استخدام CowAgent لبناء أداة تحليل التذاكر بالدفعات على Jev: استدعاء واحد لكل تذكرة يعيد 7 تصنيفات ودرجات وأحكام منطقية مع توزيعات احتمالية في حوالي 500 مللي ثانية.
Had CowAgent build a batch ticket analysis tool on Jev. Jev doesn't generate text. You send content and typed questions, it returns classifications, scores and booleans, each with a probability distribution. One call per ticket, 7 judgments, ~500ms.
يشارك المؤلف تجربة استخدام Jev: بدا صعبًا في البداية، لكنه اتضح عندما فُهم على أنه 'عدم ترك الذكاء الاصطناعي يكتب النص'. وباستخدام معالجة الاستفسارات كمثال، فإن النهج التقليدي يرمي كل شيء على GPT أو Claude للتحليل، بينما يتبع Jev نهجًا مختلفًا.
يستخدم النموذج الأولي الذكاء الاصطناعي لتقدير التردد أو الاهتمام من حركات المؤشر ذهابًا وإيابًا أو التوقف قبل النقر، ومراقبة سلوك العميل واستكمال الشروحات أو اقتراح المقارنات.
أنشأ المؤلف عرضًا توضيحيًا لخدمة العملاء الفورية للتجارة الإلكترونية باستخدام Jev و gpt-live-1، يقترح المنتجات الموصى بها فورًا بناءً على كلام المستخدم أثناء المحادثة، مما يوفر تجربة رائعة.
