Il post elenca potenziali casi d'uso di Jev, sostenendo che supporto clienti, routing dei modelli e guardrail LLM siano direzioni solide, e suggerisce di collocare Jev prima e dopo gli LLM esistenti.
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'autore condivide un'esperienza d'uso di Jev: all'inizio sembrava complicato, ma è diventato chiaro pensandolo come 'non lasciare che l'IA scriva il testo'. Prendendo la gestione delle richieste come esempio, l'approccio convenzionale affida tutto a GPT o Claude per l'analisi, mentre Jev adotta un approccio diverso.
Il prototipo usa l'IA per stimare esitazione o interesse dai movimenti del cursore o dall'indugio prima del clic, osservando il comportamento del cliente e integrando spiegazioni o suggerendo confronti.
L'autore ha creato una demo di assistenza clienti in tempo reale per e-commerce con Jev e gpt-live-1, che suggerisce istantaneamente prodotti consigliati in base al parlato dell'utente durante la conversazione, offrendo un'ottima esperienza.
