Utilisation de CowAgent pour créer un outil d'analyse de tickets par lots sur Jev : un appel par ticket renvoie 7 classifications, scores et jugements booléens avec distributions de probabilité en environ 500 ms.
Had CowAgent build a batch ticket analysis tool on Jev. Jev doesn't generate text. You send content and typed questions, it returns classifications, scores and booleans, each with a probability distribution. One call per ticket, 7 judgments, ~500ms.
L'auteur partage un retour d'expérience sur Jev : cela semblait délicat au début, mais tout s'est éclairé en le comprenant comme « ne pas laisser l'IA écrire le texte ». En prenant le traitement des demandes comme exemple, l'approche classique consiste à tout confier à GPT ou Claude pour analyse, alors que Jev adopte une approche différente.
Le prototype utilise l'IA pour estimer l'hésitation ou l'intérêt à partir des mouvements du curseur ou de l'arrêt avant le clic, en observant le comportement du client et en complétant les explications ou en suggérant des comparaisons.
L'auteur a créé une démo de service client en temps réel pour le e-commerce avec Jev et gpt-live-1, qui suggère instantanément des produits recommandés en fonction de la parole de l'utilisateur pendant la conversation, offrant une excellente expérience.
