Jev로 계층형 인텔리전스 시스템을 구축해 AI 비용 절감
더 저렴한 LLM으로 전환하는 것보다 더 똑똑한 비용 절감 방법을 제안한다. 모든 결정을 LLM에 보내지 말고 Jev, DuckDB, Claude, jev-calibrate로 3계층 인텔리전스 시스템을 구축해 소프트웨어는 사실을 처리하고 Jev는 계층적 결정을 맡는다.
THE JEV GUIDE · CURATED EDITION
워크플로 자동화.
TypeSafe Jev의 출시 소식, 설명, 데모, 커뮤니티 프로젝트를 주제별로 정리했습니다. 모든 항목은 X 원본 게시물로 연결됩니다.
선별 큐레이션 · 전체 수집 아님 · 수동 업데이트
6757개의 수록 게시물
3414개의 원본 동영상
Sponsors
이 제품들이 이 디렉터리를 후원합니다. 내 제품도 올리기
Jev를 태스크 라우터로 활용: 테스트 40/40, Opus 사용은 18개 중 1개뿐
생각하는 일과 실행하는 일을 분리하는 해법. 오케스트레이터는 작업을 작성하기만 하고, 소형 모델 Jev가 Haiku, Sonnet, Opus 중 어떤 모델로 실행할지 결정한다. 테스트에서 40/40을 맞췄고, 현재 약 18개 작업 중 1개만 Opus로 간다.
Jev를 사전 라벨러로 벤치마크
TypeSafe AI의 Jev는 유형화된 질문에 신뢰도 점수로 답하는 모델로, 세 가지 작업에서 사전 라벨러로 벤치마크하여 신뢰도가 어떤 라벨이 인간 검토를 생략할 수 있는지 결정할 수 있는지 탐구했습니다.
Jev로 게시물을 판단해 모니터링 작업 자동화
게시 화면에서 Jev로 게시물이 모니터링 작업인지 판단하고, 맞으면 Sonnet으로 모니터링 작업을 등록합니다. 이후 Jev로 감시하다가 매치되면 Sonnet이 확인 및 수집 후 푸시 알림을 보내고 감시를 종료합니다.
복잡한 자동화에서 Jev의 가능성
사용자가 LangChain 경험을 공유하고, Jev가 미래의 복잡한 자동화, 특히 적절한 LLM 선택에서 중요한 역할을 할 것이라고 예측합니다.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Jev 모델로 Chrome 확장 프로그램을 만들어 TV 광고 교체하기
사용자는 YouTube TV 광고를 피하기 위해 월 100달러를 지불할 의향이 있지만, 그렇게 할 수 없어서 TypeSafe AI의 Jev 모델로 Chrome 확장 프로그램을 만들어 광고를 평화로운 장면으로 교체했다는 내용입니다.
Jev로 Suzu 음성 받아쓰기 수정 워크플로우 개선
개발자는 Jev를 사용해 음성 텍스트 변환에 필요한 수정 유형을 평가하고, 결과를 소형 LLM에 넘겨 구두점이나 내용 오류를 수정합니다. 더 저렴하고 정확한 받아쓰기를 목표로 합니다.
6가지 AI 도구 연결: Jev가 여러 모델과 협업
게시물은 Grok Bot, Claude Opus 5.5, REA, Jev, Dots, Obsidian을 6개의 분리된 앱이 아닌 하나의 시스템으로 연결하고, 대시보드에서 완료된 작업 212개, 절약된 7시간 40분, $179 절약을 보고한다고 말합니다.
Jev의 판독 신뢰도 점수
Jev는 매 판독에 신뢰도 점수를 부여하며 초당 약 13회 처리하므로 낮은 신뢰도의 판독만 확인하면 됩니다.
Jev로 OCR 결과를 점수화하고 사람이 검토
저자는 Jev가 OCR로 파싱된 각 영역에 점수를 매기고 불확실한 부분을 사람에게 보내는 자동 검증 워크플로우를 설명합니다.
Jev가 저비용 채용 아웃리치를 자동화
한 사용자가 무료 Apollo 검색으로 ML 엔지니어 470명을 찾고, MonidHQ에서 Jev를 사용해 순위 지정, 검증, 5건의 통화를 총 $0.077에 수행한 예를 보여줍니다.
Jev + Grok 협업으로 워크플로우 90% 단축
Jev와 Grok 봇을 함께 사용하면 워크플로우가 90% 빨라진다는 사용자 경험. 아이디어를 입력하면 Grok이 작업으로 나누고, Jev가 다음 행동을 비교해 최적의 경로를 선택하며, Grok이 실행하고 확인합니다.
