Pusula

Pusula

一个开源的土耳其语决策引擎，针对一条消息回答带类型的问题，比如路由、紧急程度、是否转人工或提示词注入，给每个选项一个概率，不生成文本。

由 erenextlabs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Pusula 是一个土耳其语决策引擎。它以 vllm-sr/d3 基础模型（Decision 3.0）为起点，再加上土耳其语数据的训练。对每条消息，你提出带类型的问题，它一次计算就给出每个可能答案的概率。

你可以问的问题包括：请求属于哪个队列、有多紧迫、是否转给人处理，以及消息里是否夹带了注入的提示词。这个仓库是一个 LoRA 适配器加代码，约 0.9 GB，当前版本是 v2.0。

适合谁：适合处理土耳其语消息、想要快速结构化分诊的团队，以及需要检查输入的智能体开发者。需要能运行 26B 基础模型的 GPU 环境。

Industry | Who uses it | How they use it | Example
客户支持 | 支持团队 | 对收到的土耳其语消息做路由和评级 | 判断一条消息是否需要人工客服
金融 | 服务台 | 尽早标出紧急或涉及欺诈的请求 | 一条关于不明银行卡取款的消息
AI 智能体 | 智能体开发者 | 检查输入里是否有隐藏指令和个人数据 | 智能体读邮件之前先筛查
内容审核 | 社区团队 | 检测土耳其语文本里的侮辱和仇恨言论 | 给辱骂消息打标签以便审核

如果你处理土耳其语以外的语言，或者想要自由文本回复，可以跳过它。它回答问题，不生成文本。

用在哪里：

• Python，通过 pusula 包使用，这个包会应用适配器需要的代码读出。
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件。
• 需要对每条消息给出结构化决策的支持流水线和智能体系统。

Use case | Who | What they get back
消息路由 | 支持团队 | 每个路由选项的概率
紧急程度评分 | 服务台 | 从日常到紧急各个等级上的分数
安全检查 | 智能体开发者 | 消息中存在提示词注入或个人数据的概率

如何设置：你需要 Python、pusula 包和基础模型文件。

• 带 huggingface_hub 的 Python
• 带 d3 扩展的 pusula 包，从项目自己的仓库安装
• 基础模型 vllm-sr/d3，一个 26B、Apache 2.0 的模型
• 能运行它的 GPU 环境

1. 按项目自己的说明安装带 d3 扩展的 pusula 包。
2. 下载不含 assets 文件夹的基础模型。
3. 把适配器下载到本地文件夹。

hf download vllm-sr/d3 --local-dir d3 --exclude "assets/*"
hf download erenextlabs/pusula --local-dir pusula

如何使用：用基础模型和适配器加载引擎，然后用一条消息和你想要回答的问题调用 decide。只用通用 PEFT 加载适配器是不够的，因为这个包会应用代码读出和注意力钩子。

from pusula.inference import D3Engine

engine = D3Engine.load("d3", adapter="pusula")
answers = engine.decide(
    "Kartımdan bilgim dışında üç çekim yapıldı, hemen engelleyin!",
    {
        "temsilci": {"type": "noul", "instructions": "Bir insan temsilciye aktarılmalı mı?"},
        "aciliyet": {"type": "score", "instructions": "Ne kadar acil?", "criteria": ["Rutin", "Yakın", "Yüksek", "Kritik"]},
    },
)

Tool | What it does
D3Engine.load | 加载基础模型和 Pusula 适配器
engine.decide | 回答你针对一条消息提出的带类型问题
score question | 按你列出的等级给消息评分，比如从日常到紧急

示例：一位客户用土耳其语写道，他的银行卡在他不知情的情况下被取了三笔款，请求冻结。你问是否应该转人工，以及从日常到紧急有多紧急。引擎会返回每个选项的概率。

新手与专家：如果你刚接触，可以把 Pusula 当作一个分诊助手，它读一条土耳其语消息，并回答你针对它提出的选择题。像示例那样，用一条消息和两个问题试一次。

对专家来说，这个适配器是秩为 32 的 LoRA，通过代码读出应用在 26B 的 d3 基础模型上。自定义问题和缺失信息模板由关闭适配器的基础模型来回答。模型卡报告在留出的真实客户消息上得分 90.6。在公开基准上 v2.0 得分 92.0，略低于 v1.0 的 92.6，主要差在紧急程度、转人工和领域。

收到一条土耳其语消息
你定义带选项的类型化问题
引擎加载 d3 和 Pusula 适配器
一次前向计算给每个选项打分
你读取每个问题的概率

Title: Pusula 2.0 的准确率，百分比
真实客户消息: 90.6 %
长篇客户投诉: 88.3 %
Turkish Decision Benchmark: 92.0 %
Gold 测试集: 92.1 %
未见行业的自定义问题: 93.5 %
MASSIVE tr-TR 意图: 85.2 %
OffensEval 2020 Turkish: 88.3 %

注意事项：下面几点说明了限制和成本。

• Language: 土耳其语。
• Training data: 为这个项目生成的合成消息，加上第一个适配器用到的、从商业合作方获得授权的客户消息。这些真实消息没有公开。
• License: Apache 2.0。
• Cost to run: 没有提到 API 密钥或付费服务。26B 基础模型需要能力足够的 GPU。
• Data it reaches: 它读取你传入的消息。下载来自 Hugging Face。
• Not for: 用普通 PEFT 加载适配器，土耳其语以外的语言，或自由文本生成。

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 框架：pusula
• Formats: Safetensors
• 最近 30 天下载：23
• 点赞：2
• 许可证：apache-2.0
• 语言：tr
• 基于：vllm-sr/d3
• 标签：pusula, safetensors, decision-model, turkish, routing, lora, d3, text-classification

链接

• 模型：https://huggingface.co/erenextlabs/pusula
• 文件：https://huggingface.co/erenextlabs/pusula/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download erenextlabs/pusula

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。