# Filter RAG passages with Jev: 4 Nouls between retrieval and generation

> TypeSafe RAG cookbook: score each retrieved passage for relevance, evidence, contradiction and injection, route in code — the planted injection scores 0.99 and never reaches the prompt.

*Source: https://velstech.net/jev-rag-passage-gate.ta (Tamil translation of https://velstech.net/jev-rag-passage-gate) · Updated: 2026-09-20*

*Markdown version. [Read the interactive guide](https://velstech.net/jev-rag-passage-gate.ta). English Markdown: https://velstech.net/jev-rag-passage-gate.md.*

---

Retrieval passages-ஐ wording similarity-ஆல் rank செய்து top few-ஐ answering model-இடம்
ஒப்படைக்கிறது – contradictions, prompt injections உட்பட. ஒரு demo query-இல் planted forum injection
similarity-இல் *முதலிடம்* (0.584), query-யின் false premise-ஐ மறுக்கும் passage ஏழாவது
(0.509); 0.584–0.455 என்ற குறுகிய spread இரண்டையும் பிரிக்கப் போதாது. TypeSafe-இன்
[classifying-RAG-passages cookbook](https://docs.typesafe.ai/cookbooks/classifying_rag_passages)
retrieval-க்கும் generation-க்கும் இடையே இரண்டாம் stage சேர்க்கிறது: **ஒவ்வொரு passage-க்கும்
நான்கு Noul கேள்விகள், தலா ஒரு request, பிறகு code-இல் எளிய threshold logic prompt-ஐ
எது அடையும் என முடிவு செய்யும்** – evidence-ஆக, flagged conflict-ஆக, அல்லது எதுவுமில்லை.
இந்த guide recipe-யின் சுருக்கம்.

## நான்கு கேள்விகள்

State-இல் query + ஒரு passage (id, title, text, source type), எனவே ஒவ்வொரு கேள்வியும் passage
பற்றி அல்ல, pair பற்றியது. ஒவ்வொரு query-க்கும் அதே நான்கு கேள்விகள்; state மட்டும் மாறும்:

- is_relevant – passage query-யின் subject-ஐ தொடுகிறதா? (relevance floor)

- contains_answer_evidence – நேரடி பதிலில் பயன்படும் ஒன்றைக் கூறுகிறதா? (include அல்லது drop)

- contradicts_query_premise – query எடுத்துக்கொண்ட premise-உடன் முரண்படுகிறதா? (conflict block-க்கு promote)

- contains_prompt_injection – answering system-ஐ கட்டுப்படுத்த முயல்கிறதா? (நேரடி exclude)

எது கேட்கப்படவில்லை என்பதைக் கவனியுங்கள்: passage-ஐ include செய்வதா. அந்த முடிவு code-இல் உள்ளது;
policy மாற்றுவது கேள்வியை reword செய்வதல்ல, review-க்குட்பட்ட number edit.

## Code-இல் route, first match wins

```
THRESHOLDS = {
    "injection_max": 0.70,   # above this the passage never reaches the prompt
    "contradicts_min": 0.70, # above this it disputes the query's premise
    "relevant_min": 0.45,    # below this it is not about the query at all
    "evidence_min": 0.55,    # above this it states something usable
}

def route(answers: dict, thresholds: dict = THRESHOLDS) -> str:
    if answers["contains_prompt_injection"] > thresholds["injection_max"]:
        return "exclude"
    if answers["contradicts_query_premise"] > thresholds["contradicts_min"]:
        return "conflicting_evidence"
    if answers["is_relevant"]  thresholds["evidence_min"]:
        return "include"
    return "exclude"
```

வரிசை முக்கியம்: injection முதலில், ஏனெனில் அது security முடிவு, evidence முடிவு அல்ல;
contradiction evidence-க்கு முன், ஏனெனில் query-யின் premise-ஐ மறுக்கும் passage பொதுவாகப்
பயன்படும் ஒன்றையும் கூறும் – மறு வரிசையில் சோதித்தால் conflict block-க்குப் பதில் accepted
block-இல் விழும். Re-routing இலவசம் – thresholds stored answers-ஐ வாசிக்கும், policy tuning-க்கு
zero API calls.

