Wofür können Sie Jev einsetzen?

Erst die Entscheidung bestimmen, dann das Modell wählen

Eine nützliche Einstiegsaufgabe hat eine klar eingegrenzte Frage, genügend Belege für ihre Beantwortung und einen eindeutigen nächsten Schritt. Bei einer Kundennachricht könnten das die angefragte Leistung, der relevante Kontodatensatz und eine vorgeschlagene Warteschlange sein. Bei einem Dokument könnten es die Suchfrage eines Lesers, der Text und eine zu prüfende Fundstelle sein.

Die Abläufe sind Gestaltungsvorschläge, sofern sie nicht ausdrücklich als offizielle Beispiele oder Community-Berichte gekennzeichnet sind. Wir haben Live-Aufrufe zur Funktionsprüfung dieser Website durchgeführt, aber die Fälle Dritter nicht unabhängig reproduziert und keine Qualitäts- oder Leistungsbenchmarks veröffentlicht. Eine funktionierende Demo oder ein einzelnes Ergebnis belegt keine Genauigkeit dieser Anwendungen.

Community-Beispiele: So setzen Entwickler Jev ein

Diese öffentlichen Berichte zeigen konkrete Entscheidungsaufgaben, die Entwickler getestet haben. Jede Zusammenfassung verlinkt den Originalbericht. Die Aufnahme bedeutet keine Empfehlung dieser Website durch TypeSafe oder die vorgestellten Teams.

Eine Textprüfung im offiziellen Playground ausprobieren

Eigenes fiktives Lernbeispiel; keine aufgezeichneten Modellergebnisse. Diese separate Übung greift den Anwendungsfall Textprüfung auf. Sie ist weder der Prompt von Every noch eine Reproduktion seines Experiments. Orbit Notes ist ein fiktives Produkt. Eingabe und Fragen bleiben zum Kopieren in allen Sprachen im selben englischen Wortlaut.

Offiziellen Playground öffnen

Eine externe TypeSafe-Seite. Melden Sie sich mit Ihrem eigenen Konto und den erforderlichen Zugriffsrechten an. Ein Wartelisteneintrag allein gewährt noch keinen Zugang.

1. Fügen Sie das folgende Beispiel in das Feld state ein.

2. Legen Sie drei Noul-Fragen mit den unten aufgeführten Namen und Anweisungen an. Der offizielle Schnellstart erklärt die Eingabe von state und Fragen.

3. Führen Sie die Anfrage im offiziellen Playground aus. Lesen Sie jede ausgegebene Wahrscheinlichkeit zusammen mit ihrer Frage. Ändern Sie bei Bedarf das Beispiel und führen Sie es erneut aus.

Fiktive Eingabe

Orbit Notes saves your drafts locally.
Your drafts are stored on your device.
Click Export to download a copy.

Einzugebende Fragen

repetition (Noul)
Does the text repeat a claim without adding new information?

clear_action (Noul)
Does the text explain what happens when the reader clicks Export?

guaranteed_safety (Noul)
Does the text claim that a draft can never be lost?

Prüfen Sie, ob die ersten beiden Sätze unterschiedliche Informationen liefern, ob die Export-Aktion erklärt wird und ob der Text verspricht, dass Entwürfe niemals verloren gehen können. Die Fragen sind unabhängig; ihre Wahrscheinlichkeiten müssen sich nicht zu eins summieren. Nutzen Sie die Urteile als Hinweise für eine menschliche Prüfung. Die Übung enthält keine erwarteten Werte oder Schwellen für automatische Entscheidungen.

Vier Rollen, vier Einstiegsmöglichkeiten

Entwicklung: eine semantische Regel prüfen

Probieren Sie eine eng formulierte Konvention aus, die gewöhnliches Linting nicht erfasst: Führt eine Änderung einen für Nutzer sichtbaren Fehler ein, ohne einen Weg zur Behebung zu erklären? Stellen Sie den relevanten Diff und die Regel bereit und lassen Sie einen Hinweis für die Prüfung ausgeben. Die offizielle Übersicht der Anwendungsfälle umfasst semantisches Code-Linting; diese konkrete Prüfung ist unser Vorschlag zur Veranschaulichung.

Behalten Sie Compiler, Testsuite und exakte Lint-Regeln bei. Lassen Sie einen Prüfer die markierten Zeilen ansehen und entscheiden, ob der Einwand berechtigt ist. Beginnen Sie mit hinweisenden Kommentaren, damit Sie die Kosten von Fehlalarmen einschätzen können, bevor Sie die Prüfung zur Voraussetzung für einen Merge machen. Dies ist eine vorgeschlagene Integration, kein von dieser Website bereitgestellter PR-Bot.

