Launching today
Artisan: Symbolic DSL for LLM Governance
Deterministic execution & safety protocol for LLMs.
1 follower
Deterministic execution & safety protocol for LLMs.
1 follower
Artisan System DSL: A symbolic governance framework to force deterministic behavior in LLMs. While LLMs are probabilistic by nature, Artisan implements a Kernel V10 protocol to ensure Zero Trust security and mitigate hallucinations through a Domain-Specific Language (DSL). Built by a Senior Engineer with 15 years of experience, this framework bridges the gap between software architecture and AI safety, focusing on technical alignment and prompt injection defense.
Los módulos de gestión reactiva ya están en el repo y los pueden implementar ahora mismo. Sirven para que el agente tire respuestas dinámicas basadas 100% en la semántica del usuario.
Una vez que dominen la arquitectura de Artisan system DSL - Artis-OEC, el límite lo ponen ustedes: pueden escalar esto por su cuenta metiendo Máquinas de Estados personalizadas y nuevas capas de lógica simbólica sobre el núcleo. 🛠️
La verdadera potencia de esto es orquestar inteligencia sobre Programación Neuro-Simbólica y Decodificación Restringida por Gramática. Aprendan cómo los símbolos lógicos (IF, THEN, AND) anclan el razonamiento estadístico del LLM. No le pidan cosas al modelo: oblíguenlo con estructuras. 🧠⚡
Acá no hay variables estáticas, sino vectores de intención. El runtime es el propio modelo; no compila a binario, proyecta al espacio latente para dar el resultado más preciso basado en el esquema. Usa Operadores Lógicos Reales. IMPORTANTE.
Diseño lenguajes específicos de dominio (DSL) usando el paradigma Model-as-an-Interpreter y State-Machine Prompting.
Capa de Abstracción de Gobernanza mediante Programación Declarativa y Neuro-Simbólica.
Artisan System DSL (Domain-Specific Language) A symbolic governance framework for LLMs.
Registro científico (DOI): https://zenodo.org/records/18001377
Mirror OSF: https://doi.org/10.17605/OSF.IO/5D7JX
𝗥𝗲𝗳𝗲𝗿𝗲𝗻𝘁𝗲𝘀 𝗖𝗶𝗲𝗻𝘁𝗶𝗳𝗶𝗰𝗼𝘀 𝘆 𝗩𝗮𝗹𝗶𝗱𝗮𝗰𝗶𝗼𝗻 𝗧𝗲𝗰𝗻𝗶𝗰𝗮:
🔹 LLM-Powered Symbolic Execution: [https://dl.acm.org/doi/10.1145/3763163]
🔹 DSL-Xpert 2.0: [https://www.sciencedirect.com/science/article/pii/S0950584925002939]
🔹 LLM-Hardened DSLs: [https://deanm.ai/blog/2025/5/24/toward-data-driven-multi-model-enterprise-ai-7e545-sw6c2]
🔹 AutoBug / PALM: [https://arxiv.org/html/2505.13452v1] / [https://arxiv.org/html/2506.19287]
URL: https://raw.githubusercontent.com/dennysjmarquez/artisan-symbolic-dsl-LLMs/refs/heads/main/Artis-OEC_v10.2.0_Standard_Shell.dsl.txt
Ultima versión
---
🖖 ¿Cómo pasar de "Prompt Engineering" a una verdadera "Gobernanza Determinista" en LLMs?
He publicado la versión v10 de mi DSL simbólico Artisan Symbolic DSL - Artis-OEC, para el control de modelos de lenguaje.
Al pasar de la v9 a la v10, los cambios no son cosméticos, son estructurales y lógicos.
Puntos clave de la implementación técnica en v10:
✅ Mejora la seguridad del sistema y la gobernanza determinista.
✅ Introduce una estricta canalización de ejecución de 11 pasos mediante una Máquina de Estados Finitos (FSM). Ahora el modelo no solo recibe instrucciones, sino que debe transitar por estados lógicos definidos, lo que reduce la deriva alucinatoria.
✅ Protocolo "Remember" (Anclaje de Prioridad): He añadido un bloque de memoria persistente de instrucciones al inicio. Esto obliga al modelo a re-evaluar sus restricciones antes de cada token de salida, evitando que el contexto largo le haga "olvidar" las reglas de gobernanza, éticas o de seguridad.
✅ Validación Atómica de Salida: Se establece un criterio de "Fallo Total" ante la omisión de cualquier paso del pipeline. Si el modelo salta un control de seguridad o lógica, la salida se considera inválida.
✅ Segmentación por Sesiones + ToC: Anclaje contextual para recuperación precisa de reglas y reducción de deriva semántica. Evita que normas y reglas queden dispersas en el prompt. Permitir que el modelo identifique rápidamente la "zona" relevante según el tipo de consulta. Facilitar mantenimiento: gobernanza, seguridad y utilidades en módulos separados.
✅ Mejora el preprocesamiento de entrada con mimetismo anti-isomórfico.
✅ Refina la divulgación de información a través de un mapa de atenuación detallado.
✅ Añadi nuevos contratos de Primitivas internas.
✅ Actualiza los datos profesionales de RAG y refina los protocolos de escalada de personalidad.
------
📢 Difunta, Comparte, Apoya 😋