L'auteur partage son architecture finale : un modèle Jev sert de screener pour évaluer en parallèle les probabilités de similarité, les paires incertaines passent à un autre modèle Jev avec du contexte supplémentaire, le code fusionne les paires pertinentes et un modèle Sonnet/Opus traite le reste.
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
Le LLM conserve mémoire et contexte, utilise agent-desktop pour prendre des captures et les envoie à Jev, qui sélectionne le bon élément pour agir, accélérant Computer Use avec Cursor et en mode headless.
Riley Brown partage que Jev de TypeSafe AI a classé 500 e-mails en quelques secondes pour seulement 3,5 centimes, illustrant une classification rapide et peu coûteuse.
Vidéo explicative complète présentant Jev, une IA qui n'écrit pas de texte mais détermine vers quel service acheminer les demandes et leur urgence.
