Использование CowAgent для создания инструмента пакетного анализа тикетов на Jev: один вызов на тикет возвращает 7 классификаций, оценок и булевых суждений с распределениями вероятностей примерно за 500 мс.
Had CowAgent build a batch ticket analysis tool on Jev. Jev doesn't generate text. You send content and typed questions, it returns classifications, scores and booleans, each with a probability distribution. One call per ticket, 7 judgments, ~500ms.
Автор делится опытом использования Jev: сначала казалось сложно, но всё стало понятно, когда он представил это как «не позволять ИИ писать текст». На примере обработки запросов традиционный подход передаёт всё GPT или Claude для анализа, а Jev предлагает иной подход.
Прототип использует ИИ для оценки колебаний или интереса по движениям курсора или задержке перед кликом, наблюдая за поведением клиента и дополняя объяснения или предлагая сравнения.
Автор создал демо службы поддержки в реальном времени для электронной коммерции на Jev и gpt-live-1, которое мгновенно предлагает рекомендуемые товары на основе речи пользователя во время разговора, обеспечивая отличный опыт.
