ผู้เขียนแบ่งปันการย้ายขั้นตอนตัดสินใจคัดแยกผู้ป่วยรับใหม่จาก LLM ไปยัง Jev (@typesafeai): 25 คำถามแบบมีชนิด 0.29 วินาที $0.00015 โค้ดขับเคลื่อนเวิร์กโฟลว์ พร้อมวิธี ตัวเลข และข้อจำกัด
Healthcare intake is the hard case for AI triage: complex workflow, safeguards everywhere, a human able to check every decision. We moved the decision step from an LLM to Jev (@typesafeai): 25 typed questions, 0.29 s, $0.00015, code walks the workflow. Method, numbers, limits
ระหว่างการปรึกษาทางคลินิกแบบสด เครื่องบันทึกเสียงโดยรอบจะส่งข้อความถอดเสียงให้ Jev เป็นระยะ โดย Jev จะไล่ตามออนโทโลยีทางการแพทย์เพื่อจำแนกอาการ อัปเดตการวินิจฉัยแยกโรค แนะนำการรักษา และระบุสัญญาณอันตรายแบบเรียลไทม์
ผู้เขียนสาธิตวิธีคัดแยกผู้ป่วยไปยังแพทย์ที่เหมาะสมโดยใช้เพียงโมเดล Jev ของ TypeSafe AI และโค้ดสำหรับถามคำถาม โดยระบุว่าไม่มีการใช้ LLM ระหว่างการสนทนา
นักพัฒนาแบ่งปันการสร้างแอปติดตามแคลอรี่ด้วย Jev โดยเน้นประสบการณ์ทันที
