Skip to content

Jev qué es ​

Imagina que eres supervisor de atención al cliente. Con cada mensaje que entra, haces mentalmente varios juicios rápidos: ¿de quién es este trabajo? ¿El cliente tiene prisa? ¿Hay que atenderlo de inmediato?

Olvida Jev por ahora. Aquí tienes un ticket con formato real; juzga tres cosas.

Tú decidesUn ticket, tres juicios
Our API integration started returning 500 errors on every request about 20 minutes ago, and we can’t process any customer orders until this is fixed.Idea general:Nuestra integración de API empezó a devolver errores 500 en cada solicitud hace unos 20 minutos; no podemos procesar ningún pedido de clientes hasta que se resuelva.

1¿A qué equipo debe ir este mensaje?

billing gestiona pagos y suscripciones, technical gestiona fallos e integraciones, sales gestiona precios y consultas de cuentas

2¿Qué tan enojado está el cliente? Arrastra hasta la posición que consideres adecuada

0 enunciado tranquilo1 frustrado pero contenido2 muy furioso

3«Este mensaje es muy urgente»: ¿qué tan seguro estás de que es verdad?

0 definitivamente no0.5 cincuenta y cincuenta1 definitivamente sí
Responde las tres preguntas antes de ver las respuestas

Jev es el modelo insignia de TypeSafe. Le entregas un material y varias preguntas, y no te devuelve un párrafo, sino respuestas y probabilidades que el código puede usar directamente. No genera ningún texto.

En esta sección no se escribe código. Al terminar de leer sabrás en qué se diferencia de GPT y Claude, y cuándo conviene usarlo.

Qué podrás hacer al terminar ​

  • Explicar en una frase qué es Jev y en qué se diferencia de un modelo de chat
  • Distinguir qué responde cada uno de los tres tipos de preguntas: Choice, Score y Noul
  • Juzgar si tu caso de uso es adecuado para Jev

Cómo es una petición ​

Cada llamada tiene la misma forma:

  • Un state: el material a juzgar. Puede ser un texto, un objeto JSON o un conjunto de textos.
  • Un conjunto de questions: preguntas con tipo.

Lo que devuelve es una respuesta tipada por cada pregunta, con su probabilidad, y en algunos tipos también confidence. Todas las preguntas se evalúan en paralelo e independientemente sobre el mismo material; añadir algunas más casi no aumenta el tiempo de respuesta.

Ver una vezUna solicitud: tres preguntas a la vez, tres respuestas a la vezLa respuesta es el ejemplo oficial; el código es ilustrativo

Oficialmente a este tipo de modelo lo llaman System One, tomando prestado el «pensamiento rápido» de «Pensar rápido, pensar despacio»: ese juicio que una persona experta, con el material adecuado delante, resuelve en segundos. Jev es el primer modelo System One.

  • Puedo nombrar las dos entradas de una petición: state y questions

En qué se diferencia de un modelo de chat ​

Probablemente has intentado pedirle a un modelo de chat que «decida a qué grupo va el ticket y devuelva JSON». A veces envuelve la respuesta en una valla de código, a veces escribe mal los nombres de los campos, y el código para analizar su salida acaba siendo más largo que la lógica de negocio. Dice que está «muy seguro», pero tu código no puede tomar una decisión basándose en esa frase.

Modelos de chat (GPT, Claude, etc.)Jev
Para qué está optimizadoGenerar texto para lectura humanaTomar decisiones que el código puede usar directamente
SalidaTexto libre; para obtener JSON hay que restringirlo con promptsRespuestas tipadas y probabilidades, con confidence en algunos tipos
¿Son fiables las probabilidades?Sin calibrar; «estoy muy seguro» es solo una forma de hablarEntrenado con calibración según resultados reales; las probabilidades reflejan la incertidumbre
¿Explica?Da explicaciones largasNo: no escribe respuestas, no escribe código, no explica su razonamiento
Uso típicoChat, redacción, autocompletado de códigoEnrutamiento, clasificación, puntuación, barreras de seguridad, juicios de sí/no

Pon a prueba tus conocimientosQuieres que un programa decida automáticamente «¿este comentario es publicidad?» y que solo lo borre automáticamente cuando esté muy seguro. ¿Cuál opción es más adecuada?

  • Puedo decir la mayor diferencia entre Jev y un modelo de chat: su salida son valores y probabilidades, no texto

Tres tipos de preguntas ​

Ya has hecho una de cada al principio.

