: टेक्स्ट में नहीं लिखा
dayकौन-सी तारीख (1–31 विकल्प एक-एक करके)none
yearकौन-सा वर्ष (1900–2050 वर्ष के लिए एक-एक विकल्प)none: वर्ष नहीं लिखा, कोड भरता है; out_of_range: लिखा है लेकिन सूची में नहीं, कोड चिह्नित करता है, अनुमान नहीं लगाता
day_anchortoday / tomorrow / day_after / weekday (नाम वाला सप्ताह का दिन)none
weekdayसप्ताह का कौन-सा दिन (7 विकल्प)none
week_offsetnext (अगला कैलेंडर सप्ताह) / current (इस सप्ताह) / none (बिना किसी और विवरण के सप्ताह का दिन)—

संयोजन के बाद कॉन्फिडेंस वह लिया जाता है जो "वास्तव में उपयोग हुए हिस्सों में सबसे निम्न" हो, और यदि वह 0.60 (cookbook का REVIEW_BELOW) से कम हो तो मानव को भेजा जाता है। पूरा चलने योग्य संस्करण (सापेक्ष तिथियाँ और कॉन्फिडेंस गेटिंग सहित) मान निष्कर्षण: तिथि, ईमेल, फ़ोन, राशि में है।

आपको यह दिखना चाहिए: एक अनुरोध 7 हिस्सों के उत्तर लौटाता है; कोड date ऑब्जेक्ट को संयोजित करता है; "next Thursday" को कोड की संविदा से पार्स किया जाता है (बिना किसी और विवरण के सप्ताह का दिन = आज से अगला वाला, next = अगला कैलेंडर सप्ताह, current = इस सप्ताह) — मॉडल ने शुरू से अंत तक कोई तिथि तुलना नहीं की।

  • कोड में "कौन-सी तिथि ज़्यादा पुरानी है / कितने दिन का अंतर है / विंडो के भीतर है या नहीं" जैसे प्रश्न नहीं हैं, सबको हिस्सा निष्कर्षण + कोड तुलना में बदल दिया गया है

चरण 4: शाब्दिक समझ के लिए दो प्रश्न बनाएँ, अप्रत्यक्ष संदर्भ से ज़ंप घटाएँ ​

क्यों: विफलता मोड #1 और #4 दोनों की बीमारी प्रश्न की शब्दावली में है। शाब्दिक समझ: jev-1.13 उस प्रश्न का उत्तर देता है जो आपनेलिखा है, वह नहीं जो आपसोचते हैं — प्रतिबंधक शब्द, निषेध, निहित शर्तें सब शाब्दिक रूप से पढ़ी जाती हैं; इंसान इरादा पढ़ लेता है, यह नहीं। अप्रत्यक्ष संदर्भ: दोहरे निषेध या जटिल अप्रत्यक्षता वाले प्रश्नों की विश्वसनीयता गिरती है, गुण-के-ऊपर-गुण और मल्टी-हॉप रीज़निंग दोनों सटीकता खर्च करते हैं।

शाब्दिक समझ के लिए वैकल्पिक तरीके, तीन:

  1. सटीक शर्तें instructions में लिखें, विशिष्ट हों
  2. सीमा स्थितियाँ criteria में डालें
  3. आधिकारिक सुनहरी पंक्ति: जब आप एक गलत उत्तर देखकर स्वयं को यह समझाते पाते हैं कि "मैं वास्तव में क्या पूछना चाहता था..." तो वही समझाना instructions का अनुपस्थित दूसरा आधा भाग है

जहाँ समझाना बिल्कुल अनिवार्य हो, वहाँ उसे दो शाब्दिक प्रश्नों में तोड़ें और कोड से संयोजित करें। जैसे "प्रासंगिक और मैत्रीपूर्ण टिप्पणियाँ रखें" एक वाक्य में दो निर्णय छिपे हैं:

python
from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient(model="jev-1.13")  # 本页示例固定用 jaggedness 文档适用的版本

result = client.system_one(
    {"comment": "这个服务真好用,就是贵了点"},
    {
        "is_on_topic": Noul(instructions="Is `comment` about the product itself?"),
        "is_friendly": Noul(instructions="Is `comment` friendly in tone?"),
    },
)