Supportteams: Zuständigkeit und Dringlichkeit trennen

Ein verärgerter Kunde benötigt womöglich die Abrechnung und nicht die Entwicklung. Eine scheinbar ruhige Nachricht kann einen dringenden Ausfall beschreiben. Fragen Sie getrennt nach dem Zielteam und der zeitlichen Dringlichkeit und wenden Sie anschließend eine Regel für die Warteschlangen an. Der offizielle Schnellstart liefert das unten gezeigte Ticketbeispiel.

Ihre Anwendung muss weiterhin Kontofakten abrufen, doppelte Tickets erkennen und die Regeln für Erstattungen oder Kontoänderungen durchsetzen. Eine Klassifizierung bestätigt nicht, dass ein gemeldeter Fehler tatsächlich aufgetreten ist.

Such- und RAG-Teams: vor dem Schreiben die Belege auswählen

Retrieval-augmented Generation (RAG), also durch Informationsabruf ergänzte Texterzeugung, stellt einem Textgenerator gefundenes Material bereit. Jev lässt sich als Zwischenschritt zwischen Suche und Texterzeugung prüfen. TypeSafe untersucht im Cookbook zu RAG-Passagen Relevanz, verwertbare Belege, Widersprüche und versuchte Anweisungen getrennt. Anschließend entscheidet Code, ob eine Passage aufgenommen, markiert oder ausgeschlossen wird.

Bewahren Sie den Quellenbezeichner zusammen mit der Beurteilung auf. Bei widersprüchlichen Belegen kann eine sichtbare Warnung angemessener sein als stillschweigendes Löschen. Prüfen Sie, ob Ihr Filter die einzige Passage entfernt, die zur Beantwortung einer schwierigen Suchfrage nötig ist. Für die endgültige Formulierung bleibt ein Generator zuständig; keine der beiden Stufen darf die Zugriffsrechte auf Dokumente umgehen.

Sicherheitsteams: die Aufmerksamkeit von Analysten priorisieren

Das Cookbook zu Schutzprüfungen von TypeSafe demonstriert die Prüfung eingehender Nachrichten und erzeugter Antworten anhand von Wahrscheinlichkeiten für Risiken und einer abgestuften Schwerebewertung. Anschließend wendet Code die Reaktionsregeln an.

Behalten Sie bei einer ersten Integration Ihren bestehenden Erkennungsweg bei und vergleichen Sie die vorgeschlagene Prüfwarteschlange mit den Entscheidungen der Analysten. Erfassen Sie übersehene Vorfälle und unnötige Eskalationen getrennt. Ein niedriger Modellwert darf weder eine Werkzeugberechtigung erteilen noch eine bestehende Kontrolle deaktivieren oder belegen, dass ein Anhang harmlos ist. Siehe die Grenzen bei bösartigen Eingaben.

Vollständiges Beispiel: eine Antwort in einem Dokument finden

1. Aufgabe und Eingabe

Durchsuchen Sie den Text der GitHub-Nutzungsbedingungen aus dem Cookbook: 218 mit IDs versehene Zeilen, verarbeitet mit jev-1.12. Das Cookbook mit vollständigem Skript verlinkt die gesamte Eingabe und erklärt die Wiedergabe gespeicherter Antworten.

2. Fragen

Eine Anfrage stellt where (Choice über die Zeilen-IDs) und exists (Noul: Enthält das Dokument eine Antwort?).

3. Auszug aus der veröffentlichten Ausgabe

Dies sind ausgewählte Werte, keine vollständige API-Antwort:

query: who owns the code I upload?
exists: 0.98
L052: 0.95

Die passende Quellzeile beginnt mit: L052 | You own Your Content.

4. Nachverarbeitung

Das Cookbook sortiert die Zeilenwahrscheinlichkeiten und ordnet die IDs wieder dem Quelltext zu. Seine Regel zur Antwortexistenz kennzeichnet Werte von mindestens 0.7 als beantwortet, Werte unter 0.35 als nicht vorhanden und den Bereich dazwischen als teilweise beantwortet. Dieses Beispiel verweist somit auf L052 und besteht die Prüfung, ob eine Antwort vorhanden ist.

5. Grenzen und Quelle

Die Schwellenwerte und die ältere Modellversion gehören zu diesem Beispiel. Eine erneute Wiedergabe ist keine neue Messung. Das Beispiel demonstriert das Auffinden von Informationen, keine juristische Auslegung oder Genauigkeit bei anderen Dokumenten. Originalfall und angezeigte Ausgabe

Warum zwei Signale verwenden?

