选择TypeSafe三大AI决策原语TypeSafe Agent Skills中Choice、Noul与Score完全指南【免费下载链接】skillsAgent skills for building with TypeSafes System One API项目地址: https://gitcode.com/gh_mirrors/skills60/skillsTypeSafe Agent Skills 是一套面向 Agent 开发者的 AI 决策技能它将 TypeSafe 的 System One 模型旗舰模型 Jev封装成带类型的判断 概率让代码可以直接消费 AI 的常识性判断。本文将完整讲解 TypeSafe Agent Skills 中的三大 AI 决策原语——Choice、Noul 与 Score帮助新手快速判断每个场景该选哪一个并正确使用它们的概率与置信度。什么是 TypeSafe Agent Skills把AI 常识变成编程原语 TypeSafe 的核心理念是把 AI 的智能切成可编程的小单位像使用编程原语一样使用它们。与生成一段文字再解析的传统 LLM 用法不同System One 模型返回的是快速的、聚焦的判断typed judgments和概率而不是自由文本代码掌控工作流规则、计算、精确查找、执行都留在代码里模型提供可编程常识只在需要语义理解的地方引入 AI 判断输出是结构化的类型化的答案 概率代码可以稳定组合、复用这套理念完整写在技能文件 skills/typesafe-ai/SKILL.md 中它是理解三大原语的最佳起点。快速上手三步安装 TypeSafe Agent Skills安装方式见 README.md只需两步命令即可完成方式一Claude Code 插件claude plugin marketplace add typesafe-ai/skills claude plugin install typesafetypesafe-ai方式二其他 Agent通过 skills.shnpx skills add typesafe-ai/skills --skill typesafe-ai按提示选择你的 Agent 即可默认安装为项目级加-g参数可全局安装。安装后直接用自然语言向 Agent 提问即可例如用 TypeSafe 把客服工单按部门路由不确定的交人工复核。在 Claude Code 中也可以显式调用/typesafe:typesafe-ai。三大 AI 决策原语一览Choice、Noul、Score 怎么选 设计判断时按答案的含义选择原语这是 SKILL 文件给出的核心选择表原文见 SKILL.md 选择表你的需求原语关键区别答案是一组定义好的选项之一Choice只选一个选项其概率分布用于比较各竞争选项判断某个条件是否成立Noul返回是的概率没有单独的置信度多个标签可能同时命中时每个标签单独问一次衡量某个维度上的程度Score在有序等级上的概率加权位置对同类条目分别打分可做分级排序一句话记忆Choice 选一个Noul 判是否Score 量程度。Choice从选项中挑一个路由、分派类场景适合场景把请求路由到某个处理分支、工单分派到某个部门、识别用户意图等从固定集合里选一个的任务。返回选中的那一个选项同时给出完整的概率分布方便代码比较各选项的强弱概率分布分散意味着模型认为多个选项都有竞争力——这本身就是有价值的信号注意低置信度不一定代表答案错误。多个选项本来就合理时比如无伤大雅的偏好选择概率天然会分散此时不必强制人工介入设计技巧如果什么都不匹配也是一种合法结果记得把无匹配作为一个显式选项保留否则模型没有退路。Noul判断一个条件是否成立布尔类场景适合场景这条评论是否违规该字段是否缺失这句话是否包含地址信息等是非判断题。返回是的概率没有单独的置信度——概率本身就是判断依据⚠️ 常见误区Noul 接近 0.5 表示是与否的概率相当模型拿不准而不是中等程度。Noul 只回答是否不衡量强度多个标签可能同时命中时每个标签单独问一个 Noul例如是否含攻击性语言和是否含广告应拆成两个独立判断它们可以并行执行、互不影响Score衡量维度上的程度排序、分级类场景适合场景文档相关性排序、风险等级评估、情感强度等需要程度而非是否的任务。返回在有序等级上的概率加权位置而不是单一数字对同类条目使用可比的 Score同一套等级定义就能实现分级排序与筛选设计要点每个等级必须描述具体情境且能独立成立避免一般较好这类含糊措辞最大的工程红利Score 只需打一次分之后代码可以自由调整权重、阈值、排序和展示视图甚至无需重新调用模型这些打分还能作为传统机器学习特征使用参考 SKILL 文件中的 复合评分模式概率与置信度避免三个高频误用 ✅SKILL 文件相关段落特别强调了使用概率的正确姿势置信度 ≠ 正确率。Choice/Score 的置信度只概括分布的集中程度它不代表整个工作流正确更不是可以自动执行的授权——阈值要基于自己的数据和业务后果来定Noul ≈ 0.5 是拿不准不是中等强度别用它当程度计没走的分支不用看。多个并行判断中未被采纳分支的不确定性可以直接忽略此外独立的问题应基于同一份状态一起发出它们并行运行、互相看不见答案只有当上一个答案决定下一个问题时才发起第二轮请求——多问会增加 token 消耗要实测成本与延迟。动手设计你的第一个判断三条实用建议 ✍️来自 SKILL.md 设计章节 的核心建议每个问题只问一个窄而连贯的判断独立有用的维度要拆开问但别把正在判断的关系拆碎给足状态state把源文本、身份、关系、策略、当前事实放进命名清晰的字段里模型无法选择你没提供的候选值把策略留在代码里原始判断保持可复用加权和、阈值、任一严重违规这类规则都交给代码改权重时无需重跑推理延伸阅读项目内文件导航文件说明README.md项目简介、两种安装方式与调用示例skills/typesafe-ai/SKILL.md核心技能文件编程模型、原语选择、置信度与调试指南skills/typesafe-ai/SKILL.md#L46-L53按任务类型理解模型、准备输入、处理不确定性等的快速导航表LICENSEMIT 开源协议三大原语只是起点把它们围绕用户目标自由组合——路由与填充参数、选择而非生成、证据检索与评判、把判断沉淀为可复用数据、校验与人工升级——都能搭出完整的 AI 工作流。现在就可以安装 TypeSafe Agent Skills让你的 Agent 拥有可编程的常识 【免费下载链接】skillsAgent skills for building with TypeSafes System One API项目地址: https://gitcode.com/gh_mirrors/skills60/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考