Panduan praktis untuk Jev

01 / Keputusan kecil, di dalam perangkat lunak Anda

Bayangkan sebuah kotak masuk dukungan pelanggan. Perangkat lunak Anda mengetahui tim yang tersedia, tetapi perlu memahami pesan pelanggan. Jev dapat memilih tim, menilai urgensi, atau memberikan skor pada pesan berdasarkan skala yang Anda tentukan. Kode Anda kemudian menerapkan aturan perutean. Model ini memberikan penilaian; model ini tidak mengeksekusi tindakan.

Jev saat ini menerima teks, termasuk JSON dan array teks. Jev tidak dapat melihat gambar, mendengarkan audio, menghasilkan prosa, atau menulis kode. Demo berbasis gambar memerlukan komponen lain terlebih dahulu untuk mengubah gambar menjadi teks yang dapat digunakan atau observasi terstruktur.

Baca sumber resmi

02 / Mengapa membangun jenis model yang berbeda?

Tujuan TYPESAFE adalah membuat penilaian AI yang sempit berperilaku seperti komponen yang berguna dalam perangkat lunak biasa. Pendekatan pelatihan RLCD-nya menargetkan keputusan dan ketidakpastian yang terkalibrasi. Meninggalkan pembuatan teks bentuk bebas memungkinkan antarmuka yang berbeda: aplikasi menentukan ruang jawaban dan menggabungkan hasilnya.

Bentuk output yang valid bukanlah bukti bahwa jawaban tersebut benar. Evaluasi kesalahan pada contoh Anda sendiri dan simpan tindakan konsekuensial di balik aturan aplikasi yang eksplisit.

Baca sumber resmi

03 / Tiga cara untuk bertanya

Choice

Pilih satu opsi dari rangkaian yang Anda sediakan, seperti penagihan, dukungan teknis, atau penjualan. Respons mencakup opsi yang dipilih dan distribusi di antara opsi-opsi tersebut.

Score

Tempatkan observasi pada tingkat yang berurutan dan deskriptif, seperti tenang, frustrasi, dan sangat frustrasi. Skor yang dikembalikan dapat berada di antara tingkat; ini bukan probabilitas umum dari kebenaran.

Noul

Tanyakan apakah suatu pernyataan benar. Noul mengembalikan probabilitas ya, dari 0 hingga 1. Ajukan pertanyaan terpisah untuk label yang bisa benar pada saat yang sama.

Baca sumber resmi

Baca ketidakpastian sebelum Anda bertindak

Choice dan Score mengembalikan probabilitas dan nilai kepercayaan terpisah yang berasal dari distribusinya. Probabilitas dan kepercayaan opsi pemenang adalah angka yang berbeda. Noul memiliki probabilitas dan tidak memiliki kolom kepercayaan terpisah.

Contoh pengajaran · kepercayaan tetap 0.72

0.72confidenceMinta tinjauan atau konteks lebih lanjut

Ambang batas Anda

0.80

Pindahkan ambang batas untuk melihat perubahan cabang kode. Ini adalah ilustrasi tetap, bukan prediksi Jev atau ambang batas yang disarankan. Uji batasan terhadap biaya kesalahan; melewati ambang batas tidak pernah memberikan izin untuk bertindak.

Memahami kepercayaan

04 / Jev dan LLM melakukan pekerjaan yang berbeda

Ini adalah perbedaan antarmuka, bukan klaim bahwa satu model memenangkan setiap tugas. Kemampuan dan latensi LLM bervariasi berdasarkan model, pengaturan, alat, dan input.

Baca sumber resmi

05 / Cukup cepat untuk berada dalam interaksi

Postingan peluncuran TYPESAFE pada 15 September melaporkan rentang ini untuk panggilan berbentuk keputusan. Postingan tersebut juga mencatat bahwa evaluasi yang diterbitkan umumnya dijalankan dari Pantai Barat AS. Ini adalah snapshot yang dilaporkan vendor, bukan tolok ukur JEVLAB atau jaminan latensi untuk lokasi Anda.

Baca sumber resmi

Ajukan pertanyaan independen tentang status yang sama secara bersamaan. Jev mengevaluasinya secara paralel. Ini dapat menghindari rangkaian panggilan terpisah, tetapi lebih banyak pertanyaan tetap menambah token input dan harus memenuhi batas permintaan. Panggilan nanti diperlukan jika suatu pertanyaan bergantung pada jawaban sebelumnya.

