Le post énumère des cas d'usage potentiels de Jev, estimant que le support client, le routage de modèles et les garde-fous LLM sont des pistes solides, et suggère de placer Jev avant et après les LLM existants.
ユースケース一覧 決まった判定を安く繰り返すか 多数の判定をまとめて速く行うとこを活かすか カスタマーサポート モデル振り分け LLMガードレール とかは鉄板そうだし、 既存のLLMの前段と後段に入れるのは外れなそう。 #Jev #TypeSafeAI
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.
