Jev เร่งความเร็ว Computer Use: หน่วยความจำ LLM พร้อมการทำงานของ Jev
LLM เก็บหน่วยความจำ/บริบท ใช้ agent-desktop จับภาพและส่งให้ Jev ซึ่งเลือกองค์ประกอบที่ถูกต้องเพื่อดำเนินการ ทำให้ Computer Use เร็วขึ้น รองรับ Cursor และโหมด headless
harness ที่สร้างด้วย TypeSafe Jev ลดต้นทุนงานซ้ำได้ 90%
ผู้เขียนสร้าง harness ใหม่ด้วย Jev ของ TypeSafe AI ที่เรียนรู้งานขณะรันและย้ายขั้นตอนจากการเรียก LLM ไปเป็นโค้ด ทำให้การแจ้งเตือน compliance 100,000 รายการลดจากกว่า 290,000 ดอลลาร์บน Opus 5 เหลือต่ำกว่า 26,000 ดอลลาร์ด้วย agentrun()
We built a new harness using @typesafeai's Jev that cuts the cost of repetitive work by 90%. The harness learns the job as it runs, moving steps from LLM calls to code. Running 100,000 compliance alerts costs >$290K on Opus 5. With agentrun() we got it down to <$26K.
· 1 likesOpen on X
More like this
Jev จำแนกอีเมล 500 ฉบับในไม่กี่วินาที ด้วยค่าใช้จ่าย 3.5 เซนต์
Riley Brown แชร์ว่า Jev จาก TypeSafe AI จำแนกอีเมล 500 ฉบับในไม่กี่วินาที ด้วยค่าใช้จ่ายเพียง 3.5 เซนต์ สะท้อนการจำแนกอีเมลที่รวดเร็วและประหยัด
วิดีโออธิบายที่ครอบคลุมสำหรับ AI Jev: AI ที่ไม่เขียนข้อความ
วิดีโออธิบายที่ครอบคลุมแนะนำ Jev AI ที่ไม่เขียนข้อความ แต่ตัดสินใจว่าควรส่งคำถามไปยังแผนกใดและเร่งด่วนเพียงใด
