实战手册
每一篇实战手册都是一个完整的例子：一份真实的数据集，几条对它做出判断的象信问题，以及把这些判断变成可用系统的代码。想看原语和模式如何在具体问题上组合起来时读一篇；也可以直接复制一篇，作为你自己项目的起点。
本部分假设你已经了解象信的原语，并明白置信度是怎么回事。如果还没有，建议先读这两页。
自洽性
同一个判断重复多次，把多次作答之间的一致程度当作信号。
| 实战手册 | 做什么 | 难度 |
|---|---|---|
| 自洽性：Noul | 对同一个 Noul 问题换几种问法重复提问，用答案之间的一致程度识别不确定的判断，把它们交给人工复核，同时保留原始概率。 | 入门 |
| 自洽性：Choice | 在内容审核决策里加入一个「拿不准」的结果，比较多次作答的标签一致率与自动处理的比例。 | 入门 |
批处理
把很多问题装进同一次请求。
| 实战手册 | 做什么 | 难度 |
|---|---|---|
| 并行提问 | 把十几个问题打包进同一次象信请求，对比逐个提问与批量提问的成本、延迟和答案。 | 入门 |
实操
常见任务的做法：检索、格式、工具选择、护栏。
| 实战手册 | 做什么 | 难度 |
|---|---|---|
| 重排序 | 先用 BM25 取出候选段落，再对每个「查询–候选」对问一个象信问题，按概率重新排序，提升前几名的命中率。 | 入门 |
| 逐行检索 | 把文档切成带编号的行，用一个 Choice 在所有行中找出回答问题的那一行，再用 Noul 判断文档里是否真的有答案。 | 入门 |
| 结构还原 | 把丢失格式的纯文本还原成 Markdown：一次请求拼回被硬换行打断的段落，一次请求判断每个块是标题、列表、代码还是提示。 | 入门 |
| 函数调用 | 把自然语言请求变成对普通类型化函数的调用：函数名和取值有限的参数都变成带置信度的象信问题。 | 进阶 |
| 技能推荐 | 从上百个技能里为智能体的当前一轮挑选至多一个，用两次象信请求先排序、再复核前几名。 | 进阶 |
| 知识图谱实体对齐 | 判断两个商品目录里的候选记录是否指向同一个实体：一个 Score 给出匹配程度，几个 Noul 指出哪些字段不一致。 | 入门 |
| RAG 段落分类 | 用一次象信请求给检索回来的每个段落打分，再由代码决定哪些段落进入回答模型的提示词。 | 进阶 |
| 引用核查 | 对照原文检查引用是否错误或凭空捏造：一个 Choice 判断引文的上下文是否支撑结论，低置信度转人工。 | 入门 |
| 大模型护栏 | 在大模型应用的入口和出口各发一次象信请求，按风险概率和严重度的阈值决定放行、复核、拦截还是转介。 | 进阶 |
抽取
从杂乱的文本里取出带类型的值。
| 实战手册 | 做什么 | 难度 |
|---|---|---|
| SDE 级联 | 两级结构化数据抽取级联（小模型抽取 → 象信核验 → 推理模型兜底），以一小部分成本拿到接近大模型的质量。 | 进阶 |
| 日期抽取 | 让象信读出文档里提到的日期各部件，再由代码拼装、计算相对日期并校验，低置信度的结果转人工。 | 入门 |
| 预解析值抽取 | 先用正则找出候选的邮箱、电话和金额，再让象信选出所需的那一个片段，代码负责把原文值规范化。 | 入门 |
分类
把输入分到任意深度的类别里。
| 实战手册 | 做什么 | 难度 |
|---|---|---|
| 层级分类 | 在很深的类目树（专利、商品、生物医学、源代码）上做分类，基于 Choice 概率做并行束搜索。 | 进阶 |
| 自动研究：特征发现 | 让一个自动研究循环不断提出象信问题，把自由文本变成数值特征，并根据模型误差改进有监督回归模型。 | 高级 |
| 基于置信度的分类 | 每份文档用一个 Choice 分到细分类别，再读答案自带的置信度，决定报告细分类别还是上一级的大类。 | 入门 |
分享你的用法
我们很想知道大家是怎样使用象信原语的。如果你做出了值得写成实战手册的东西，欢迎发邮件到 wanglei@xiangxinai.cn 告诉我们。