The author shares a final architecture: a Jev model acts as a screener to judge similarity probabilities in parallel, uncertain pairs go to another Jev model with extra context, code merges relevant pairs, and a Sonnet/Opus model handles the 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
LLM holds memory/context, uses agent-desktop to take snapshots and sends them to Jev, which selects the right element to act on for faster Computer Use, with Cursor enabled and headless support.
Riley Brown shares that TypeSafe AI's Jev classified 500 emails in seconds for just 3.5 cents, highlighting its fast and low-cost email classification.
A comprehensive explainer video introducing Jev, an AI that doesn't write text but determines which department to route inquiries to and how urgent they are.
