THE JEV GUIDE · CURATED EDITION
ข่าวเปิดตัว คำอธิบาย เดโม และโปรเจกต์ชุมชนเกี่ยวกับ TypeSafe Jev จัดตามหัวข้อ แต่ละรายการลิงก์กลับไปยังโพสต์ต้นทางบน X
คัดสรรโดยทีม · ไม่ครบทั้งหมด · อัปเดตด้วยมือ
01 / EXPLORE
0 means awaiting a verified post
เปลี่ยนตั๋วสนับสนุนหนึ่งใบเป็นสี่การตัดสินใจแบบมีชนิด (เส้นทาง ลำดับความสำคัญ ความเสี่ยง การดำเนินการถัดไป) พร้อมความน่าจะเป็น เวลาแฝง ผู้ให้บริการ และค่าใช้จ่าย มี repo MIT Link
โดยยกตัวอย่างเคสสนับสนุนเกมที่ผู้ใช้คนเดิมส่งข้อร้องเรียนรายวันเกี่ยวกับตัวละครหนึ่ง โพสต์นี้พูดถึงเกณฑ์การตัดสินของ Jev และเปรียบเทียบกับการที่มนุษย์จัดประเภทเป็นจดหมายแฟน
Peter Ramsing แชร์ว่าทีมเริ่มใช้ Jev ของ TypeSafe เพื่อแนะนำคำถามติดตามขณะสร้างตั๋ว และเน้นว่าต้องรวดเร็วเพราะมักสร้างตั๋วระหว่างโทรศัพท์
ผู้เขียนแชร์ว่าการนำ Jev เข้าสู่ไปป์ไลน์ประมวลผลเสียงสนับสนุนหลังการขายที่สร้างด้วย Vane Data ช่วยเพิ่มความแม่นยำอย่างชัดเจน และระบุว่า Vane รองรับ vane.ai.jev(...) และ Relation.jev(...) แล้ว Link
เดโมที่นำไปปรับใช้ได้ โดย Jev จาก TypeSafe AI จัดประเภทและเก็บฟีดแบ็กที่พิมพ์หรือพูดเข้าอินบ็อกซ์ พร้อมคุกบุ๊ก
ผู้เขียนสร้างผู้ดูแลแชทแบบเรียลไทม์ด้วย Jev ที่สามารถตรวจจับคำไม่ดีได้หลายพันรูปแบบและการสะกดในหลายภาษา และระบุว่าราคาถูกมาก
Sam Siam แชร์เดโมของ Maksym ที่ Jev ไฮไลต์การคลิกถัดไปตามความต้องการที่อธิบาย และจินตนาการถึงการใช้เพื่อแนะนำผู้ใช้ CRM ใหม่ในการนำเข้าข้อมูลติดต่อ
ผู้เขียนได้ทดลองใช้งาน AI คัสตอมเมอร์ซัพพอร์ตด้วย Jev สำหรับคำถามเกี่ยวกับสัญญารับชม NHK โดยใช้แชทเพื่อระบุว่าผู้ใช้ควรต่ออายุ ต้องดำเนินการ ได้รับยกเว้น หรือยกเลิกได้ โดย Jev รับหน้าที่เลือกคำถามถัดไปตามคำตอบของผู้ใช้
ใช้ CowAgent สร้างเครื่องมือวิเคราะห์ตั๋วแบบกลุ่มบน Jev: หนึ่งการเรียกต่อตั๋วคืนค่าการจำแนก 7 รายการ คะแนน และการตัดสินแบบบูลพร้อมการแจกแจงความน่าจะเป็นในประมาณ 500ms
เดโมเครื่องมือคัดแยกตั๋วสนับสนุนที่สร้างด้วย Jev ซึ่งระบุทีม ความเร่งด่วน ความรุนแรง และอารมณ์ลูกค้าได้ในการเรียกครั้งเดียว
ผู้เขียนทดลองใช้ Jev AI เฉพาะทางตัดสินของ TypeSafe ในงานบริการลูกค้า พบว่ารวดเร็วและแม่นยำ แต่แม้เกือบถูกทั้งหมดก็ยังมีเคสที่ห้ามพลาด จึงเน้นการแบ่งบทบาทระหว่าง Code, LLM และ Human
การกำหนดเส้นทางตั๋วสนับสนุนสังเคราะห์ 72 ใบ: Jev ได้ 93% สำหรับแผนก 85% สำหรับความเร่งด่วน และ 99% สำหรับการตรวจจับการคืนเงิน; Laya ได้ 58% 63% และ 74% โดยรับรู้ตั๋วความปลอดภัยเพียง 1 จาก 12 ใบ