Tác giả chia sẻ quy trình xây dựng tác nhân điều tra gian lận với Jev và TigerGraph: sau cảnh báo, bằng chứng đồ thị, cập nhật Bayes và nhận dạng mẫu được sử dụng, Jev thực hiện tra cứu bổ sung và đưa ra quyết định dựa trên chính sách trước khi con người phê duyệt. Jev đóng vai trò là lớp kiểm soát.
Been building a fraud investigation agent using Jev + TigerGraph. The flow is basically: Alert → graph evidence → Bayesian update → pattern → Jev's one extra lookup → policy → verdict → human approval. Jev isn't the decision-maker. It's the control layer that decides
James Long dùng Jev để giải quyết vấn đề khó chịu nhất trong công cụ tài chính cá nhân: tạo mô tả người nhận tốt từ dữ liệu ngân hàng thô. Đạt khoảng 95% ngay lần thử đầu, với nhiều cách cải thiện.
Nhà phát triển dùng Jev để quyết định mua hoặc bán và thực hiện giao dịch thật trên sổ lệnh on-chain của Kuru qua Monad mỗi khối 300ms. Link
Erik Spock Gafni gợi ý những ai kiếm được nhiều lợi nhuận từ giao dịch Jev nên quyên góp một phần lợi nhuận cho từ thiện.