Budżet: 5500 USD Termin: 15 dni
Cześć Darlene.
Nazywam się Hiroshi, jestem inżynierem backendowym, który buduje produkcyjne systemy AI.
Raport zgodności ma pole dochodowe oznaczone do redakcji, proces walidacji maskuje je starannie w przechowywanym rekordzie, a ślad audytu wygląda czysto, z wyjątkiem tego, że surowy, niemaskowany tekst już przeszedł przez sieć do modelu, zanim cokolwiek zostało ztokenizowane, więc ekspozycja już miała miejsce i żaden wpis w logu tego nie pokazuje.
Rozumiem, na czym naprawdę polega ta rola.
Nie szukasz inżynierii promptów, potrzebujesz prawdziwego systemu backendowego, w którym Claude dokonuje oceny semantycznej, a twój kod odpowiada za walidację, obsługę danych wrażliwych, integralność audytu i pętlę zatwierdzania przez człowieka wokół tego.
To, co bym zbudował, to pełny proces roboczy.
Pobieram zgłoszenia przez API twojej platformy, przeprowadzam audyty semantyczne w poszukiwaniu sprzeczności, brakujących informacji i niepopartych roszczeń, porównuję strukturalne odpowiedzi z tekstem narracyjnym, stosuję twoje zasady redakcyjne i biznesowe oraz kieruję każdy dokument do automatycznego zatwierdzenia, przeglądu przez człowieka lub z powrotem do nadawcy, wszystko wspierane przez Postgresa, kolejki zadań i webhooki.
Jest jeden punkt, który warto zdecydować przed przetworzeniem pierwszego dokumentu.
Maskowanie musi nastąpić zanim surowy tekst opuści twoją infrastrukturę w kierunku modelu, nie tylko przed przechowywaniem, ponieważ samo wywołanie API jest punktem ekspozycji, a ślad audytu musi zachować tylko wersję zamaskowaną, nigdy oryginalną, w przeciwnym razie ślad staje się największą powierzchnią wycieku w systemie. Ta sama ostrożność dotyczy progów pewności, ponieważ zadeklarowana pewność modelu nie jest skalibrowanym prawdopodobieństwem, więc automatyczne zatwierdzenie musi być dostosowane do próbki oznaczonej przez człowieka, a nie ufane na podstawie wartości nominalnej.
Pełniłem funkcję CTO i audytora w MoveSave, platformie fintechowej opartej na niezmiennym rejestrze z pełną śledzalnością oraz ścisłym zarządzaniem poświadczeniami i danymi wrażliwymi, tym samym problemem audytu i zaufania, którego potrzebuje ten proces roboczy, a Claude i inne API LLM są już w produkcji w mojej pracy.
Mam nadzieję, że możemy porozmawiać tutaj o szczegółach projektu, a jedno pytanie wyostrzyłoby mój plan.
Jak wygląda API platformy źródłowej do zapisywania zatwierdzonej treści z powrotem, jeden punkt końcowy na typ dokumentu czy wspólny schemat?
Wartość tutaj nie polega na przepisaniu, to ślad decyzyjny, któremu człowiek może zaufać bez ponownego czytania wszystkiego, i to jest to, co bym zbudował.
