Jev 使用心得：不让 AI 写文本，处理咨询更清晰
作者分享使用 Jev 的体会：起初觉得棘手，但把它理解为“不让 AI 写文本”后就豁然开朗。以处理咨询为例，传统做法是把整段内容丢给 GPT 或 Claude 分析，而 Jev 的思路不同。
Jev 仅凭通话结构即可做出预测
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。
Calls have a shape. Jev never heard a word. It saw only turns, tool calls, workflow stages and timing, and still made 38,012 turn-level forecasts across 2,029 calls. That's about 19 per call, at a 118 ms median. Structure-only input means no caller names, addresses or health
· 0 次赞在 X 打开
更多类似内容
基于 Jev 的实时客服原型
该原型利用 AI 根据光标来回移动或点击前的停留来估计客户的犹豫或兴趣，观察客户状态并补充说明或建议比较。
基于 Jev 与 gpt-live-1 的电商实时客服演示
作者使用 Jev 和 gpt-live-1 构建了电商实时客服演示，能在对话中根据用户语音即时推荐商品，带来出色的体验。