# 组合逻辑在代码里:改阈值、改逻辑,都不用动 prompt
keep = result.nouls["is_on_topic"].noul > 0.7 and result.nouls["is_friendly"].noul > 0.7

अप्रत्यक्ष संदर्भ के लिए वैकल्पिक तरीका: instructions जितने सीधे लिखें उतना अच्छा; जहाँ तक संभव हो state के प्रासंगिक हिस्सों को नाम से बताएँ (बैकटिक से पाथ संदर्भ देकर, जैसे ticket.messages[0].text), मॉडल को खुद ज़ंप लगाने न दें।

आपको यह दिखना चाहिए: पुनर्लेखन के बाद हर प्रश्न में केवल एक शाब्दिक निर्णय बचता है; "और", "नहीं-नहीं" जैसे जोड़ने वाले शब्द instructions से गायब हो जाते हैं; संयोजन का लॉजिक पूरा कोड में है।

  • हर instructions में केवल एक निर्णय; निषेधक शब्द अधिकतम एक बार आता है

चरण 5: बड़े state को दुबला करें — कोड पहले फ़िल्टर करे, Noul प्रासंगिकता का गेट बने ​

क्यों: विफलता मोड #5। state में निर्णय से असंबंधित सामग्री जितनी ज़्यादा, सटीकता उतनी कम — अप्रासंगिक विवरण व्याघात (distractor) हैं, और बड़ा state यह पता लगाना भी कठिन कर देता है कि "इनपुट के किस हिस्से ने गलत उत्तर दिया"। आधिकारिक मूल शब्द: Jev suffers from context rot, state का अप्रासंगिक सामग्री सीधे आपकी सटीकता खर्च करती है।

वैकल्पिक तरीके दो स्तर पर:

  1. कोड पहले रिट्रीव करे, पहले फ़िल्टर करे, केवल वही फ़ील्ड भेजे जो उस प्रश्न को चाहिए
  2. जब state स्तर पर फ़िल्टर न हो सके, तब Noul से प्रासंगिकता पूछें। आधिकारिक RAG cookbook का तरीका: हर उम्मीदवार अनुच्छेद के लिए 4 Noul — क्या प्रासंगिक है, क्या उपयोग योग्य साक्ष्य है, क्या क्वेरी की आधार-शर्त का विरोध करता है, क्या इंजेक्शन निर्देश रखता है; is_relevant 0.45 (cookbook का relevant_min) से कम होने पर सीधे बाहर

⚠️ संदर्भ (context) का हिसाब साथ-साथ कर लें

आधिकारिक jaggedness दस्तावेज़ में चेतावनी है: state jev-1.13 की दोनों संदर्भ सीमाओं में अलग-अलग गिना जाता है — per-request 64k (state + सभी प्रश्न) और per-question 32k (state + एक प्रश्न)। सामग्री बढ़ जाए तो लॉन्ग-कॉन्टेक्स्ट अनुरोध हेडर (TypeSafe-Danger-Zone-Long-Context: true, दोनों सीमाएँ 262k हो जाती हैं) खोला जा सकता है, लेकिन आधिकारिक रूप से स्पष्ट कहा गया है कि यह ज़्यादा धीमा और ज़्यादा असटीक है — सही क्रम पहले फ़िल्टर करना है, पहले हेडर खोलना नहीं।

पूरा उदाहरण RAG अनुच्छेद जाँच में देखें; state की तीन अवस्थाओं और पाथ संदर्भ की समीक्षा State अवस्था में।

आपको यह दिखना चाहिए: भेजा गया state केवल वही फ़ील्ड रखता है जो उस प्रश्न में काम आते हैं; अनुरोध का बॉडी स्पष्ट रूप से छोटा हो जाता है; एक ही प्रश्न का उत्तर स्थिर हो जाता है।

  • हर प्रश्न का state "क्या यह फ़ील्ड इस प्रश्न में काम आता है" इस जाँच से गुज़रा है

चरण 6: लॉन्च से पहले तीन जाँच — विकल्प पुनर्क्रम, सीमा उपयोग मामले, निर्देश संरेखण ​

क्यों: विफलता मोड #6, #7, #8 को एक बार शब्दावली बदलकर स्थायी रूप से ठीक नहीं किया जा सकता, आधिकारिक वैकल्पिक तरीके सब "लॉन्च से पहले जाँच" हैं। बहुत सारे उपयोगकर्ताओं के सामने आने से पहले ये तीनों जाँच पूरी कर लें।

