datawhalechina/jev-cookbook

解決する問題

大規模言語モデルアプリケーションにおけるテキスト解析は遅く、高コストで脆弱です。Jev Cookbookは新しい道を提供します：System Oneモデルを使用して型付き決定と校正済み確率をネイティブに出力し、解析を回避します。中国語チュートリアルはこれまで空白でしたが、このプロジェクトがそのギャップを埋めます。

仕組み

プロジェクトは11章の実行可能な中国語チュートリアルを含み、Jupyter Notebookを使用します。ユーザーは状態と型付き質問（Choice/Score/Noulの3つのプリミティブ）を送信して構造化された回答を得ます。チュートリアルは入門から実戦まで、18の公式レシピ、音声スマートホーム実験、モデル評価（231の公開問題の4次元比較）、およびRLCDを使用したオープンソースの類似モデルLayaの微調整の完全なプロセスをカバーします。すべての確率、遅延、トークン、コストは検証可能な実測データに基づいています。

対象読者

基礎的なPythonスキルを持ち、「AI対ソフトウェア」開発パラダイムに入門したい開発者、エンジニア、学生を対象としています。機械学習の背景は不要です。前提条件はPython≥3.10とJupyter Notebookで、APIキーはオプション（無料登録）です。

ハイライト

• ゼロ障壁入門：APIキーを設定しなくてもオフライン例で全コードパスを学習可能
• 3つのプリミティブの質問規律：Choice/Score/Noul、1つの質問で1つのことだけを問う
• 18の公式実戦レシピ：再ランキング、セマンティック検索、構造復元、関数呼び出しなど、各レシピにエンジニアリングの落とし穴付き
• 完全なアプリケーション実戦：音声駆動の3Dスマートホーム、12の実行可能なゲームとアプリケーションプロジェクト
• 誠実な評価規律：231の公開問題の4次元比較、再試行なし、フォールバックなし、予算管理
• ローカル微調整の完全なプロセス：RLCDでオープンソースモデルLayaを微調整し、中国語データセットを構築してローカルサービスをデプロイ
• Agent統合パラダイム：PiとDSHフレームワークで判断ゲートを統合