TypeSafe AI System One y Jev — Misión

Por qué estudio esto

Los agentes de programación producen texto, planes y parches. Nuestros repositorios también contienen decisiones pequeñas, repetidas y consumidas por software: clasificar un candidato de Gaia, puntuar una búsqueda de GA, señalar un registro de gobernanza de Demerzel, enrutar un experimento de IX o desambiguar una gramática de TARS. Un LLM puede responder en JSON, pero el programa todavía debe rechazar valores inventados, medir incertidumbre y mantener la autoridad fuera de la prosa.

Jev usa una interfaz más estrecha: estado, preguntas tipadas y respuestas cerradas. El modelo elige entre valores que definimos; nuestro código conserva umbrales, composición y efectos. La forma es más fácil de validar, pero no vuelve correcta la decisión por sí sola.

La tesis de seguridad

Un modelo estima; el código determinista valida, controla y actúa.

un Choice válido todavía puede elegir mal;
una confianza alta no es autoridad;
un alias móvil puede cambiar sin un cambio de código;
un precio bajo también puede abaratar y multiplicar una mala decisión;
una respuesta del proveedor nunca debe crear un grant de Gaia, fusionar una PR o modificar gobernanza.

Qué vas a construir

Primero el mock: reproducir una respuesta guardada, validar formas y distribuciones cerradas y aplicar la política real sin red ni clave.
Una sonda en vivo opcional: leer TYPESAFE_API_KEY del entorno, estimar el presupuesto, hacer exactamente una llamada, no imprimir la clave y guardar digest, modelo concreto, uso, latencia y decisión.

Plan

#	Lección	Resultado
1	Decisiones, no cadenas	Elegir entre Choice, Score y Noul sin confundir tipos con verdad
2	Un experimento reproducible y de coste acotado	Ejecutar la base sin conexión y entender la sonda opcional de una llamada
3	Casos de uso en nuestros repositorios	Elegir seams útiles en Gaia, GA, Demerzel, IX y TARS preservando la autoridad
4	Benchmark del coste en tokens	Probar la hipótesis de ahorro del 50 % frente a calidad, reintentos y coste desplazado
5	Prueba de estrés del gate de confianza	Medir falsos soportes y carga de revisión con una fixture local deliberadamente errónea
—	Diario	Hechos medidos, preguntas abiertas y trabajo en vivo pendiente

Requisitos previos

Python 3.10 o posterior; el laboratorio usa solo la biblioteca estándar.
JSON y lógica condicional ordinaria.
Cuenta y clave de TypeSafe solo para la sonda opcional. Guarda la clave en TYPESAFE_API_KEY; no la pegues en una lección, fuente, transcripción de terminal o chat.