Jev 的用法：为搜索、邮件和动态界面提供快速决策

Jev 是一种面向决策的 AI 工具，我觉得它令人兴奋，因为它能快速、低成本地作出大量结构化决策。我会解释它与文本生成模型的区别，并展示人们用它构建的例子。

一个简单例子使用 JSON 提问热狗是不是三明治，并提供判断真假的标准。演示返回 73% 为真。Berman 说，当决策描述清楚、上下文充分、问题结构化时，Jev 最擅长发挥作用；这个分数是模型输出，并非客观定义。

它并不是为开放式写作或编程而设计的助手。它可以在明确的选项中作选择，例如从准备好的 UI 组件库中选择元素来组装页面。即使较慢的通用模型在单次决策上可能推理更好，速度也能改变哪些任务变得可行。

一个演示对网页内容中常见的 AI 模板化写作迹象进行分类，并解释判断。另一个项目 Unclutter 将页面元素和标准发送给 Jev，识别广告、横幅等杂项并移除。这些分类是工具的判断，并不能证明内容的实际来源。

视频录制时，Berman 引用的价格是每百万输入 token 4.2 美分，输出 token 不收费。Unclutter 使用用户自己的密钥。低价格和速度让交互式工作流中的大量小决策变得可行；所引用价格反映的是视频当时的情况。

视频赞助商 Zapier 已将 Jev 加入其自动化平台。Berman 举例说明，工作流可以按指定标准评估日历邀请，并在连接的应用之间作出选择。这是赞助示例，决策是否有用取决于提供的标准。

一个邮件演示按照看起来的重要性而非到达时间排列消息。Berman 展示了半秒内排序 100 封邮件的测试。这类系统可以帮助快速突出事项，但排序反映的是所提供的规则和模型判断。

浏览器搜索演示采用模糊、基于含义的匹配，而不是要求完全一致的词句。即使用户使用的措辞不同，它也能突出页面中的相关部分。这个例子开源，并使用用户自己的密钥。

动态界面示例让 Jev 从预先配置的按钮、输入框等组件库中选择元素。它可以根据用户请求选择表单或登录元素，快速组装页面。它选择的是现成组件，而不是从头编写整个应用。

Clipfast 演示根据输入的请求，从超过 90 分钟的视频中选择片段，并在两秒内返回结果。Berman 猜测系统可能扫描了文稿；视频并未说明其具体实现。用户随后可以下载所选片段。

其他演示将词句映射为配色方案，或在输入时选择相关表情符号。这些有趣的例子展示了大量快速选择：模型将海滩或某个角色等概念与颜色或符号关联起来。

Berman 鼓励观众试用该工具，并表示当时提供 5 美元的初始额度。他的主要观点是，结构化、低延迟决策可以支持交互界面和自动化；如果每次选择都要等待长文本回答，这些体验可能会显得缓慢。