पहली जाँच: Choice विकल्प पुनर्क्रम। आधिकारिक रूप से यह देखा गया है कि विकल्पों का क्रम उत्तर को प्रभावित कर सकता है, jev-1.13 आगे रखे विकल्पों की ओर झुकाव रखता है। जाँच का तरीका: विकल्प पुनर्क्रमित करके दोबारा पूछें, उत्तर समान रहना चाहिए।

python
from typesafe_sdk import Choice, TypeSafeClient

client = TypeSafeClient(model="jev-1.13")
state = {"ticket": {"subject": "无法登录", "message": "从今天早上开始一直报 401"}}

def urgency(options: dict) -> str:
    return client.system_one(
        state,
        {"urgency": Choice(instructions="How urgent is `ticket`?", criteria=options)},
    ).answers["urgency"].choice

print(urgency({"low": None, "medium": None, "high": None}))
print(urgency({"high": None, "medium": None, "low": None}))  # 重排后再问一遍
# 两次不一致 → 这个问题的答案不可信:选项定义要更互斥、更具体

दूसरी जाँच: प्रतिकूल सामग्री। state डेटा है, jev-1.13 डिफ़ॉल्ट रूप से उसे शत्रुतापूर्ण सामग्री नहीं मानता — इंजेक्शन निर्देश, जानबूझकर भ्रमित करने वाला फ्रेमिंग, अपनी श्रेणी का बचाव करने वाला टेक्स्ट, सब उत्तर को हिला सकते हैं (आधिकारिक रूप से कहा गया है कि यह बिंदु भविष्य में सुधरेगा)। विकल्प: criteria स्पष्ट लिखें; लॉन्च से पहले अपना इंटीग्रेशन पूरी तरह परखें। इस दिशा का पूरा सुरक्षा-जाँच उदाहरण LLM गार्डरेल में देखें।

तीसरी जाँच: निर्देश और criteria का संरेखण। जब दोनों की माँग अलग-अलग हो तो मॉडल उलझ जाता है। आधिकारिक उदाहरण: एक ऐसा Noul जिसमें true "नहीं" और false "हाँ" पर मैप होता है, उसका प्रदर्शन खराब होता है। विकल्प: criteria को instructions का विस्तार मानें, स्पष्ट और सटीक भाषा में संरेखित करें; लक्ष्य यह है कि आम इंसान एक नज़र में समझ सके।

आपको यह दिखना चाहिए: पुनर्क्रम के बाद उत्तर समान; खाली इनपुट, अत्यधिक लंबा इनपुट, इंजेक्शन वाला इनपुट जैसे सीमा उपयोग मामले सब परखे गए; instructions और criteria एक ही बात कह रहे हैं।

  • तीनों जाँच चल चुकी हैं, असंगत विकल्प परिभाषाएँ पुनर्लिखित कर दी गई हैं

चेकपॉइंट ✅ ​

  • 9 विफलता मोडों के नाम बिना देखे बता सकते हैं, हर एक के लिए एक वैकल्पिक तरीका कह सकते हैं (इस पाठ के सारांश की क्विक-रेफ़रेंस तालिका देखें)
  • गिनती, तिथि तुलना, सटीक संख्यात्मक मान — सब कोड गणना में बदल दिए गए हैं — मॉडल केवल निर्णय करता है
  • हर instructions में केवल एक शाब्दिक निर्णय है, संयोजन का लॉजिक कोड में है
  • state में केवल उस प्रश्न के लिए ज़रूरी फ़ील्ड भेजें, 64k / 32k दोनों सीमाओं का हिसाब जाँच लिया गया है
  • लॉन्च से पहले तीन जाँचें चला चुके हैं: विकल्प पुनर्व्यवस्था संगतता, सीमा (boundary) उपयोग-मामले, निर्देश संरेखण

आम ग़लतियों की चेतावनी ​

❌ Jev से टेक्स्ट जनरेट करवाना ​

लक्षण: चाहते हैं कि Jev सारांश लिखे, उत्तर लिखे, मुक्त टेक्स्ट का एक हिस्सा आउटपुट करे, और चेन्ड Choice से एक-एक अक्षर जोड़कर बनाते हैं।

कारण: विफलता मोड #9। jev-1.13 को टेक्स्ट जनरेट करने की ट्रेनिंग नहीं मिली है; आधिकारिक तौर पर साफ़ कहा गया है कि चेन्ड Choice से जनरेट करने पर ज़ोर देना "प्रभाव अच्छा नहीं होता और बहुत धीमा होता है"।

