Torna al laboratorio

JEVLAB / FIELD GUIDE

Una guida pratica a Jev

Comprendi il modello, prova la tua prima decisione, poi scopri cosa stanno costruendo gli altri.

Jev è il modello decisionale di TypeSafe AI. Fornisci testo e domande specifiche; restituisce risposte tipizzate e probabilità che il tuo codice può utilizzare. Usa un LLM quando hai bisogno di scrittura o generazione a risposta aperta. Combinali quando la tua applicazione richiede entrambi.

01 / Piccole decisioni, all'interno del tuo software

Pensa a una casella di posta per l'assistenza. Il tuo software conosce i team disponibili, ma deve comprendere il messaggio di un cliente. Jev può selezionare un team, valutare l'urgenza o assegnare un punteggio al messaggio in base a una scala definita da te. Il tuo codice applica quindi le regole di routing. Il modello fornisce un giudizio; non esegue l'azione.

Jev attualmente accetta testo, inclusi JSON e array di testo. Non vede immagini, non ascolta audio, non genera prosa né scrive codice. Una demo basata su immagini richiede prima un altro componente per trasformare l'immagine in testo utilizzabile o osservazioni strutturate.

Vengono inseriti il contesto e una domanda delimitata. Ne esce una decisione tipizzata. Illustrazione concettuale, non un risultato misurato.
Vengono inseriti il contesto e una domanda delimitata. Ne esce una decisione tipizzata. Illustrazione concettuale, non un risultato misurato.

Leggi la fonte ufficiale

02 / Perché costruire un tipo diverso di modello?

L'obiettivo di TypeSafe è far sì che i giudizi dell'IA ristretta si comportino come componenti utili nel software ordinario. Il suo approccio di addestramento RLCD punta a decisioni e incertezza calibrata. Rinunciare alla generazione di testo a forma libera rende possibile un'interfaccia diversa: l'applicazione definisce lo spazio delle risposte e combina i risultati.

Una forma di output valida non è prova che la risposta sia vera. Valuta gli errori sui tuoi esempi e mantieni le azioni consequenziali dietro regole applicative esplicite.

Leggi la fonte ufficiale

03 / Tre modi per chiedere

Choice seleziona; Score valuta; Noul stima il sì. L'immagine illustra le interfacce, senza asserire precisione.
Choice seleziona; Score valuta; Noul stima il sì. L'immagine illustra le interfacce, senza asserire precisione.
Choice
Scegli un'opzione da un set fornito da te, come fatturazione, supporto tecnico o vendite. La risposta include l'opzione selezionata e una distribuzione tra le opzioni.
Score
Posiziona un'osservazione su livelli ordinati e descrittivi, come calmo, frustrato e molto frustrato. Il punteggio restituito può collocarsi tra i livelli; non è una probabilità generale di correttezza.
Noul
Chiedi se un'affermazione è valida. Noul restituisce la probabilità di sì, da 0 a 1. Poni domande separate per etichette che possono essere vere contemporaneamente.

Leggi la fonte ufficiale

Leggi l'incertezza prima di agire

Choice e Score restituiscono probabilità e un valore di confidenza separato derivato dalla loro distribuzione. La probabilità e la confidenza dell'opzione vincente sono numeri diversi. Noul ha una probabilità e nessun campo di confidenza separato.

Esempio didattico · confidenza fissa 0.72

0.72confidenceChiedi una revisione o maggiori informazioni

Sposta la soglia per vedere cambiare un ramo del codice. Questa è un'illustrazione fissa, non una previsione Jev o una soglia raccomandata. Testa i limiti rispetto al costo degli errori; superare la soglia non garantisce mai il permesso di agire.

Comprendere la confidenza

04 / Jev e un LLM svolgono lavori diversi

Queste sono differenze di interfaccia, non un'affermazione che un modello vince su ogni compito. Le capacità e la latenza degli LLM variano in base al modello, alle impostazioni, agli strumenti e all'input.

