THE JEV GUIDE · CURATED EDITION
Launch nieuws, uitleg, demo’s en community projecten rond TypeSafe Jev, geordend per onderwerp. Elke vermelding linkt terug naar de bron op X.
Gecureerde selectie · Niet volledig · Handmatig bijgewerkt
01 / EXPLORE
0 means awaiting a verified post
Zet één supportticket om in vier getypeerde beslissingen (routering, prioriteit, risico, volgende actie) met waarschijnlijkheid, latentie, provider en kosten, met MIT-repo. Link
Aan de hand van een gamesupport-case waarin dezelfde gebruiker dagelijks klachten over een personage stuurt, bespreekt de post Jevs beoordelingscriteria en vergelijkt die met een mens die ze als fanmail classificeert.
Peter Ramsing deelt hoe zijn team TypeSafe's Jev begint te gebruiken om vervolgvragen voor te stellen bij het aanmaken van tickets, en benadrukt dat het snel moet zijn omdat tickets vaak tijdens telefoneren worden gemaakt.
De auteur deelt dat het introduceren van Jev in een audio-pipeline voor after-sales support gebouwd met Vane Data de nauwkeurigheid aanzienlijk verbeterde, en meldt dat Vane nu vane.ai.jev(...) en Relation.jev(...) ondersteunt. Link
Herbruikbare demo waarin Jev van TypeSafe AI getypte of gesproken feedback classificeert en in de inbox plaatst, met cookbook.
De auteur bouwde een realtime chatmoderator met Jev die duizenden variaties en spellingen van slechte woorden in meerdere talen kan detecteren, en noemt de extreem lage prijs.
Sam Siam deelt Maksyms demo waarin Jev de volgende klik markeert op basis van een beschreven behoefte, en stelt zich het gebruik voor om een nieuwe CRM-gebruiker te begeleiden bij het importeren van contacten.
De auteur probeerde een AI-klantenservice-implementatie met Jev voor vragen over het NHK-abonnementscontract, waarbij via chat wordt bepaald of de gebruiker moet voortzetten, actie moet ondernemen, vrijstelling krijgt of kan opzeggen; Jev selecteert de volgende vraag op basis van de antwoorden.
CowAgent gebruiken om een batch-ticketanalysetool op Jev te bouwen: één aanroep per ticket retourneert 7 classificaties, scores en booleaanse oordelen met kansverdelingen in ongeveer 500 ms.
Demo van een met Jev gebouwd supportticket-triagehulpmiddel dat in één aanroep team, urgentie, ernst en klantstemming bepaalt.
De auteur test Jev, de op beoordeling gerichte AI van TypeSafe, in klantenservice: snel en trefzeker, maar zelfs bij bijna alles goed zijn er gevallen die niet gemist mogen worden, dus rolverdeling tussen Code, LLM en Human is belangrijk.
Routeren van 72 synthetische supporttickets: Jev scoorde 93% voor afdeling, 85% voor urgentie en 99% voor terugbetalingsdetectie; Laya scoorde 58%, 63% en 74% en herkende slechts 1 van de 12 veiligheidstickets.