THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
01 / EXPLORE
0 means awaiting a verified post
Verwandelt ein Support-Ticket in vier typisierte Entscheidungen (Routing, Priorität, Risiko, nächste Aktion) mit Wahrscheinlichkeit, Latenz, Anbieter und Kosten, inklusive MIT-Repository. Link
Am Beispiel eines Game-Support-Falls, bei dem derselbe Nutzer täglich Beschwerden über eine Figur sendet, diskutiert der Beitrag Jevs Bewertungskriterien und vergleicht sie mit einem Menschen, der sie als Fanbriefe einordnet.
Peter Ramsing beschreibt, wie sein Team TypeSafe Jev nutzt, um beim Erstellen von Tickets Rückfragen vorzuschlagen, und betont, dass es schnell sein muss, da Tickets oft während Telefonaten entstehen.
Der Autor berichtet, dass die Einführung von Jev in eine mit Vane Data erstellte Audio-Pipeline für After-Sales-Support die Treffsicherheit deutlich verbessert hat, und erwähnt, dass Vane nun vane.ai.jev(...) und Relation.jev(...) unterstützt. Link
Wiederverwendbare Demo, in der Jev von TypeSafe AI getipptes oder gesprochenes Feedback klassifiziert und im Posteingang ablegt, inklusive Cookbook.
Der Autor hat mit Jev einen Echtzeit-Chat-Moderator erstellt, der Tausende von Varianten und Schreibweisen schlechter Wörter in mehreren Sprachen erkennt, und betont den extrem niedrigen Preis.
Sam Siam teilt Maksyms Demo, in der Jev den nächsten Klick anhand des beschriebenen Bedarfs hervorhebt, und stellt sich den Einsatz für einen CRM-Neuling beim Import von Kontakten vor.
Der Autor testete eine KI-Kundensupport-Implementierung mit Jev für Fragen zum NHK-Abonnementvertrag. Im Chat wird ermittelt, ob der Nutzer fortführen, handeln, befreit werden oder kündigen kann; Jev übernimmt die Auswahl der nächsten Frage basierend auf den Antworten.
Nutzung von CowAgent zum Aufbau eines Batch-Ticket-Analyse-Tools auf Jev: Ein Aufruf pro Ticket liefert 7 Klassifikationen, Scores und boolesche Urteile mit Wahrscheinlichkeitsverteilungen in etwa 500 ms.
Demo eines mit Jev erstellten Support-Ticket-Triage-Tools, das in einem einzigen Aufruf Team, Dringlichkeit, Schweregrad und Kundenstimmung ermittelt.
Der Autor testet TypeSafe's urteilsspezialisierte KI Jev im Kundensupport: schnell und treffsicher, doch selbst bei fast perfekten Ergebnissen gibt es Fälle, die nicht danebengehen dürfen – daher ist die Rollenverteilung zwischen Code, LLM und Mensch wichtig.
Routing von 72 synthetischen Support-Tickets: Jev erreichte 93 % für Abteilung, 85 % für Dringlichkeit und 99 % für Rückerstattungserkennung; Laya erreichte 58 %, 63 % und 74 % und erkannte nur 1 von 12 Sicherheitstickets.