DimensioneJevLLM Generativo
OutputScelte definite, punteggi, probabilitàTesto o codice generato; molti modelli supportano anche l'output strutturato
Un utilizzo utileRouting, selezione, segnali di ranking, controlli delimitatiScrittura, spiegazione, ragionamento e generazione a risposta aperta
InputTesto o stato di testo strutturatoTesto; alcuni modelli accettano anche immagini, audio o video
Chi controlla l'azione?La tua applicazione combina i giudizi ed esegue le regoleLa tua applicazione deve comunque convalidare gli output e le azioni degli strumenti
IncertezzaOutput di probabilità progettati per decisioni calibrate; comunque fallibiliUna dichiarazione di confidenza scritta richiede una convalida specifica per il compito
Un'applicazione può instradare il lavoro verso codice, un modello generativo o una persona. Scegli lo strumento adatto alla decisione.
Un'applicazione può instradare il lavoro verso codice, un modello generativo o una persona. Scegli lo strumento adatto alla decisione.

Leggi la fonte ufficiale

05 / Abbastanza veloce da stare nell'interazione

70–500 msIntervallo end-to-end riportato da TypeSafe al lancio

Il post di lancio del 15 settembre di TypeSafe riporta questo intervallo per le sue chiamate a forma di decisione. Nota inoltre che le valutazioni pubblicate sono state generalmente eseguite dalla costa occidentale degli Stati Uniti. Si tratta di un'istantanea riportata dal fornitore, non di un benchmark JEVLAB o di una garanzia di latenza per la tua posizione.

Leggi la fonte ufficiale

Poni domande indipendenti sullo stesso stato insieme. Jev le valuta in parallelo. Questo può evitare una catena di chiamate separate, ma più domande aggiungono comunque token di input e devono rientrare nei limiti della richiesta. È necessaria una chiamata successiva quando una domanda dipende da una risposta precedente.

Uno stato condiviso, diverse domande indipendenti. La valutazione parallela non significa lavoro illimitato o gratuito.
Uno stato condiviso, diverse domande indipendenti. La valutazione parallela non significa lavoro illimitato o gratuito.

Leggi la fonte ufficiale

Le valutazioni del flusso di lavoro di TypeSafe confrontano interi flussi di lavoro. Le loro etichette di riferimento sono etichette di consenso generate dal modello, non un set di verità fondamentale umana. Leggi il metodo e testa i tuoi casi prima di adottare un'affermazione di velocità o precisione.

Leggi la fonte ufficiale

06 / Fai la tua prima chiamata

  1. Esplora gli esempi di richiesta nel nostro Decision Lab senza effettuare l'accesso. Per eseguire una chiamata reale al modello, apri il Playground di TypeSafe, accedi e inizia con uno stato breve e una domanda chiara.
  2. Crea una chiave API nella console TypeSafe. Conservala sul tuo server o in una variabile d'ambiente locale, mai nel codice del browser o in un repository pubblico.
  3. Chiama l'API direttamente o utilizza l'SDK ufficiale per JavaScript o Python. L'esempio seguente è una richiesta illustrativa; non effettua una richiesta da questa pagina.
  4. Raccogli esempi rappresentativi, registra la versione del modello, misura gli errori e la latenza end-to-end, e scegli quando agire o richiedere una revisione. Un punteggio di probabilità o confidenza non costituisce un'autorizzazione.
Richiesta illustrativa · le credenziali rimangono sul tuo server
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"
      }
    }
  }
}

Leggi la fonte ufficiale

Decision Lab / Prova la forma di una chiamata

Scegli un'attività e modifica il suo testo. La richiesta cambia immediatamente nel tuo browser. Questi sono modelli didattici originali, non risultati di modelli dal vivo; non è necessaria alcuna chiave API o accesso qui.

Choice sceglie un'opzione denominata. Descrivi chiaramente ogni opzione e includi una via d'uscita per l'input che non si adatta. Il tuo codice decide cosa succede dopo.

