Автор делится финальной архитектурой: модель Jev выступает скринером и параллельно оценивает вероятности сходства, неопределённые пары передаются другой модели Jev с дополнительным контекстом, код объединяет релевантные пары, а модель Sonnet/Opus обрабатывает остальное.
הארכיטקטורה הסופית שלי: 1) מודל Jev שהוא Screener: מקבל טקסט, ושופט במקביל עבור כל הטקסטים האחרים מה ההסתברות שהם מתארים את אותו הדבר. 2) עבור אלה שהוא לא היה בטוח: מודל Jev נוסף שמקבל זוג-זוג, עם עוד קונטקסט 3) קוד שמאחד את כל הזוגות הרלוונטיים 4) מודל Sonnet/Opus שמקבל את כל
LLM хранит память и контекст, использует agent-desktop для снимков и отправляет их в Jev, который выбирает нужный элемент для действия, ускоряя Computer Use с поддержкой Cursor и headless-режима.
Riley Brown делится, что Jev от TypeSafe AI классифицировал 500 писем за секунды всего за 3,5 цента, демонстрируя быструю и недорогую классификацию почты.
Полное объясняющее видео о Jev — ИИ, который не пишет текст, а определяет, в какой отдел направить запрос и насколько он срочный.