Baca sumber resmi

Evaluasi alur kerja TYPESAFE membandingkan seluruh alur kerja. Label referensi mereka adalah label konsensus yang dihasilkan model, bukan kumpulan kebenaran dasar manusia. Baca metodenya dan uji kasus Anda sendiri sebelum mengadopsi klaim kecepatan atau akurasi.

Baca sumber resmi

06 / Lakukan panggilan pertama Anda

1. Jelajahi contoh permintaan di Decision Lab kami tanpa perlu masuk. Untuk menjalankan panggilan model yang sebenarnya, buka Playground TypeSafe, masuk di sana, dan mulailah dengan satu status singkat serta pertanyaan yang jelas.
2. Buat kunci API di konsol TypeSafe. Simpan di server Anda atau dalam variabel lingkungan lokal, jangan pernah di kode peramban atau repositori publik.
3. Panggil API secara langsung atau gunakan SDK JavaScript atau Python resmi. Contoh di bawah ini adalah permintaan ilustratif; ini tidak melakukan permintaan dari halaman ini.
4. Kumpulkan contoh representatif, catat versi model, ukur kesalahan dan latensi end-to-end, serta tentukan kapan harus bertindak atau meminta peninjauan. Skor probabilitas atau kepercayaan bukanlah otorisasi.

Situs web resmiPlayground & kunci APIReferensi APISDK resmi

POST https://api.typesafe.ai/v1/systemone
Authorization: Bearer $TYPESAFE_API_KEY
Content-Type: application/json

{
  "state": {
    "message": "I cannot sign in to my account."
  },
  "model": "jev-latest",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Which team should handle this message?",
      "criteria": {
        "billing": "Payments or invoices",
        "support": "Account access or technical problems",
        "sales": "Pricing or product questions"
      }
    }
  }
}

Baca sumber resmi

Decision Lab / Coba bentuk panggilan

Pilih tugas dan edit teksnya. Permintaan akan berubah seketika di browser Anda. Ini adalah templat pengajaran asli, bukan hasil model langsung; tidak diperlukan kunci API atau masuk di sini.

{
  "model": "jev-latest",
  "state": "I need help signing in after changing my phone.",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Choose the team that can best help with the message in state. Use other when none fits.",
      "criteria": {
        "accounts": "Sign-in or account access",
        "billing": "Charges, invoices or subscriptions",
        "other": "Another issue, or not enough information"
      }
    }
  }
}

Selanjutnya: kirim isi ini ke POST /v1/systemone dengan kunci API sisi server Anda. Konsol dan API milik TypeSafe memerlukan akun penyedia. JEVLAB tidak mengumpulkan kunci Anda atau mengirim contoh ini ke model.

Referensi API

Sebelum Anda merilis / Empat hal yang harus dipastikan

Output yang aman terhadap tipe (type-safe) bisa saja tetap menjadi jawaban yang salah. Bangun sistem berdasarkan batasan model yang terdokumentasi, bukan berdasarkan demo yang sempurna.

Baca mode kegagalan Jev 1.13 yang terdokumentasi

Resep untuk dikembangkan

• Perutean niat

  Pilih di antara penangan, dengan fallback eksplisit untuk permintaan di luar cakupannya.

• Pertanyaan paralel

  Ajukan pertanyaan independen tentang status yang sama secara bersamaan; tangani dependensi pada langkah selanjutnya.

• Penilaian komposit

  Nilai dimensi yang terpisah, lalu gabungkan nilainya dengan bobot yang Anda kontrol dalam kode.

• Perutean kepercayaan

  Pilih apakah akan melanjutkan, mengumpulkan lebih banyak konteks, atau meminta tinjauan menggunakan ambang batas yang telah diuji.

07 / Rak awal Anda

Simpan referensi ini di dekat Anda. Dokumentasi resmi mendefinisikan API; proyek komunitas menunjukkan kemungkinan aplikasi, bukan jaminan.