Gli esempi modificabili utilizzano l'inglese. Puoi sostituire lo stato con la tua lingua; testa l'accuratezza in quella lingua prima di fare affidamento sul risultato.

Corpo della richiesta · JSON
{
  "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"
      }
    }
  }
}

Avanti: invia questo corpo a POST /v1/systemone con la tua chiave API lato server. La console e l'API di TypeSafe richiedono un account provider. JEVLAB non raccoglie la tua chiave né invia questo esempio a un modello.

Riferimento API

Prima di rilasciare / Quattro cose da fare bene

L'output type-safe può comunque essere la risposta sbagliata. Costruisci attorno ai limiti documentati del modello, non attorno a una demo perfetta.

01

Stato piccolo ed esplicito

Invia i fatti rilevanti con nomi di campo chiari. Trasforma prima immagini o audio in testo utile. Contesti lunghi e non correlati e riferimenti indiretti possono ridurre l'accuratezza.

02

Domande che dicono ciò che intendono

Scrivi la condizione completa nelle istruzioni, non solo in una chiave di domanda. Evita scelte sovrapposte e criteri contraddittori. Separa i giudizi indipendenti; combinali nel codice.

03

Mantieni il lavoro esatto nel codice

Usa il codice per aritmetica, conteggi, confronti di date e controlli di autorizzazione. Usa un modello generativo quando hai bisogno di nuova prosa o codice. Jev sceglie o giudica all'interno dello spazio che definisci.

04

Misura il tuo flusso di lavoro

Usa esempi etichettati, inclusi casi ambigui, multilingue e avversari. Traccia le decisioni errate, il tasso di fallback, la latenza end-to-end e l'utilizzo dell'input. Registra la versione del modello restituita; gli alias possono cambiare.

Leggi le modalità di errore documentate di Jev 1.13

La tua lista di controllo per la prima build0 / 4

I passaggi selezionati rimangono solo in questo browser. Nessun account, sincronizzazione o tracciamento del completamento viene inviato a JEVLAB.

Ricette per crescere

  • Instradamento dell'intento

    Scegli tra i gestori, con un fallback esplicito per le richieste al di fuori del loro ambito.

  • Domande parallele

    Poni domande indipendenti sullo stesso stato insieme; gestisci le dipendenze in un passaggio successivo.

  • Punteggio composito

    Giudica dimensioni separate, quindi combina i loro valori con pesi che controlli nel codice.

  • Instradamento della confidenza

    Scegli se procedere, raccogliere più contesto o chiedere una revisione utilizzando soglie testate.

07 / Il tuo scaffale iniziale

Tieni questi riferimenti a portata di mano. La documentazione ufficiale definisce l'API; i progetti della community mostrano possibili applicazioni, non garanzie.

Dalla collezione JEVLAB

Esplora le librerie di origine

  • Made with Jev

    Spiegazioni e build pratiche, con una guida alla separazione di generazione, decisioni ed esecuzione.

  • Jevable

    Un flusso visivo di dimostrazioni della community. Guarda l'originale e ispeziona ciò che ogni demo invia effettivamente a Jev.

  • Awesome Jev

    Un ampio indice che separa le risorse ufficiali, gli SDK della community e le categorie di progetto. Controlla il repository originale prima di adottare uno strumento.

Queste sono fonti di scoperta indipendenti. L'inclusione in una directory non è un audit o un'approvazione da parte di JEVLAB.

Domande che vale la pena porre

Jev è un chatbot o un agente di codifica?

Jev è un modello decisionale che il software può chiamare. Un agente di codifica può aiutarti a costruire quel software e un modello linguistico può scrivere testo al suo interno. Questi sono ruoli diversi.

Jev può vedere un video o uno screenshot?

