Автор делится рабочим процессом создания агента расследования мошенничества с использованием Jev и TigerGraph: после оповещения используются графовые доказательства, байесовское обновление и распознавание образов, Jev выполняет дополнительный поиск, а затем выносится решение на основе политики перед одобрением человеком. Jev выступает в роли контрольного слоя.
Been building a fraud investigation agent using Jev + TigerGraph. The flow is basically: Alert → graph evidence → Bayesian update → pattern → Jev's one extra lookup → policy → verdict → human approval. Jev isn't the decision-maker. It's the control layer that decides
James Long использует Jev для решения самой раздражающей проблемы финансовых инструментов: генерации описаний получателей из сырых банковских данных. С первой попытки достигнуто около 95%, есть много способов улучшить запросы.
Разработчик использует Jev для решения о покупке или продаже и выполняет реальные сделки в ончейн-книге заявок Kuru через Monad каждые 300 мс. Link
Erik Spock Gafni предлагает тем, кто много зарабатывает на торговле Jev, жертвовать часть прибыли на благотворительность.