بينما لا تزال نماذج LLM القياسية تبث أول استجابة JSON، قام Jev بالفعل بحل 13 تذكرة دعم عبر 4 معايير منظمة. التصنيف الفوري يتفوق على توليد النص البطيء.
Bonus 2: 13 support tickets in parallel by @0xnoonez While standard LLMs are still streaming the first JSON response, Jev has already resolved 13 support tickets across 4 structured criteria. Instant classification beats slow text generation every time.
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.
