Der Autor baut einen Shopping-Concierge-Dienst. Zunächst ging es darum, mit öffentlichen Statistiken, Jev und LLM zu beurteilen, ob Gemüse und Lebensmittel günstig sind. Nach einer adversarischen Überprüfung verlagerte sich der Fokus auf einen Mechanismus, der wissenschaftliche Aufstiegskriterien zwischen Evidenz und Handlung setzt.
買い物コンシェルジュを作っていたら、思ったより面白いものになってきた 最初は 「野菜や食品が今安いか？」 を公的統計＋Jev＋LLMで判断する仕組み。 でも敵対的レビューをかけて改修していたら、本質が変わった。 今作っているのは EvidenceとActionの間に“科学的な昇格条件”を置く仕組み に近い
Der Beitrag zeigt einen Echtzeit-Einkaufsassistenten, der GPT-Live-1 mit Jev kombiniert. Während der Nutzer spricht, zeigt die Oberfläche sofort passende Produkte an, noch bevor der Gesprächsbeitrag beendet ist, wobei Jev den Dialogzustand zur Steuerung der Interaktion nutzt.
Zeigt ego lite, Jev und DeepSeek Flash, die 20 Amazon-Produktentscheidungen in 3,71 s treffen, gegenüber 54,45 s bei GPT-5.6 Sol, beide mit 10/10.
Jev bewertete 3.000 Kindersnacks auf nosugarforkids.com nach mehreren Kriterien in 28 Sekunden für 0,11 $. Link
