THE JEV GUIDE · CURATED EDITION
Tin ra mắt, giải thích, demo và dự án cộng đồng về TypeSafe Jev được sắp xếp theo chủ đề. Mỗi mục đều liên kết về nguồn X gốc.
Tuyển chọn biên tập · Không đầy đủ · Cập nhật thủ công
01 / EXPLORE
0 means awaiting a verified post
Kaustav Banerjee chia sẻ quy trình tự động hóa hoàn chỉnh cho một vé truy cập: 4 trong 20 bước liên quan đến phán đoán do Jev của TypeSafe AI xử lý, không phải LLM. LLM chỉ chạy một lần, toàn bộ vé tốn ₹0.16, phần của Jev dưới 1 paisa.
Tác giả đã nâng cấp phân loại kiểm duyệt AI trong cộng đồng Bitsocial từ gpt-5.6-luna lên gpt-6-luna, giá đầu vào rẻ hơn 50%, đầu ra rẻ hơn 58% và thông minh hơn. Jev vẫn xử lý các kiểm tra đơn giản, còn các trường hợp không chắc chắn sẽ chuyển đến grok-4.7.
Ví dụ quy trình thực tế: Jev đảm nhận các quyết định chi phí thấp, Picsart đảm nhận việc tạo nội dung thực tế, tránh để mô hình đắt tiền đoán mò từng bước và hướng tới quy trình quyết định trước, tiêu tốn sau.
Dùng Jev để điều hướng đến trang mục tiêu, sau đó để Playwright kiểm tra phần quan trọng. Một ví dụ thực tế về việc kết hợp Jev với Playwright cho bài kiểm thử tập trung.
Sai lầm tốn kém nhất trong kinh doanh AI là buộc một mô hình mạnh mẽ đưa ra mọi quyết định. Hãy lọc, đánh giá, chọn lựa, định tuyến: kết hợp Jev và DeepSeek để cắt giảm chi phí.
Một nhà phát triển đã tích hợp Jev vào GitHub Actions để tự động xác định và tạo số phiên bản (x.y.z) cho ứng dụng/dịch vụ từ Issue, PR và commit, cho rằng nhanh hơn và ít bất định hơn các LLM trước đây.
Somi giới thiệu mẹo của @awlevin: OCR màn hình, sau đó để Jev của TypeSafe chọn cú click tiếp theo, chỉ $0,0002 mỗi bước, rẻ hơn khoảng 155 lần so với Opus 5; cần tự viết phần phân tích ngày tháng. Link
Tác giả đã thử nghiệm 6 bot giao dịch hoàn toàn tự động sử dụng mô hình Jev, bao gồm hợp đồng tương lai và thị trường dự đoán, không có sự can thiệp của con người và chỉ cung cấp dữ liệu. Link
Tác giả khám phá cách Jev của TypeSafe AI có thể phù hợp với quy trình kinh doanh thực tế: quy trình quyết định hành động được phép (CAN) và Jev phán đoán (SHOULD).
Xác định yêu cầu công việc, tải lên hàng loạt CV và nhận các đánh giá có cấu trúc về khớp/không khớp, mọi kết luận đều có thể truy vết về văn bản CV gốc, hoàn thành trong vài giây.
Jason Zhou hướng dẫn cách thiết lập ba quy trình làm việc với Jev + Treg trong vòng chưa đầy 6 phút: phát hiện gian lận & sàng lọc đăng ký, tìm và đủ điều kiện tín hiệu mua hàng, và theo dõi nội dung lan truyền. Treg tìm dữ liệu, Jev phân loại dữ liệu, tiết kiệm 8.000 USD mỗi tháng.
Tác giả đã dùng Jev để đọc và phân loại 12.158 email Gmail chưa đọc, với Claude viết công cụ và Codex xem xét mã.