สร้างตัวจำแนกโค้ดเบสด้วย Jev
นักพัฒนแชร์การสร้างตัวจำแนกโค้ดเบสด้วย Jev โดยเสนอว่าอาจแก้ปัญหาโค้ดที่ซับซ้อนเกินไปจากเอเจนต์ และถามว่าควรทดสอบอะไรต่อไป
Jev-GPT เทียบกับ LLM แบบความน่าจะเป็น: การให้เหตุผลการย้ายฐานข้อมูล
ผู้เขียนใช้ Jev-GPT (ขับเคลื่อนโดยเอนจินการให้เหตุผลแบบกำหนดได้ของ TypeSafe AI) วิเคราะห์วิธีการย้ายข้อมูลแบบ dual-write เทียบกับตารางเงา trigger เปรียบเทียบกับความเสี่ยงล้มเหลวของ LLM แบบความน่าจะเป็น
Probabilistic LLMs fail on 1TB zero-downtime DB migrations. One hallucinated lock kills production. Posed dual-write vs trigger shadow tables to Jev-GPT (powered by @typesafeai deterministic reasoning engine). Clean trade-offs. Test it: https://jev-gpt.vercel.app #SystemDesign
· 0 likesOpen on X
More like this
Jev ทำให้ LLM-as-a-Judge เร็วขึ้น 20–200 เท่า และถูกลง 40–400 เท่า
Jev ถูกใช้เพื่อเลือกว่าโมเดลใดคือ AGI โดยให้ความเร็ว 20–200 เท่าและต้นทุนต่ำลง 40–400 เท่า ทำให้ LLM-as-a-judge เร็วมากและเกือบฟรี
ทดสอบแอปด้วย TypeSafe Jev และ OpenCode
Filip แชร์เดโมเล็กๆ ที่แสดงความเร็วในการทดสอบแอปด้วย TypeSafe Jev และ OpenCode
