Jev: ما هو وكيف تعمل معه

دليل عملي لأول موديل من فئة System One من TypeSafe · لقناة @aizvestia · سبتمبر 2026

ما هو؟

‏Jev أول موديل عام من فئة System One لدى TypeSafe. ليس موديل محادثة ولا «LLM أخرى بوضع JSON»: Jev لا يولّد نصاً إطلاقاً. ترسل state (سياق: نص أو JSON أو مصفوفة) وقائمة أسئلة مُنمّطة، فتحصل على قرارات جاهزة للآلة: الخيار المختار، أو درجة على مقياس، أو احتمال «نعم» - مع توزيع الاحتمالات ودرجة الثقة لكل إجابة. يلخصه صنّاعه بعبارة واحدة: «smart if-statements» - جُمَل if-else ذكية لشيفرك. أوضح مثال هو البريد: يتصفح Jev كل رسالة ويحكم «سبام، بثقة 94%» أو «تحتاج رداً» أو «يمكن أن تنتظر». لا يكتب شيئاً - يصنّف فقط: 1700 رسالة بـ18 سنتاً.

‏اسم System One مستعار من كانمان («التفكير السريع والبطيء»): الموديل مبني لأحكام بديهية سريعة، لا لاستدلال بطيء. تفصيلة طريفة: المؤسس المشارك في TypeSafe، Diogo Almeida، شارك في اختراع RLHF - الطريقة نفسها التي دُرّب بها ChatGPT. وهو اليوم يراهن على أن الأتمتة تحتاج طريقة تدريب مختلفة.

بمَ يختلف عن «الأشياء السابقة»؟

مرّ تدريب نماذج اللغة اللاحق بثلاث مقاربات:

جوهر المعايرة: حين يقول الموديل 0.8، فستكون نحو 80% من هذه الإجابات صحيحة على مدى سلسلة طويلة. الاحتمال يتحول إلى رقم تُبنى عليه منطقية البرنامج.

الفرق العملي عن LLM «مُجبَرة» على إخراج JSON:

• الخرج مُنمّط بطبيعته. الموديل لا يستطيع فيزيائياً الإجابة خارج خياراتك - ليس 99.99% بل 100%. لا تحليل ولا إعادة محاولة على JSON مكسور.
• كل إجابة توزيع احتمالات، لا مجرد اختيار. ترى متى فاز الخيار بثقة ومتى تردد الموديل بين خيارين متقاربين.
• الأسئلة تُقيَّم بالتوازي وباستقلال: إضافة عشرة أسئلة لا تكاد تغيّر زمن الاستجابة (أقل من ثانية) ولا تُحدث «تعفّن السياق».
• أرخص وأسرع: صفحة الترحيب في الكونسول تعلن أسرع بـ20-200 مرة وأرخص بـ40-1000 مرة من LLM (ادعاء الشركة، لكن التحقق سهل).

البدائيات الثلاث

تفاصيل توفر ساعات:

• ‏Noul بلا confidence منفصل - القيمة نفسها هي الاحتمال. 0.5 تعني «لا أعرف»، لا «مستوى متوسط». لقياس مستوى، اكتب Score بمستويات موصوفة.
• أضف في Choice خيار «other» / «none of the above» تحسباً لما لا تغطيه القائمة.
• معرّف السؤال لكودك أنت؛ الموديل لا يراه. اكتب السؤال كاملاً في instructions.
• إذا كان state كائن JSON فأشر إلى المسارات الدقيقة بين backticks: `ticket.messages[0].text`.
• سؤال واحد = حكم سريع واحد. «حلّل هذا واقترح خطة عمل» سؤال سيء. «هل تنقل هذه الرسالة استعجالاً؟» سؤال جيد.

البداية في 5 دقائق

0. بلا قائمة انتظار: Jev متاح الآن على Vercel AI Gateway باسم typesafe-ai/jev ‏($0.042/مليون توكن إدخال) - إن كنت على Vercel فنادِه فوراً عبر حزمة ai، دون انتظار قائمة TypeSafe. وعلى OpenRouter أيضاً: ~typesafe/jev-latest ‏(واجهة متوافقة مع OpenAI).

1. الملعب (Playground). افتح console.typesafe.ai/playground، الصق أي نص كـ state، أضف الأسئلة، واضغط Run. (الدخول يستقبلك بسؤال سريع: «هل يمكن محادثة Jev؟» - الجواب الصحيح No.)

2. الـAPI مباشرة. خذ المفتاح من الكونسول، ثم نقطة نهاية واحدة فقط:

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Trying to connect my Stripe for 3 days, keeps failing. Help ASAP.",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this",
        "criteria": {
          "billing": "Payment or subscription issues",
          "technical": "Bugs or integration problems"
        }
      },
      "is_urgent": { "type": "noul", "instructions": "The message conveys urgency" }
    }
  }'

في الاستجابة لكل سؤال: القيمة المختارة، واحتمالات كل الخيارات، وconfidence.