सही तरीका: जब उत्तर-स्पेस सीमित हो, तो एक्सट्रैक्शन को उन विकल्पों पर Choice में बदलें, न कि मान खुद पूछें; मुक्त टेक्स्ट चाहिए तो जनरेशन मॉडल इस्तेमाल करें। डेटा एक्सट्रैक्शन के लिए आधिकारिक अनुशंसित विभाजन: regex या जनरेशन मॉडल पहले उम्मीदवार विकल्प निकाले, jev-1.13 केवल सही वाला चुने—मान एक्सट्रैक्शन इसी विभाजन का पूर्ण क्रियान्वयन है। आधिकारिक मूल शब्द बहुत सीधे हैं: If you really need to generate text... there are other models for that.

❌ confidence थ्रेशोल्ड को पट्टी (band-aid) की तरह इस्तेमाल करना ​

लक्षण: उत्तर कभी-कभी बेतुके होते हैं, इसलिए हर जगह confidence थ्रेशोल्ड लगा दिए जाते हैं, थ्रेशोल्ड से नीचे वाले सब मानव के पास भेज दिए जाते हैं, और सोचा जाता है कि अब सब ठीक है।

कारण: confidence "उत्तर के अपने प्रायिकता वितरण के आकार का सारांश" है, "उत्तर सही है या नहीं" का प्रमाण नहीं। शाब्दिक अर्थ लेने जैसे जाल में पड़ने पर मॉडलआत्मविश्वास से शाब्दिक प्रश्न का उत्तर दे देता है—वितरण बहुत तीखा, confidence बहुत ऊँचा, लेकिन उत्तर प्रश्न से असंबद्ध। प्रश्न खराब लिखा हो तो थ्रेशोल्ड बचा नहीं सकते।

सही तरीका: पहले इस पाठ के 9 मोडों के अनुसार प्रश्न ठीक करें, फिर confidence के तीन-स्तरीय उपयोग से स्तरित ऑटोमेशन करें। इसके अलावा आधिकारिक agent-skill दस्तावेज़ के सामान्य प्रश्नों में एक बात है: जब केवल "सर्वोत्तम चुनना" ही मायने रखता हो, तो सीधे सर्वोच्च प्रायिकता वाला विकल्प ले लें, हर जगह confidence थ्रेशोल्ड सेट करने की ज़रूरत नहीं; सांख्यिकीय एल्गोरिद्म की ज़रूरत हो तो probabilities इस्तेमाल करें।

❌ "ये जाल 1.14 में सब ठीक हो गए, सीखने की ज़रूरत नहीं" ​

लक्षण: दस्तावेज़ में लागूता jev-1.13 अंकित देखकर, और jev-latest पहले से jev-1.14.0 की ओर इशारा करता देखकर, लगता है कि पूरा पन्ना छोड़ा जा सकता है।

कारण: आधिकारिक तौर पर केवल इतना कहा गया कि "बहुत सारे आगामी संस्करणों में ठीक होंगे", यह नहीं कहा गया कि कौन-कौन ठीक हुए; jaggedness दस्तावेज़ की अंतिम समीक्षा 2026-10-02 को हुई, जो 1.14 के रिलीज़ (2026-10-14) से पहले की है, और आधिकारिक दस्तावेज़ साइट पर 1.14 संस्करण की jaggedness सूची भी नहीं है। इसके अलावा jev-1.13.0 अभी भी सेवा में है, और आधिकारिक योजना है कि इसे बंद करने से पहले 60 दिन की चेतावनी दी जाएगी।

सही तरीका: 9 मोडों को प्रश्न पूछने की आदत के रूप में अपनाएँ—अंकगणित कोड को दें, तारीख़ के लिए भाग निकालें, बड़े state को पहले फ़िल्टर करें; ये सब संस्करण से असंबद्ध हैं और 1.14 के लिए भी अच्छी लेखन-शैली हैं। चीनी उपयोगकर्ताओं के लिए एक और आधिकारिक चेतावनी: CJK सामग्री की सटीकता अंग्रेज़ी से कम है, लॉन्च से पहले अपने डेटा से परखें और confidence पर विशेष ध्यान दें (मॉडल और मूल्य का भाषा-समर्थन अनुभाग)।