Choice verteilt die Wahrscheinlichkeit auf die bereitgestellten Optionen, deren Wahrscheinlichkeiten zusammen eins ergeben. Die führende Option ist deshalb ein relativer Sieger; sie garantiert nicht unabhängig davon, dass überhaupt eine passende Option existiert. TypeSafe dokumentiert ein Maximum von 255 Choice-Optionen. Bedeutung und Grenzen von Choice

Für die Implementierung empfehlen wir, sowohl die Fundstelle als auch das Urteil über das Vorhandensein einer Antwort in einem Ergebnisdatensatz festzuhalten. Machen Sie aus der führenden Zeile keine bedingungslose Antwort. Zeigen Sie den Quelltext zur Prüfung an, behandeln Sie fehlende oder unvollständige Belege ausdrücklich und bewahren Sie die Dokumentversion auf, damit spätere Bearbeitungen nicht unbemerkt verändern, wofür eine ID steht.

Nehmen Sie bei der Anpassung dieses Aufbaus Dokumente ohne Antwort in Ihre Prüfsammlung auf. Berücksichtigen Sie auch Antworten, die sich über mehrere Zeilen erstrecken, und Fragen, deren Formulierung eine falsche Annahme enthält. Solche Fälle prüfen die tatsächlich benötigten Suchregeln über die bloße Plausibilität der erstplatzierten Zeile hinaus.

Vollständiges Beispiel: ein Supportticket einordnen

Eingabe, Fragen und dokumentierte Ausgabe

Der Beispielkunde beschreibt eine seit drei Tagen fehlgeschlagene Stripe-Verbindung, entgangene Verkäufe und den Bedarf an dringender Hilfe. Die Anfrage fragt nach einer Abteilung, dem Frustrationsgrad und der Dringlichkeit. Die Nachricht wird hier sinngemäß wiedergegeben.

Quelle: Anfrage und Antwort im Schnellstart.

Aus dem Ergebnis einen Vorschlag ableiten

Der folgende Code dient unserer Erläuterung. Seine Schwellenwerte sind veranschaulichende Regelentscheidungen, keine validierten Einstellungen:

function proposeRoute(response) {
  const department = response.answers.department;
  const urgency = response.answers.is_urgent.noul;

  return {
    queue: department.confidence >= 0.7
      ? department.choice
      : "manual-triage",
    priority: urgency >= 0.9 ? "urgent" : "normal",
    suggestedTeam: department.choice,
  };
}

Für die veröffentlichten Werte schlägt diese Funktion eine dringende manuelle Einordnung vor und empfiehlt den technischen Support. Die führende Abteilung erreicht unsere gewählte Konfidenzschwelle nicht. Durch dieses Beispiel wird tatsächlich kein Ticket zugewiesen.

Wahrscheinlichkeit und Konfidenz sind unterschiedliche Felder. TypeSafe leitet die Konfidenz von Choice und Score aus der Verteilung ab; Noul hat kein separates Konfidenzfeld. Dokumentation zur Konfidenz

Bevor Sie einen solchen Vorschlag an ein Ticketsystem anbinden, validieren Sie die Antwort, legen Sie die Auflösung von Konflikten fest und machen Sie Fehler beobachtbar. Bewerten Sie falsche Weiterleitungen und übersehene dringende Tickets getrennt. Das Beispiel belegt weder den Zustand des Kundenkontos noch löst es das Integrationsproblem.

Community-Bericht: die Einordnung von Phishing-E-Mails erproben

Ein Discord-Teilnehmer beschrieb am 17. September 2026 um 14:24–14:27 UTC ein frühes Experiment mit dem Python-SDK. Ziel war, den Sicherheitsbetrieb zu unterstützen und später einen SOAR-Ablauf anzubinden. Der Teilnehmer berichtete von ermutigenden ersten Ergebnissen und davon, dass die Resultate auf Formulierung und Detailgrad der Kriterien reagierten. Einführung in das Experiment, ergänzende Beobachtungen

Dies ist ein Selbstbericht aus der Community. Er belegt weder Erkennungsgenauigkeit noch Falsch-Positiv-Raten, Geschwindigkeit, Einsparungen, deterministisches Verhalten oder eine Integration im Produktivbetrieb. Wir haben ihn nicht reproduziert. Im erfassten Austausch war keine verifizierte offizielle Antwort zu sehen; die Recherche umfasste ausgewählte Diskussionen und nicht die vollständige Community-Historie. Für die Links kann Community-Zugang erforderlich sein.

Einen nächsten Schritt wählen

Wählen Sie eine Entscheidung mit einem überprüfbaren Ergebnis und einem überschaubaren Prüfprozess. Beginnen Sie damit, Zugang zu erhalten und eine Anfrage zu senden, planen Sie die Kosten mithilfe des Preisleitfadens und lesen Sie die Grenzen, bevor Sie die Ausgabe mit automatischen Aktionen verbinden.