• Mulai cepat
• Memperkenalkan Model System One & Jev
• Manifesto TypeSafe
• Memahami kepercayaan
• Model, harga & batas saat ini
• Evaluasi alur kerja & metodologi

Dari koleksi JEVLAB

• JEVLAB ART
  typesafe-sdk-cpppewriebontal
• JEVLAB ART
  go-jevmattn
• JEVLAB ART
  jev-cookbookparamjeetn
• JEVLAB ART
  typesafe-sdk-rustzchee
• JEVLAB ART
  system-oneasynq-io
• JEVLAB ART
  jev-netbrightshore

Jelajahi pustaka sumber

• Made with Jev

  Penjelasan dan pembangunan praktis, dengan panduan untuk memisahkan pembuatan, keputusan, dan eksekusi.

• Jevable

  Aliran visual demonstrasi komunitas. Tonton yang asli dan periksa apa yang sebenarnya dikirim oleh setiap demo ke Jev.

• Awesome Jev

  Indeks luas yang memisahkan sumber daya resmi, SDK komunitas, dan kategori proyek. Periksa repositori asli sebelum mengadopsi alat.

Ini adalah sumber penemuan independen. Dimasukkannya dalam direktori bukan merupakan audit atau dukungan oleh JEVLAB.

Pertanyaan yang layak diajukan

Model, harga & batas saat iniApakah Jev adalah chatbot atau agen pengodean?

08 / Cara menggunakan JEVLAB

JEVLAB adalah panduan lapangan independen yang terhubung dengan sumber. JEVLAB tidak dioperasikan oleh atau berafiliasi dengan TypeSafe AI. Halaman arahan ditujukan untuk menemukan karya; panduan ini ditujukan untuk memahaminya.

Jelajahi lab untuk membuka koleksi. Cari berdasarkan proyek, kreator, atau topik dan persempit hasil dengan filter kasus penggunaan dan platform. Bilah sisi desktop dapat digulir secara independen. Popular mengacak sumber daya yang cocok pada setiap kunjungan baru; Latest menampilkan sumber daya yang baru ditambahkan terlebih dahulu. Dalam kedua mode, kartu Pendukung individu diambil dari proyek dalam periode 90 hari mereka dengan total bersih terkonfirmasi positif, secara proporsional dengan total tersebut. Proyek dengan $0 tidak dipilih. Sebuah proyek tidak akan ditarik lagi sampai semua proyek yang memenuhi syarat mendapatkan giliran, kemudian babak baru dimulai.

Kartu GitHub dan situs web diawali dengan pratinjau, dengan tata letak teks yang berbeda di bawahnya. Video mempertahankan presentasi yang lebih lebar. Ketika sebuah sumber menampilkan metrik publik yang didukung, ikon mata berarti jumlah tayangan dan ikon bintang berarti bintang GitHub yang diambil pada saat pengumpulan; keduanya bukan jumlah klik JEVLAB. Metrik yang tidak tersedia dibiarkan kosong.

Buka kartu untuk catatan sumber, tautan asli, dan kontrol simpan. Terjemahan adalah alat bantu membaca; periksa sumber asli pembuat untuk konteks, instruksi saat ini, dan klaim kinerja.

Para pendukung berbagi satu papan di seluruh dunia. Strip menampilkan sepuluh besar dan bilah sisi menampilkan lima besar. Kartu individu di antara sumber daya diambil dari setiap proyek dalam periode 90 hari dengan dukungan bersih terkonfirmasi positif, termasuk proyek di luar sepuluh besar dan kontributor $1, dengan peluang proporsional terhadap dukungan bersih terkonfirmasi periode saat ini dan tidak ada pengulangan dalam satu putaran. Buka Galeri Pendukung untuk melihat total 90 hari setiap proyek saat ini. Proyek yang kedaluwarsa tetap berada di bagian bawah dengan $0 dan tidak ada penempatan pengakuan atau peluang seleksi; dukungan terkonfirmasi baru untuk URL yang sama memulai periode baru dan total baru dari nol. Untuk berkontribusi, cari URL proyek, salin pesannya, dan gunakan Lanjutkan dengan Buy Me a Coffee; tempel pesan tersebut ke dalam checkout sebelum membayar. Dukungan menentukan posisi papan dan peluang kemunculan feed lebih awal, bukan kualitas editorial. Tayangan tidak dijamin.

Live memperkirakan pengunjung yang baru-baru ini aktif. Total Visits menjumlahkan kunjungan harian semua bahasa, bukan jumlah orang unik sepanjang masa situs. Jumlah kunjungan dan klik keluar publik mencakup nilai awal dari pengelola serta peristiwa yang diukur setelahnya.

Kembali ke labSupporters