Tipo de preguntaQué respondeDevuelve
ChoiceElegir una opción de un conjunto fijochoice, probabilities de cada opción, confidence
ScorePuntuar según los niveles que definasscore (puede caer entre dos niveles), probabilities, confidence
NoulSi una afirmación es verdadera o falsanoul: probabilidad de 0 a 1

Cuando ambos encajan, elige el que tu código pueda ejecutar directamente: Choice corresponde a un conjunto de ramas ya definidas, Score a un umbral, y Noul a un if.

Hay un cuarto tipo de pregunta, Box, que sirve para localizar cosas en imágenes; se explica por separado en Box e imágenes.

  • Puedo decir qué responde cada uno de los tres tipos de preguntas

Las probabilidades son para el código ​

Las respuestas de Jev incluyen «cuánta certeza» hay. No es un adorno: es para que tu código decida procesar automáticamente lo que tiene alta confianza y pasar a una persona lo que no.

Aquí tienes seis mensajes con la clasificación y la confianza que Jev podría dar. Arrastra la línea divisoria y mira cómo cambian los dos lados.

ArrastraProcesar automáticamente los que tienen suficiente seguridad y pasar el resto a una personaAnimación ilustrativa, la puntuación es solo para demostración

Procesar automáticamente3

Transferir a un agente humano3

SeguridadNo menos de 0.80 se procesa automáticamente y el resto queda para humanos. Dónde trazas esa línea lo decide tu código.

No hay una respuesta estándar sobre dónde trazar la línea. Cuanto más grave sea la acción (reembolso, borrado, suspensión de cuenta), más alta debería estar la línea.

  • Sé que las probabilidades y el confidence sirven para decidir en el código entre «hacerlo automáticamente o pasarlo a una persona»

Pruébalo con tus manos (opcional) ​

Si tienes una cuenta de TypeSafe, puedes probarlo sin escribir código en el Playground oficial. Si no tienes cuenta, sáltalo por ahora; la siguiente sección te guiará en el registro.

Abre console.typesafe.ai/playground, pega el texto original en inglés del ticket del principio en el state, y luego pega las tres preguntas siguientes en la zona de preguntas:

json
{
  "is_urgent": {
    "type": "noul",
    "instructions": "The message conveys urgency or time-sensitivity"
  },
  "department": {
    "type": "choice",
    "instructions": "Which team should handle this",
    "criteria": {
      "billing": "Payment or subscription issues",
      "technical": "Bugs or integration problems",
      "sales": "Pricing or account questions"
    }
  },
  "frustration": {
    "type": "score",
    "instructions": "How frustrated the customer appears",
    "criteria": [
      "Calm, just stating facts",
      "Frustrated but civil",
      "Very angry, strong language"
    ]
  }
}

Deberías ver: las tres respuestas se devuelven a la vez. El resultado del ejemplo oficial es technical, 0.67, 0.99; los valores reales pueden variar según la versión de Jev.

  • las tres respuestas se devuelven de una sola vez, sin necesidad de hacer tres peticiones

Qué no es ​

No puede actuar como el modelo detrás de Claude Code o Cursor. No genera texto en streaming, no llama a herramientas, no edita archivos; no existe ninguna configuración que permita reemplazar el modelo de un asistente de código por Jev. El uso correcto es al revés: deja que el asistente de código trabaje como de costumbre y escriba por ti "el código que llama a Jev". Véase cómo combinarlo con Claude Code.

No explica el porqué. La respuesta es solo un valor y una probabilidad. Si quieres un juicio más fino, divide la pregunta grande en varias preguntas pequeñas y combínalas en tu código. Por ejemplo, para puntuar un plan de negocio, divídelo en tres Score: tamaño de mercado, viabilidad técnica y diferenciación, y pondera tú mismo.

El contenido en chino debe probarse primero

El inglés es el idioma principal de entrenamiento de Jev, donde la precisión es la mejor. Otros idiomas (incluido el chino) funcionan, pero la documentación oficial indica claramente que la precisión es inferior a la del inglés. Antes de lanzar un escenario en chino, pruébalo primero con tus propios datos, prestando especial atención a confidence; cuanto mayor sea la acción, más conservador debe ser el umbral.

  • Sé que Jev no puede reemplazar al modelo detrás de un asistente de código
  • Sé que en escenarios en chino hay que probar primero con mis propios datos

Punto de control ​

  • Puedo explicar en una frase qué es Jev: le das material y una pregunta tipada, y devuelve una respuesta con probabilidad que el código puede usar directamente, sin generar texto
  • Puedo mencionar tres tipos de pregunta: Choice elige opciones, Score puntúa, Noul juzga verdadero o falso
  • Sé que la probabilidad sirve para que el código tome decisiones
  • Sé que no explica su razonamiento y que tampoco puede impulsar un asistente de código

Siguiente sección ​

Con los conceptos claros, ve a por la clave: registro y API Key.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.