3. حزمة Python (3.10+): العميل يقرأ TYPESAFE_API_KEY بنفسه ويستدعي jev-latest افتراضاً:

pip install typesafe-sdk

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()
response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
            },
        ),
        "is_urgent": Noul(instructions="The message conveys urgency"),
    },
)
print(response.answers["department"].choice)   # "billing"
print(response.answers["is_urgent"].noul)      # 0.999

للجافاسكربت ‏@typesafe-ai/sdk، وللوكلاء (Claude Code وCodex وغيرها) مهارة جاهزة: npx skills add typesafe-ai/skills --skill typesafe-ai. المهارة تعلّم الوكلاء إرسال الأسئلة دفعة واحدة - فالوكلاء يعشقون حرق طلب كامل على كل سؤال.

أربعة أنماط رئيسية

1. Speculative fan-out. كل الأسئلة التي تتشارك state واحداً تذهب في طلب واحد، بما فيها «التخمينية» التي لا تحتاجها دائماً. سؤال إضافي يكلف قرشاً وزمن الاستجابة لا يتغير عملياً. كتاب طهي TypeSafe: 13 سؤالاً في طلب واحد أرخص نحو 12 مرة وأسرع نحو 10 مرات من 13 طلباً منفصلاً، وبالإجابات نفسها.
2. Confidence-gated routing. الإجابة تقول «ماذا»، وconfidence يقول «هل ننفّذ؟». ثلاث مناطق: عالية - نفّذ تلقائياً؛ متوسطة - أكّد أو علّم للمراجعة؛ منخفضة - صعّد لبشر أو موديل استدلال. حدود العتبة حسب المخاطرة: شاشة خاطئة تُغتفر عند 0.6، أما تنفيذ دفعة فعلية فعند 0.9 فأعلى.
3. Composite scoring. فكّك الحكم المعقد إلى درجات Score ذرّية واجمعها بأوزان في الكود. أولوية التذكرة = severity * 0.5 + frustration * 0.3 + actionability * 0.2. تغيّرت الأولويات؟ عدّل معاملاً، لا تعيد كتابة البرومبت.
4. Intent routing. صنّف الطلب الوارد ووجّهه: كود حتمي، أو موديل رخيص، أو موديل استدلال مكلف، أو إنسان.

الأسعار والحدود (jev-1.13.0)

• ‏0.042 دولار لكل مليون توكن إدخال (42 دولار/Btok)؛ توكنات الإخراج مجانية.
• الحدود: 250 ألف توكن/ثانية، 1200 طلب/دقيقة (ديناميكية وقابلة للتغير).
• السياق: 64 ألف توكن للطلب؛ state + أطول سؤال - حتى 32 ألفاً (نحو 150 ألف حرف نص إنجليزي).
• نص فقط: سلسلة أو كائن JSON أو مصفوفة. لا صور ولا صوت ولا فيديو.
• الخادم في us-west - زمن الاستجابة من أوروبا أعلى منه من أمريكا.
• ‏jev-latest اسم بديل للإصدار الحالي. إن ضبطت عتباتك على إصدار بعينه فثبّت jev-1.13.0 صراحةً: الاسم البديل سينتقل مع الإصدار القادم.
• الإنجليزية لغة التدريب الأساسية؛ اللغات الأخرى أدنى. اختبر المحتوى العربي على حدة وراقب confidence.
• لا يوجد Fine-tuning - مجالك تُشكّله عبر state ومعايير الأسئلة.

نقاط الضعف (بصراحة، من وثائقهم)

‏لدى jev-1.13 صفحة منشورة باسم «jaggedness» - قائمة صريحة بما لا يجيده الموديل:

• ليس مولّد نصوص. لا تكتب به مقالات ولا تعصر توليداً من سلاسل Choice.
• ضعيف في الحساب. الجمع والعدّ وفترات التواريخ - كلها في الكود. الموديل يجيب عن أسئلة المعنى لا الحساب.
• يقرأ التواريخ كنص. «أي تاريخ أبكر؟» غير موثوق. استخرج المكونات بأسئلة Choice (الشهر - 12 خياراً + «غير مذكور») ثم جمّع التاريخ وقارن في الكود.
• يجيب حرفياً - عن السؤال المكتوب لا المقصود. تجنّب النفي والالتفاف المزدوج.
• تعفّن السياق. الفضلات في state تخفض الدقة: رشّح قبل الإرسال.
• الثوابت غير مضمونة. Noul «يطلب استرداداً» وNoul «يطلب شيئاً غير الاسترداد» قد يعطيان 0.72 و0.47 - المجموع 1.19، وهذا طبيعي. لا تنقل العتبات بين أنواع الأسئلة.
• المحتوى العدائي قد يزحزح الإجابات - فبالنسبة للموديل الـstate بيانات لا تهديد. اختبر الحالات الحدّية قبل الإنتاج.

أين تستخدمه؟

RAG rerankLLM guardrailscitation checkjailbreak detectticket routingmoderationcomplianceML featurescatalog matchingresume scoringlead scoring

مثال حي: طرفية BUY/SELL/HOLD للبيتكوين مبنية على Jev - jev-terminal.vercel.app. الـAPI يعيد احتمالات صادقة والقرار يصل في أجزاء من الثانية.

مثال آخر - واجهات توليدية فورية: تجربة json-render + jev - يختار Jev من مكوّناتك وإجراءاتك ونظام تصميمك، فتُرسم الواجهة في ملي ثانية.

روابط

• الكونسول والملعب: console.typesafe.ai
• الوثائق: docs.typesafe.ai
• البيان: typesafe.ai/manifesto