उन्नत तकनीकें (वैकल्पिक) ​

क्विक-रेफ़रेंस तालिका को टीम चेकलिस्ट में बदलें। आधिकारिक agent-skill दस्तावेज़ सुझाता है कि प्रश्नों और थ्रेशोल्ड स्थिरांकों को एक ही फ़ाइल में रखें ताकि मानव समीक्षा आसान हो। 9 विफलता मोड स्वाभाविक रूप से एक question review चेकलिस्ट हैं: नए प्रश्न को मिलाने से पहले, सारांश की क्विक-रेफ़रेंस तालिका से मिलाइए। TypeSafe Agent Skill के साथ मिलकर Claude Code से आपके प्रश्न फिर से लिखवाएँ—आधिकारिक तौर पर चेताया गया है कि agent प्रश्न लिखने में कुशल नहीं होते, expect से मिलकर संपादन करें।

अपने Ultrafast लक्ष्यों को सुधारें। यह प्रश्न पूछने की आदत ब्राउज़र कार्यों के लक्ष्य लिखने पर भी लागू होती है: शाब्दिक, सुनिश्चित, समापन-शर्त के साथ—आधिकारिक नमूना लक्ष्य सभी Stop when… पर समाप्त होते हैं, और "लक्ष्य संकरा लिखना" भी आधिकारिक सुझाव है (देखें Ultrafast समस्या-निवारण)।

नया विफलता मोड मिले तो आधिकारिक तौर पर रिपोर्ट करें। jaggedness दस्तावेज़ के अंत में आह्वान है: ऐसा विफलता मोड मिले जो इस सूची में होना चाहिए, तो Discord पर जाकर बताएँ।

इस पाठ का सारांश ​

✅ Jev जालों से बचने का सार मंत्र: निर्णय Jev के लिए, अंकगणित कोड के लिए, जनरेशन जनरेशन मॉडल के लिए; state में केवल उस प्रश्न के लिए ज़रूरी चीज़ भेजें।

✅ 9 विफलता मोडों में, #2 #3 "कोड का काम" हैं, #1 #4 "प्रश्न की शब्दावली" हैं, #5 "state का संगठन" है, #6 #7 #8 "लॉन्च से पहले की जाँच" पर निर्भर हैं, #9 "जनरेशन मॉडल बदलने का काम" है।

✅ दो आधिकारिक नमूने याद रखें: गिनती = कोड से उम्मीदवारों पर पुनरावृत्ति + प्रत्येक मद के लिए एक Noul; तारीख़ = Choice से भागों की गणना + कोड से जोड़ना, "नहीं लिखा है" निकास-द्वार के साथ।

✅ confidence वितरण के आकार का सारांश है, खराब लिखे प्रश्न को नहीं बचा सकता—पहले प्रश्न ठीक करें, फिर थ्रेशोल्ड सेट करें।

✅ ये आदतें संस्करण से असंबद्ध हैं; चीनी सामग्री के लिए CJK सटीकता का अतिरिक्त ध्यान रखें, लॉन्च से पहले स्वयं परखें।

9 विफलता मोडों की क्विक-रेफ़रेंस (लक्षण → वैकल्पिक तरीका):

#विफलता मोडएक वाक्य में वैकल्पिक तरीका
1शाब्दिक अर्थ लेनासटीक शर्तें instructions में, सीमाएँ criteria में; दो प्रश्न बनाकर कोड से जोड़ें
2गणित और संख्याएँअंकगणित पूरा कोड में; गिनती = कोड पुनरावृत्ति + प्रत्येक मद के लिए एक प्रश्न
3तारीख़-समय की तुलनाभाग निकालें (Choice से गणना), कोड से तुलना करें
4अप्रत्यक्ष संदर्भछलांगों की संख्या घटाएँ, state की ओर नाम से इशारा करें
5बड़ा state अप्रासंगिक विवरणों से भरापहले फ़िल्टर करें; फ़िल्टर न हो सके तो Noul से प्रासंगिकता-द्वार बनाएँ
6प्रतिकूल सामग्रीcriteria स्पष्ट लिखें, लॉन्च से पहले सीमाएँ परखें
7परस्पर-विरोधी निर्देश और criteriacriteria, instructions का विस्तार है, दोनों को संरेखित करें
8Choice विकल्पों का क्रमविकल्प पुनर्व्यवस्थित करें, उत्तरों की संगतता दोबारा जाँचें
9generation की ज़रूरतजनरेशन मॉडल पर जाएँ; सीमित एक्सट्रैक्शन को Choice में बदलें