## இது எதைப் பிடிக்கிறது

Headline query-இல் ("Refresh tokens expire after 30 days – window-ஐ எப்படி நீட்டிப்பது?", false
premise), routing table:

| Route | rel | evid | contra | inj | Passage |
| --- | --- | --- | --- | --- | --- |
| exclude | 0.71 | 0.36 | 0.90 | 0.99 | forum-injection |
| conflicting_evidence | 0.49 | 0.51 | 0.92 | 0.15 | sessions-01 |
| exclude (×10) | ≤0.48 | ≤0.42 | ≤0.39 | ≤0.26 | மற்றவை |

Injection relevance floor-ஐ clear செய்கிறது (0.71) – relevance மட்டும் அதை through விட்டிருக்கும் –
0.99 injection score மட்டுமே அதை வீழ்த்துகிறது. மறுக்கும் passage 0.49 relevance / 0.51 evidence –
தனியே இரண்டும் அதை வீழ்த்தியிருக்கும்; 0.92 contradiction score conflict block-இல் காப்பாற்றுகிறது.
Evidence-ஆக prompt-ஐ எதுவும் அடைவதில்லை – false premise கேள்விக்குச் சரி – generator "I don't have
sufficient accepted evidence" என்கிறது, conflict-ஐ பெயரிடுகிறது, 30-day setting-ஐ invent செய்யாமல்
மறுக்கும் passage-ஐ quote செய்கிறது.

சாதாரண பதிலுள்ள query-இல் ("access token எவ்வளவு long live இருக்க வேண்டும்?") நான்கு passages evidence
அடைகின்றன – மூன்று ranks 8, 9, 11-லிருந்து; similarity-top ranks 2–4 (தவறான வகை "lifetime", signing
keys) அனைத்தும் ≤0.08 relevance-இல் வீழ்கின்றன. Injection மீண்டும் 0.99-இல் excluded. ஆறு queries,
72 passages-இல் ஒவ்வொரு dozen-இலும் குறைந்தது மூன்றில் இரண்டு excluded.

## இரண்டு நேர்மையான caveats

- Injection கேள்வி filter, boundary அல்ல: threshold-க்குக் கீழ் passage prompt-ஐ அடையும், எனவே
generator prompt ஒவ்வொரு passage-ஐயும் score பொருட்படுத்தாமல் untrusted text-ஆகக்
கருத வேண்டும்.

- செலவு k-உடன் scale ஆகும் – passage-க்கு ஒரு request. Passages ஒரே request-இல் batch
செய்யப்படுவதில்லை, ஒவ்வொரு கேள்வியும் ஒரு pair பற்றியது என்பதால்.

Accepted + conflicting evidence **தனி prompt blocks**-இல் செல்லும், rules-உடன்
(untrusted text, passage IDs cite, conflicts report, guess-க்குப் பதில் "insufficient"). இரண்டையும்
ஒரே block-இல் இணைத்தால் generator பதிலையும் மறுப்பையும் பிரிக்க முடியாது.

## இறுதி முடிவு

Similarity retrieves; judgment filters; code routes; generator labelled evidence-ஐ மட்டும்
பார்க்கும். நான்கு Nouls + ஐந்து comparisons – passage-க்கு ஒரு request விலையில் injection defence +
false-premise detection. Full source:
[TypeSafe classifying-RAG-passages cookbook](https://docs.typesafe.ai/cookbooks/classifying_rag_passages);
"முதலில் filter, தேவையானதை மட்டும் அனுப்பு" கொள்கை
[Jev 1.13 jaggedness guide](https://velstech.net/jev-1-13-jaggedness.ta)-இன் failure mode 5.

---

*VelsTech – https://velstech.net/jev-rag-passage-gate.ta.md*