Community寫作與編輯github.com

ProgramAsWeights (PAW)

將自然語言規格編譯為本地神經函數,用於 AI 編碼代理中的文本分類、提取和模糊匹配任務。

ProgramAsWeights (PAW) 是什麼?

ProgramAsWeights (PAW) 是一個工具,可讓開發者將簡短的自然語言規格編譯成一個微小的本地神經函數(「神經軟體」),該函數接收單一文本輸入並返回單一文本輸出。它適用於分類、提取、格式修復和模糊匹配等模糊的「文字到文字」任務,提供一個比脆弱的正則表達式或昂貴的每項目 LLM 調用更快速、更便宜且離線的替代方案。該工作流程首先檢查 Hub 以使用已發布的函數,或者使用描述和範例編譯自訂規格。編譯過程通過託管 API 進行,但推理過程在本地執行,首次下載後即可離線使用。它支援 Python 和瀏覽器/JavaScript,並強調使用測試案例進行迭代以完善規格,類似於傳統軟體開發。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add tolimcn7786/skills

Installed? Explore more 寫作與編輯 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

ProgramAsWeights (PAW) 是做什麼的?

ProgramAsWeights 將簡短的自然語言規格編譯成一個微小的神經函數 (「神經軟體」),該函數接收一個文字輸入並返回一個文字輸出,且 在本地執行。您只需在託管的 API 上編譯一次;生成的函數隨後即可在本地 永久離線執行。

何時使用此工具

當任務是模糊的 文字 -> 文字,且您希望它便宜、快速、本地化 且可重複時,請使用 PAW:

  • 分類 / 歸類 - 情緒、緊急程度、意圖、主題、垃圾郵件,或 ALERT 與 QUIET 的日誌行。
  • 提取 - 從雜亂/非結構化文字中提取電子郵件、姓名、日期、ID 或欄位。
  • 格式修復 / 正規化 - 修復損壞的 JSON,正規化日期,清理不一致的輸入。
  • 模糊匹配 - 容忍錯字的匹配、近似重複檢測,將一個短語映射到最接近的選項。
  • 分類 / 路由 - 從日誌中過濾雜訊,將請求路由到正確的處理常式。

它用一個小型的函數取代了脆弱的正則表達式或每次項目昂貴的 LLM 調用, 編譯後,該函數在本地執行大約需要 0.05-0.5 秒,且無需網路。

何時不應使用

  • 長篇或開放式生成(論文、程式碼、聊天) - 請改用完整的 LLM。
  • 多步驟推理、數學或需要廣泛世界知識的任務。
  • 任何不是單一文字輸入 -> 單一文字輸出的任務。函數是無狀態的,且 規範 + 輸入 + 輸出共享約 2048 個 token 的視窗。

如何使用(工作流程)

1. 先查看 Hub。 可能已經有人發布了一個函數;在編譯之前先嘗試一個別名:

import programasweights as paw

fn = paw.function("email-triage")   # 下載一次,然後本地執行
fn("緊急:伺服器掛了!")               # "immediate"
fn("電子報:春季野餐")                 # "wait"

2. 否則編譯您自己的。 一個好的規範包含描述加上一些 Input: ... Output: ... 範例和明確的輸出限制:

import programasweights as paw

fn = paw.compile_and_load("""
分類支援單。僅回傳下列其中一個:帳務、錯誤、功能、其他。

Input: 我這個月被收了兩次錢
Output: 帳務

Input: 匯出按鈕沒有反應
Output: 錯誤

Input: 請增加深色模式
Output: 功能
""")

fn("我的信用卡又被扣款了")   # "帳務"

3. 用測試案例迭代 - 這是第一要務。 不要接受第一個結果。 建立一組小型的輸入/預期配對,測量準確度,然後改進措辭 和範例,並重新編譯,直到夠好為止。把它當作軟體對待:測試、除錯 特定的失敗、修正規範、重新測試。一個最小的評估循環:

import programasweights as paw

tests = [
    {"input": "我這個月被收了兩次錢", "expected": "帳務"},
    {"input": "匯出按鈕沒有反應", "expected": "錯誤"},
    {"input": "請增加深色模式", "expected": "功能"},
]

fn = paw.compile_and_load(open("spec.txt").read())
results = [(t, fn(t["input"]).strip()) for t in tests]
misses = [(t, got) for t, got in results if got != t["expected"]]
print(f"準確度:{(len(tests) - len(misses)) / len(tests):.0%}")
for t, got in misses:        # 檢查失敗,然後修正規範並重新編譯
    print("FAIL:", t["input"], "-> 得到", repr(got), "預期", repr(t["expected"]))

請參閱 references/writing-good-specs.md 以了解如何除錯這些未命中的情況。

4. 儲存程式 ID 或別名,以便在本地重複使用。 在首次下載資源後, 推理不需要伺服器。

安裝

pip install programasweights --extra-index-url https://pypi.programasweights.com/simple/

瀏覽器 / JavaScript:npm install @programasweights/web。使用 compiler="paw-4b-gpt2" 編譯的函數可透過 WebAssembly 在客戶端執行。請參閱 references/browser-sdk.md。

在哪裡執行(資料流程 - 使用前請閱讀)

  • 編譯 將您的規範傳送到託管的 PAW API(https://programasweights.com),並 回傳一個程式 ID。請勿在規範中放入機密資訊。
  • 推理在本地執行,透過 SDK,在首次下載後即可離線運作。
  • 驗證為選用 - 匿名使用即可。僅在需要更高的編譯速率限制 和命名的別名時才登入(export PAW_API_KEY=paw_sk_...)。

更多詳細資訊(按需載入)

  • 完整的 API、編譯器、版本控制、鏈接、驗證:references/api.md
  • 編寫和除錯規範:references/writing-good-specs.md
  • 瀏覽器 / JavaScript SDK:references/browser-sdk.md
  • 常見錯誤與修正:references/troubleshooting.md
  • 實戰案例研究(日誌監控、語義搜尋、工具呼叫):https://programasweights.readthedocs.io

相關技能