James Long 测试 Jev 从银行原始数据提取收款人描述
James Long 用 Jev 解决个人财务工具中最棘手的问题:从原始银行数据中生成良好的收款人描述,首次尝试即达到约 95% 的完成度,并指出还有多种优化提问方式。
作者分享使用 Jev 和 TigerGraph 构建欺诈调查代理的流程:警报触发后,通过图证据、贝叶斯更新和模式识别,再由 Jev 进行额外查找,最终结合策略做出裁决并提交人工审批。Jev 充当控制层,负责协调决策流程。
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