THE JEV GUIDE · CURATED EDITION
Wiadomości premierowe, wyjaśnienia, demo i projekty społeczności wokół TypeSafe Jev, uporządkowane według tematów. Każdy wpis prowadzi do źródła na X.
Selekcja redakcyjna · Niepełna · Aktualizowana ręcznie
01 / EXPLORE
0 means awaiting a verified post
Kaustav Banerjee udostępnia w pełni zautomatyzowany przepływ pracy dla biletu dostępu: 4 z 20 kroków obejmuje oceny wykonywane przez Jev od TypeSafe AI, a nie przez LLM. LLM uruchamia się tylko raz, cały bilet kosztuje ₹0.16, a udział Jev mniej niż 1 paisę.
Autor ulepszył triage moderacji AI w społecznościach Bitsocial z gpt-5.6-luna na gpt-6-luna. Wejście o 50% tańsze, wyjście o 58% tańsze, a przy tym mądrzejsze. Jev nadal zajmuje się prostymi kontrolami, a niepewne trafiają do grok-4.7.
Praktyczny przykład przepływu pracy: Jev obsługuje tanie decyzje, a Picsart rzeczywistą generację, unikając zgadywania przez drogie modele na każdym kroku i umożliwiając proces, który najpierw decyduje, a potem wydaje.
Użyj Jev, aby przejść do docelowej strony, a następnie pozwól Playwright przetestować ważne części. Praktyczny przykład łączenia Jev z Playwright do celowanych testów.
Najdroższym błędem w biznesie AI jest zmuszanie potężnego modelu do podejmowania każdej decyzji. Filtruj, oceniaj, wybieraj, kieruj: połącz Jev i DeepSeek, aby obniżyć koszty.
Deweloper zintegrował Jev z GitHub Actions, aby automatycznie określać i generować numery wersji (x.y.z) aplikacji/usług na podstawie Issues, PR i commitów. Twierdzi, że jest to szybsze i mniej niepewne niż wcześniejsze LLM.
Somi pokazuje trik @awlevina: OCR ekranu, a następnie Jev od TypeSafe wybiera następne kliknięcie, za 0,0002 $ za krok, około 155 razy taniej niż Opus 5; parsowanie dat trzeba napisać ręcznie. Link
Autor przetestował 6 w pełni automatycznych botów tradingowych opartych na modelu Jev, obejmujących kontrakty terminowe i rynki predykcyjne, bez interwencji człowieka i tylko z dostarczaniem danych. Link
Autor bada, jak Jev od TypeSafe AI może wpasować się w rzeczywiste przepływy pracy: przepływ decyduje o dozwolonych działaniach (CAN), a Jev ocenia (SHOULD).
Zdefiniuj wymagania stanowiska, prześlij CV masowo i otrzymaj ustrukturyzowane oceny dopasowania/niedopasowania, a każdy wniosek można prześledzić do oryginalnego tekstu CV, ukończone w kilka sekund.
Jason Zhou pokazuje, jak w mniej niż 6 minut skonfigurować trzy przepływy pracy z Jev + Treg: wykrywanie oszustw i screening rejestracji, znajdowanie i kwalifikowanie sygnałów zakupowych oraz śledzenie viralowych treści. Treg znajduje dane, Jev je klasyfikuje, oszczędzając 8 000 USD miesięcznie.
Autor użył Jev do odczytania i sklasyfikowania 12 158 nieprzeczytanych e-maili Gmail; Claude napisał narzędzie, a Codex sprawdził kod.