Författaren delar sin slutliga arkitektur: en Jev-modell fungerar som screener och bedömer likhetssannolikheter parallellt, osäkra par går till en annan Jev-modell med extra kontext, kod slår samman relevanta par och en Sonnet/Opus-modell hanterar resten.
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 håller minne/kontext, använder agent-desktop för att ta ögonblicksbilder och skickar dem till Jev, som väljer rätt element att agera på, vilket snabbar upp Computer Use med Cursor och headless-läge.
Riley Brown delar att TypeSafe AI:s Jev klassificerade 500 e-postmeddelanden på sekunder för bara 3,5 cent, vilket visar snabb och kostnadseffektiv e-postklassificering.
Omfattande förklarande video som introducerar Jev, en AI som inte skriver text utan avgör vilken avdelning förfrågningar ska dirigeras till och hur brådskande de är.
