Jev开源重制版发布:StartLux-Decision用于工单选项选择
来自中国的团队在上海开源了Jev的重制版,据称超过9B参数且优于原版。StartLux-Decision模型专注于从已提供的选项中选择最佳回复,避免让大模型先拟稿长文。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
Sponsors
这些产品赞助了本目录。 把你的产品放上来
来自中国的团队在上海开源了Jev的重制版,据称超过9B参数且优于原版。StartLux-Decision模型专注于从已提供的选项中选择最佳回复,避免让大模型先拟稿长文。
免费的 freeCodeCamp 教程:通过 Next.js 与 Jev 搭建 AI 辅助客服系统,学习工单接入、AI 分诊、人工审核和隐私安全等要点,集中处理分散在收件箱、表单和社交媒体的用户反馈。
了解如何用Next.js和Jev构建AI辅助支持系统,解决网站反馈分散在收件箱、表单和社交媒体的问题。教程涵盖工单接收、AI分类、人工审核和隐私安全。
一位用户在X上吐槽,Jev的token用完后想充值,却无法通过垃圾邮件检查,并@了TypeSafe AI寻求解决。
帖子展示了免费Jev实验室如何让AI读取工单状态并一次性回答三个问题:是否紧急、归属团队、行动紧迫度,为智能体构建者提供清晰参考。
信息流里每 16 张、每一页都有一张。每周 $50,任意一周可停。
展示了 Jev 在不读取通话内容的情况下,仅基于轮次、工具调用、工作流阶段和时序等结构化信息,在 2,029 次通话中完成约 3.8 万次轮次级预测,中位延迟 118 毫秒,且不接触来电者姓名、地址或健康信息。
Jev 不写作,而是读取情境并返回数字。例如将100封支持邮件在1.4秒内完成分类,在更大模型备份下96封正确,成本约7美分。
Jev作为电话接待员处理了2029个真实电话,中位响应时间仅118毫秒。可提供24/7全勤客服,从不疲倦或情绪不佳,适合电话业务密集的企业。
用户反馈在 TypeSafe AI 上使用 JEV 时无法添加积分,即使已绑定卡和账单地址;同时还遇到 Cloudflare 屏蔽 LAN IP、需删除 Cookie 才能登录等问题。
在3,080个支持工单上对比Jev与Claude Opus 5。仅将Jev低置信度答案发送给Opus,准确率达84%,成本仍比全部使用Opus低3.5倍。讨论三种部署策略:全部Opus、全部Jev、Jev优先不确定时转Opus。
用户分享将 Jev 1.13.0(TypeSafe,System One)接入支持台后的体验:输入状态和问题,输出决策,自动处理原本手工完成的通话。
用户向 Jev 询问工单归属部门时,Jev 给出 billing(0.84);改为询问根本原因应在哪里修复后,同一工单被归类为 engineering。演示了问题表述如何影响 Jev 的分析结果。
在 GitHub 点 Star,支持我们继续收集和整理 Jev 案例。