O que ProgramAsWeights (PAW) faz?
ProgramAsWeights compila uma curta especificação em linguagem natural em uma pequena função neural ("software neural") que recebe uma entrada de texto e retorna uma saída de texto e executa localmente. Você compila uma vez na API hospedada; a função resultante executa localmente e offline para sempre.
- Site: https://programasweights.com
- Documentação: https://programasweights.readthedocs.io
Quando usar isso
Recorra ao PAW quando uma tarefa for nebulosa texto -> texto e você quiser algo barato, rápido, local
e reproduzível:
- Classificação / categorização - sentimento, urgência, intenção, tópico, spam, ou linhas de log
ALERTAvsSILENCIOSO. - Extração - extrair e-mails, nomes, datas, IDs ou campos de texto desestruturado ou bagunçado.
- Reparo de formato / normalização - corrigir JSON quebrado, normalizar datas, limpar entradas inconsistentes.
- Correspondência difusa - correspondência tolerante a erros de digitação, detecção de quase duplicatas, mapear uma frase para a opção mais próxima.
- Triagem / roteamento - filtrar ruído de logs, rotear uma solicitação para o manipulador correto.
Isso substitui uma regex frágil ou uma chamada cara de LLM por item por uma pequena função que, após compilada, executa em aproximadamente 0,05-0,5s localmente sem rede.
Quando NÃO usar
- Geração longa ou aberta (ensaios, código, chat) - use um LLM completo.
- Raciocínio multi-etapas, matemática ou tarefas que precisam de amplo conhecimento de mundo.
- Qualquer coisa que não seja uma única entrada de texto -> única saída de texto. As funções não têm estado e compartilham uma janela de ~2048 tokens entre especificação + entrada + saída.
Como usar (o fluxo de trabalho)
1. Verifique o Hub primeiro. Alguém pode já ter publicado uma função; tente um slug antes de compilar:
import programasweights as paw
fn = paw.function("email-triage") # baixa uma vez, depois executa localmente
fn("Urgente: servidor caiu!") # "imediato"
fn("Newsletter: piquenique de primavera") # "aguardar"
2. Caso contrário, compile a sua própria. Uma boa especificação é uma descrição MAIS alguns
exemplos de Entrada: ... Saída: ... e uma restrição explícita de saída:
import programasweights as paw
fn = paw.compile_and_load("""
Classifique tickets de suporte. Retorne APENAS UM de: cobrança, bug, funcionalidade, outro.
Entrada: Fui cobrado duas vezes este mês
Saída: cobrança
Entrada: O botão de exportar não faz nada
Saída: bug
Entrada: Por favor, adicione um modo escuro
Saída: funcionalidade
""")
fn("meu cartão foi cobrado novamente") # "cobrança"
3. Itere com casos de teste - a prática número 1. Não aceite o primeiro resultado. Construa um pequeno conjunto de pares de entrada/esperado, meça a precisão, depois refine a redação e os exemplos e recompile até que fique bom o suficiente. Trate como software: teste, depure as falhas específicas, corrija a especificação, teste novamente. Um loop mínimo de avaliação:
import programasweights as paw
testes = [
{"input": "Fui cobrado duas vezes este mês", "expected": "cobrança"},
{"input": "O botão de exportar não faz nada", "expected": "bug"},
{"input": "Por favor, adicione um modo escuro", "expected": "funcionalidade"},
]
fn = paw.compile_and_load(open("spec.txt").read())
resultados = [(t, fn(t["input"]).strip()) for t in testes]
erros = [(t, got) for t, got in resultados if got != t["expected"]]
print(f"precisão: {(len(testes) - len(erros)) / len(testes):.0%}")
for t, got in erros: # inspecione falhas, depois corrija a especificação + recompile
print("FALHOU:", t["input"], "-> obteve", repr(got), "esperado", repr(t["expected"]))
Veja references/writing-good-specs.md para como depurar as falhas.
4. Salve o id do programa ou slug e reutilize localmente. A inferência não precisa de servidor após o primeiro download do ativo.
Instalação
pip install programasweights --extra-index-url https://pypi.programasweights.com/simple/
Navegador / JavaScript: npm install @programasweights/web. Funções compiladas com
compiler="paw-4b-gpt2" executam no lado do cliente via WebAssembly. Veja references/browser-sdk.md.
O que executa onde (fluxo de dados - leia antes de usar)
- Compilar envia sua especificação para a API PAW hospedada (
https://programasweights.com) e retorna um id de programa. Não coloque segredos em uma especificação. - Inferência executa localmente através do SDK e funciona offline após o primeiro download.
- Autenticação é opcional - uso anônimo funciona. Faça login apenas para limites de compilação mais altos
e slugs nomeados (
export PAW_API_KEY=paw_sk_...).
Mais detalhes (carregar sob demanda)
- API completa, compiladores, versionamento, encadeamento, autenticação:
references/api.md - Escrevendo e depurando especificações:
references/writing-good-specs.md - SDK para Navegador / JavaScript:
references/browser-sdk.md - Erros comuns e correções:
references/troubleshooting.md - Estudos de caso práticos (monitoramento de logs, busca semântica, chamada de ferramentas): https://programasweights.readthedocs.io