Jevで多層インテリジェンスシステムを構築しAIコストを削減
より安いLLMに切り替えるよりも賢いコスト削減方法を提案。すべての判断をLLMに送るのをやめ、Jev、DuckDB、Claude、jev-calibrateを使って3層のインテリジェンスシステムを構築し、ソフトウェアが事実を処理し、Jevが層状の判断を担当する。
THE JEV GUIDE · CURATED EDITION
ワークフロー自動化.
TypeSafe Jevに関する発表、解説、デモ、コミュニティ事例をトピック別に整理しています。各項目からXの元投稿を確認できます。
キュレーション選定 · 全件ではありません · 手動更新
6757件の収録投稿
3414件の元投稿動画
Sponsors
これらの製品がこのディレクトリを支援しています。 あなたの製品も載せませんか？
Jev をタスクルーターに：テスト40/40、Opus を使うのは18件中1件だけ
思考と実行を分離するアプローチ。オーケストレーターはタスクを書くだけで、小型モデルの Jev が Haiku・Sonnet・Opus のどれで実行するかを決定。テストは 40/40 成功し、現在は約18タスク中1つだけが Opus に回る。
Jevをプレラベラーとしてベンチマーク
TypeSafe AIのJevは、型付き質問に信頼度スコア付きで回答するモデルです。3つのタスクでプレラベラーとしてベンチマークし、信頼度がどのラベルを人間のレビューを省略できるかを判断できるかを検討しました。
Jevで投稿を判定し監視タスクを自動化するワークフロー
投稿画面で、その内容をJevで判定し、監視タスクと判断されたらSonnetで監視タスクを登録。以降はJevで監視し、マッチしたらSonnetで確認・採取し、プッシュ通知を送って監視を終了する仕組み。
複雑な自動化におけるJevの可能性
ユーザーはLangChainの経験を共有し、Jevが将来の複雑な自動化、特に適切なLLMの選択において重要な役割を果たすと予測しています。
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
JevモデルでChrome拡張機能を作りテレビCMを置き換える
ユーザーはYouTube TVのCMを避けるために月100ドル払ってもよいと述べつつ、それができないため、TypeSafe AIのJevモデルを使ってCMを平和的なシーンに置き換えるChrome拡張機能を自作したという内容。
Jev を使って Suzu の音声入力修正フローを改善
開発者は Jev を使って音声文字起こしに必要な修正の種類をスコアリングし、その結果を小さな LLM に渡して句読点や表現の誤りを修正します。より安く、より正確な音声入力を目指しています。
6つのAIツールを接続：Jevが複数のモデルと連携
投稿では、Grok Bot、Claude Opus 5.5、REA、Jev、Dots、Obsidian を6つの別々のアプリではなく1つのシステムとして連携させ、ダッシュボードで完了タスク212件、7時間40分の節約、179ドルの節約を報告している。
Jevの読み取り信頼度スコア
Jevは各読み取りに信頼度スコアを付け、毎秒約13回処理。低信頼度の読み取りだけを確認すれば済みます。
JevでOCR結果をスコアリングし人手で確認
著者は、JevがOCRリーダーが解析した各領域をスコアリングし、不確かな部分を人手に回す自動検証ワークフローを紹介しています。
Jevが低コストな採用アウトリーチを自動化
あるユーザーが、無料のApollo検索で470人のMLエンジニアを発見し、MonidHQ上のJevを使ってランク付け・検証・5回の通話を行い、総費用はわずか0.077ドルだったことを示しています。
Jev + Grokでワークフローが90%高速化
ユーザーがJevとGrokボットの連携を共有。アイデアを入力するとGrokがタスクに分解し、Jevが次のアクションを比較して最適な経路を選択、Grokが実行・確認します。
