Ten post pokazuje przepływ kliniczny, w którym GLiNER znajduje metforminę, DeBERTa wychwytuje sprzeczność, Jev zwraca block_conflict, a kod zatrzymuje aktualizację do przeglądu przez człowieka — trzy rodziny modeli o różnych zadaniach w przepływie fail-closed.
i finally turned yesterday’s bar joke into a clinical workflow 😂 GLiNER finds metformin. DeBERTa catches the contradiction. Jev returns `block_conflict`. code stops the update and sends it to human review. 3 model families. 3 different jobs. one fail-closed workflow.
Podczas konsultacji klinicznych na żywo ambientowy skryba okresowo dostarcza transkrypcje do Jev, który przeszukuje ontologię medyczną, aby klasyfikować objawy, aktualizować diagnozę różnicową, sugerować leczenie i identyfikować sygnały ostrzegawcze w czasie rzeczywistym.
Autor pokazuje, jak skierować pacjenta do właściwego lekarza, używając wyłącznie modelu Jev od TypeSafe AI i odrobiny kodu do zadawania pytań, zaznaczając, że w trakcie rozmowy nie użyto LLM.
Deweloper dzieli się tworzeniem aplikacji do śledzenia kalorii z Jev, podkreślając natychmiastowe działanie.
