THE JEV GUIDE · CURATED EDITION
Новини запусків, пояснення, демо та проєкти спільноти навколо TypeSafe Jev, впорядковані за темами. Кожен запис веде до джерела в X.
Редакційна добірка · Не повний список · Ручне оновлення
01 / EXPLORE
0 means awaiting a verified post
Перетворює один тікет підтримки на чотири типізовані рішення (маршрут, пріоритет, ризик, наступна дія) з імовірністю, затримкою, провайдером і вартістю, є MIT-репозиторій. Link
На прикладі звернення до підтримки гри, де той самий користувач щодня надсилає скарги на персонажа, у дописі обговорюються критерії оцінки Jev і порівнюються з людським рішенням віднести їх до фанатських листів.
Peter Ramsing розповідає, як його команда почала використовувати Jev від TypeSafe для підказок уточнювальних питань під час створення тікетів, наголошуючи на потребі швидкості, адже тікети часто створюють під час дзвінка.
Автор ділиться, що впровадження Jev в аудіо-пайплайн післяпродажної підтримки на базі Vane Data значно підвищило точність, і зазначає, що Vane тепер підтримує vane.ai.jev(...) та Relation.jev(...). Link
Демо для повторного використання: Jev від TypeSafe AI класифікує та зберігає у вхідних текстові чи голосові відгуки, є cookbook.
Автор створив модератор чату в реальному часі за допомогою Jev, який виявляє тисячі варіацій і написань поганих слів різними мовами, відзначивши його надзвичайно низьку ціну.
Sam Siam ділиться демо Maksym, де Jev підсвічує наступний клік за описаною потребою, і уявляє застосування для навчання нового користувача CRM імпорту контактів.
Автор випробував реалізацію ШІ-підтримки клієнтів із Jev для питань щодо договору підписки NHK, визначаючи через чат, чи користувач має продовжити, оформити, отримати звільнення чи скасувати; Jev відповідає за вибір наступного питання на основі відповідей.
Використання CowAgent для створення інструменту пакетного аналізу тікетів на Jev: один виклик на тікет повертає 7 класифікацій, оцінок і булевих суджень з розподілами ймовірностей приблизно за 500 мс.
Демонстрація інструменту сортування тікетів підтримки на Jev, який за один виклик визначає команду, терміновість, серйозність і настрій клієнта.
Автор тестує Jev — ШІ для оцінювання суджень від TypeSafe — у підтримці клієнтів: швидко й точно, але навіть за майже ідеальних результатів є випадки, які не можна пропустити, тож важливий розподіл ролей між Code, LLM і Human.
Маршрутизація 72 синтетичних тікетів підтримки: Jev отримав 93% для відділу, 85% для терміновості та 99% для виявлення повернень; Laya отримала 58%, 63% і 74%, розпізнавши лише 1 з 12 тікетів безпеки.