अगले पाठ की झलक ​

एडवांस मैनुअल यहीं समाप्त होता है। अगला पाठ API क्विक रेफरेंस: रिक्वेस्ट, रिस्पॉन्स और एरर रिक्वेस्ट लेयर की जानकारी को एक पेज में समेटता है। आप सीखेंगे:

  • रिक्वेस्ट बॉडी नियम: 32 MiB सीमा, UTF-8 JSON बिना BOM, नेस्टिंग ≤ 64 स्तर, संख्याएँ परिमित (finite) होनी चाहिए
  • स्टेटस कोड तालिका: 400 / 401 / 413 / 415 / 422 / 429 / 529 के अर्थ और रिट्राई रणनीति
  • कंप्रेशन नियम: gzip / zstd का उपयोग कैसे करें, कब 415 मिलता है
  • SDK और curl डायरेक्ट कनेक्शन के रिक्वेस्ट, रिस्पॉन्स फ़ील्ड की तुलना

संबंधित ट्यूटोरियल ​

अनुलग्नक: सोर्स कोड संदर्भ ​

पर क्लिक करके आधिकारिक दस्तावेज़ स्रोत देखें

अपडेट समय: 2026-11-04 (आधिकारिक दस्तावेज़ लोकल सूचना स्रोत sources/jev/docs/, URL = https://docs.typesafe.ai/<本地路径>)

सामग्रीफ़ाइल पथमुख्य स्थान
9 विफलता मोड की संपूर्ण तालिका और अनुभाग-दर-अनुभाग वैकल्पिक तरीकेdocs/model-jaggedness/jev-1.13.mdशुरुआती पोज़िशनिंग (तेज़ / कैलिब्रेटेड / कॉमन-सेंस निर्णय; तीन कमज़ोरियाँ: अप्रत्यक्ष पदानुक्रम, शाब्दिक समझ, संख्यात्मक सटीकता); विफलता मोड तालिका; अंत में avoid के चार नियम और Discord संग्रह प्रवेश बिंदु
आधिकारिक गिनती नमूना (Noul आइटम-दर-आइटम निर्णय + कोड से योग)docs/model-jaggedness/jev-1.13.mdMath and Numbers → Counting: 8 आइटम, YES = 0.5, result.nouls से योग
संख्यात्मक निरूपण और Score इंटरपोलेशनdocs/model-jaggedness/jev-1.13.mdNumeric representations (hex vs अंग्रेज़ी नाम, हाई-लेवल भाषा vs असेंबली); Math using score (प्रत्याशा केवल थ्रेशोल्ड जाँच के लिए)
शाब्दिक समझ / अप्रत्यक्ष संदर्भ / बड़ा state / प्रतिकूल / परस्पर विरोधी निर्देश / विकल्प क्रम / जनरेशनdocs/model-jaggedness/jev-1.13.mdसमान नाम वाले उपखंड; Large state उपखंड का context limit NOTE
तारीख़ घटक-निष्कर्षण का संपूर्ण कार्यान्वयनdocs/cookbooks/date_extraction_cookbook.md7 Choice (mode / month / day / year / day_anchor / weekday / week_offset); year 1900–2050 + none / out_of_range; REVIEW_BELOW = 0.60; विश्वसनीयता प्रयुक्त घटकों का न्यूनतम मान; रिलीज़ कोड निश्चित TYPESAFE_MODEL = "jev-1.12"
Noul प्रासंगिकता गेट और इंजेक्शन जाँचdocs/cookbooks/classifying_rag_passages.md4 Noul (is_relevant / contains_answer_evidence / contradicts_query_premise / contains_prompt_injection); relevant_min = 0.45
संदर्भ सीमा और लॉन्ग कॉन्टेक्स्टdocs/models.md64k per-request / 32k per-question; TypeSafe-Danger-Zone-Long-Context: true → 262k, अधिक धीमा और कम सटीक
संस्करण टाइमलाइन और भाषा समर्थनdocs/models.md; ब्लॉग पोस्ट typesafe.ai/blog/jev-1-14 (लोकल site/jev-1-14.md)jev-1.14.0 रिलीज़ 2026-10-14; jev-latest अब 1.14.0 की ओर इशारा करता है; 1.13 को डिप्रिकेशन से पहले 60 दिन पहले सूचित करने की योजना; CJK सटीकता कम, लॉन्च से पहले स्वयं परखें
"हर जगह confidence थ्रेशोल्ड सेट करने की ज़रूरत नहीं" जैसी सामान्य समस्याएँdocs/agent-skill.mdCommon issues अनुभाग
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.