L'API documentata attualmente accetta testo. Una demo può utilizzare un modello di visione separato, trascrizione, DOM o stato del gioco per preparare il testo che Jev valuta. Ispeziona l'intero processo quando confronti velocità e costi.

Posso iniziare senza un account?

Tutto in questa guida JEVLAB e nel Decision Lab è disponibile senza accesso. Le chiamate API reali e il Playground ufficiale di TypeSafe richiedono l'accesso a TypeSafe e una chiave ove applicabile.

Un benchmark veloce significa che la mia applicazione sarà veloce?

Misura dall'input al risultato che vede il tuo utente. Anche il networking, la pre-elaborazione, l'esecuzione degli strumenti, i tentativi e i fallback richiedono tempo. Le valutazioni dei fornitori pubblicate e le demo dei creatori descrivono le proprie configurazioni.

08 / Come usare JEVLAB

JEVLAB è una guida pratica indipendente collegata alle fonti. Non è gestita da né affiliata a TypeSafe AI. La landing page serve per scoprire i lavori; questa guida serve per comprenderli.

Esplora il laboratorio apre la collezione. Cerca per progetto, creatore o argomento e restringi i risultati con i filtri per caso d'uso e piattaforma. La barra laterale desktop scorre indipendentemente. La funzione Popolari mescola le risorse corrispondenti a ogni nuova visita; Recenti mostra per prime le risorse aggiunte di recente. In entrambe le modalità, le singole schede dei Sostenitori vengono estratte dai progetti entro il loro periodo di 90 giorni con un totale netto positivo confermato, in proporzione a tale totale. I progetti con $0 non vengono selezionati. Un progetto non viene estratto nuovamente finché tutti i progetti idonei non hanno avuto un turno, dopodiché inizia un nuovo round.

Le schede di GitHub e dei siti web presentano un'anteprima, con layout di testo distinti sottostanti. I video mantengono la loro presentazione più ampia. Quando una fonte espone una metrica pubblica supportata, un occhio indica le visualizzazioni e una stella indica le stelle di GitHub acquisite al momento della raccolta; nessuna delle due è un conteggio dei clic di JEVLAB. Le metriche mancanti sono lasciate vuote.

Apri una scheda per le note sulla fonte, il link originale e il controllo di salvataggio. Le traduzioni sono ausili alla lettura; controlla l'originale del creatore per il contesto, le istruzioni attuali e le dichiarazioni sulle prestazioni.

I sostenitori condividono un'unica bacheca mondiale. La striscia mostra i primi dieci e la barra laterale mostra i primi cinque. Le singole schede tra le risorse vengono estratte da ogni progetto entro il suo periodo di 90 giorni con un supporto netto positivo confermato, inclusi i progetti fuori dai primi dieci e i contributori da $1, con probabilità proporzionali al supporto netto confermato del periodo corrente e senza ripetizioni all'interno di un round. Apri l’Albo dei sostenitori per vedere il totale attuale di 90 giorni di ogni progetto. I progetti scaduti rimangono in fondo con $0 e senza posizionamenti di riconoscimento o possibilità di selezione; un nuovo supporto confermato per lo stesso URL avvia un nuovo periodo e un nuovo totale da zero. Per contribuire, cerca l'URL del progetto, copia il suo messaggio e usa Continua con Buy Me a Coffee; incolla il messaggio nel checkout prima di pagare. Il supporto determina le posizioni nella bacheca e le probabilità di apparire prima nel feed, non la qualità editoriale. Le impressioni non sono garantite.

Live stima i visitatori attivi di recente. Total Visits somma le visite giornaliere di tutte le lingue; non conta persone uniche nell’intera vita del sito. Le visite e i clic esterni pubblici includono i valori iniziali dell’operatore e gli eventi misurati in seguito.

Fonti verificate il 22 settembre 2026. Le illustrazioni sono materiale esplicativo di JEVLAB. Le traduzioni sono assistite dall'IA; le fonti ufficiali rimangono autorevoli per i dettagli API attuali.