Der Autor teilt seine finale Architektur: Ein Jev-Modell fungiert als Screener und bewertet parallel Ähnlichkeitswahrscheinlichkeiten, unsichere Paare gehen an ein weiteres Jev-Modell mit zusätzlichem Kontext, Code führt relevante Paare zusammen, und ein Sonnet/Opus-Modell verarbeitet den Rest.
הארכיטקטורה הסופית שלי: 1) מודל Jev שהוא Screener: מקבל טקסט, ושופט במקביל עבור כל הטקסטים האחרים מה ההסתברות שהם מתארים את אותו הדבר. 2) עבור אלה שהוא לא היה בטוח: מודל Jev נוסף שמקבל זוג-זוג, עם עוד קונטקסט 3) קוד שמאחד את כל הזוגות הרלוונטיים 4) מודל Sonnet/Opus שמקבל את כל
Das LLM hält Gedächtnis und Kontext, nutzt agent-desktop für Snapshots und sendet sie an Jev, der das richtige Element auswählt und ausführt – für schnelleres Computer Use mit Cursor und Headless-Betrieb.
Riley Brown berichtet, dass Jev von TypeSafe AI 500 E-Mails in Sekunden für nur 3,5 Cent klassifiziert hat – ein Beleg für schnelle und kostengünstige E-Mail-Klassifizierung.
Umfassendes Erklärvideo zu Jev, einer KI, die keinen Text schreibt, sondern entscheidet, an welche Abteilung Anfragen weitergeleitet werden und wie dringend sie sind.
