THE JEV GUIDE · CURATED EDITION
Notizie di lancio, spiegazioni, demo e progetti della community su TypeSafe Jev, organizzati per argomento. Ogni voce rimanda alla fonte su X.
Selezione curata · Non esaustiva · Aggiornata manualmente
01 / EXPLORE
0 means awaiting a verified post
Trasforma un ticket di supporto in quattro decisioni tipizzate (instradamento, priorità, rischio, azione successiva) con probabilità, latenza, provider e costo, con repo MIT. Link
Usando l'esempio di un caso di supporto giochi in cui lo stesso utente invia quotidianamente lamentele su un personaggio, il post discute i criteri di giudizio di Jev e li confronta con un umano che le classifica come lettere dei fan.
Peter Ramsing condivide come il suo team inizia a usare Jev di TypeSafe per suggerire domande di follow-up durante la creazione dei ticket, sottolineando che deve essere veloce perché spesso vengono creati al telefono.
L'autore condivide che introdurre Jev in una pipeline audio di supporto post-vendita costruita con Vane Data ha migliorato notevolmente l'accuratezza, e segnala che Vane ora supporta vane.ai.jev(...) e Relation.jev(...). Link
Demo riutilizzabile in cui Jev di TypeSafe AI classifica e archivia nella inbox i feedback digitati o vocali, con cookbook per adattarlo.
L'autore ha creato un moderatore di chat in tempo reale con Jev in grado di rilevare migliaia di varianti e grafie di parole inappropriate in più lingue, sottolineando il prezzo estremamente basso.
Sam Siam condivide la demo di Maksym in cui Jev evidenzia il prossimo clic in base all'esigenza descritta, e immagina il suo uso per guidare un nuovo utente CRM nell'importazione dei contatti.
L'autore ha provato un'implementazione di supporto clienti AI con Jev per domande sul contratto di abbonamento NHK, determinando tramite chat se l'utente deve continuare, procedere, essere esentato o disdire; Jev si occupa di selezionare la domanda successiva in base alle risposte.
Utilizzo di CowAgent per creare uno strumento di analisi ticket in batch su Jev: una chiamata per ticket restituisce 7 classificazioni, punteggi e giudizi booleani con distribuzioni di probabilità in circa 500 ms.
Demo di uno strumento di triage dei ticket creato con Jev che determina team, urgenza, gravità e umore del cliente in una sola chiamata.
L'autore prova Jev, l'IA di giudizio di TypeSafe, nel supporto clienti: velocità e precisione, ma anche con risultati quasi perfetti ci sono casi da non sbagliare, quindi conta la divisione dei ruoli tra Code, LLM e Human.
Routing di 72 ticket di supporto sintetici: Jev ha ottenuto il 93% per il reparto, l'85% per l'urgenza e il 99% per il rilevamento dei rimborsi; Laya ha ottenuto il 58%, 63% e 74%, riconoscendo solo 1 dei 12 ticket di sicurezza.