用 Jev 分类模型逐步选择合法 token 编写 C++
作者用 TypeSafe 的 Jev 决策/分类模型做实验：每步只提供语法合法的候选 token，让模型选择，从而生成 C++ 代码。
用 Jev 优化翻译插件：按需 DOM 识别与合并请求
作者分享为个人翻译插件引入 Jev 进行 DOM 翻译判断的实践，只处理可见区域，合并请求批量翻译，滚动时按需加载，并结合 evot 模型以节省 token。
让 AI 按我的想法，迭代了一个给自己用的翻译插件。要简洁易用，技术方案尽量用新的，token 也要省。 比如用 Jev 判断哪些 HTML DOM 需要翻译，只处理当前看得到的区域，再把待翻译内容合并成一个 request，批量发送。滚动时按需加载，翻译跟得上，页面也不卡顿。再接上 evot 的 model
· 0 次赞在 X 打开
更多类似内容
Jev 用于代码审查
作者认为代码审查是 Jev 的一个很好的应用场景。
基于 Jev 的 PR 分诊工具 Fascin
开发者分享用 Jev 构建的 PR 分诊工具 Fascin，可判断 PR 紧急程度、变更类型和合并就绪度，并指出 Jev 负责实际推理。
