Guia independenteUm guia independente sobre o Jev, da TypeSafe AI
O guia prático do Jev

Decisões dentro de fluxos reais

Para que você pode usar o Jev?

Explore relatos da comunidade, tarefas práticas de Jev e modelos editáveis com fontes e distinção clara entre exemplos didáticos e evidências medidas.

Guia independenteÚltima verificação Atualização

O essencial

Comece por uma decisão real, confira a fonte e mantenha os limites junto do exemplo.

Entenda o problema antes da tecnologia

Veja a tarefa, a avaliação e como ela é usada. Abra um caso para conferir o método, as evidências e os limites.

Vercel

Revisar um comando antes de executá-lo

A Vercel avaliou o Jev como possível revisor de comandos no modo automático do fx. Uma avaliação do modelo não concede, por si só, permissão para executar um comando.

Experimento relatado pelo autor · Não reproduzido aqui

Explorar este caso
Every

Revisar um texto

A Every testou artigos com perguntas específicas sobre a escrita. Os resultados ajudam a escolher quais artigos e verificações revisar; problemas não detectados continuam exigindo atenção humana.

Experimento relatado pelo autor · Não reproduzido aqui

Explorar este caso
Good Start Labs

Avaliar uma resposta com critérios definidos

A Good Start Labs relatou experimentos de avaliação de tarefas de jogos e respostas de pesquisa. Uma divergência é motivo para examinar melhor, não prova de que o veredito está correto.

Experimento relatado pelo autor · Não reproduzido aqui

Explorar este caso

Vercel · Guillermo Rauch

Ver a publicação original do autor

A Vercel avaliou o Jev como possível revisor de comandos no modo automático do fx. Uma avaliação do modelo não concede, por si só, permissão para executar um comando.

Carrega conteúdo do X, que pode processar informações do seu dispositivo. Nenhuma mídia é carregada antes da sua escolha.

Se a publicação não carregar, abra a fonte original. A explicação desta página continua disponível.

Abrir a publicação original

Experimente uma tarefa

Comece com uma pergunta e um exemplo editável.

Encontre a decisão antes de escolher o modelo

Uma boa tarefa inicial tem uma pergunta delimitada, evidências suficientes para respondê-la e um próximo passo claro. Para uma mensagem de cliente, esses elementos podem ser o serviço solicitado, o registro relevante da conta e uma fila sugerida. Para um documento, podem ser a consulta de um leitor, o texto e um local a examinar.

Os fluxos são sugestões de projeto, salvo quando identificados como exemplos oficiais ou relatos da comunidade. Fizemos chamadas reais para verificar o funcionamento do site, mas não reproduzimos de forma independente os casos de terceiros nem publicamos avaliações de qualidade ou desempenho. Uma demonstração funcional ou um resultado isolado não estabelece a acurácia dessas aplicações.

Casos da comunidade: como desenvolvedores usam Jev

Estes relatos públicos mostram decisões específicas que desenvolvedores testaram. Cada resumo tem um link para o autor. A inclusão não significa que a TypeSafe ou as equipes apresentadas endossem este site.

Vercel: revisar comandos antes da execução automática

Experimento relatado pelo autor · Não reproduzido por este site

Guillermo Rauch compartilhou a avaliação de Jev feita pela Vercel para o revisor de segurança do modo automático do fx. A entrada é o comando em análise; o julgamento ajuda a decidir se ele é adequado à execução automática. A publicação descreve uma possível mudança no revisor, sem confirmar a implantação de Jev. Ela também não fornece a política completa de revisão. O julgamento do modelo, por si só, não concede permissão de execução.

Ler o caso original

Every: revisar textos com perguntas explícitas

Experimento relatado pelo autor · Não reproduzido por este site

Mike Taylor, da Every, testou textos de artigos com perguntas sobre padrões de escrita. Jev retornou julgamentos para as verificações, ajudando o autor a decidir quais artigos e itens de verificação revisar novamente. Foi um experimento de revisão de texto, não um método estabelecido para comprovar quem o escreveu. O autor relatou problemas que passaram despercebidos; quem escreve ainda precisa examinar o texto e decidir o que mudar.

Ler o caso original

Good Start Labs: verificar respostas com critérios de avaliação

Experimento relatado pelo autor · Não reproduzido por este site

Alex Duffy descreveu experimentos durante o acesso antecipado que avaliavam tarefas de jogos e respostas de pesquisa financeira com critérios fornecidos. As entradas incluem a resposta e a rubrica; os julgamentos indicam se cada verificação foi atendida. A equipe usa as divergências para orientar novas revisões. Trata-se de uma avaliação relatada, não de prova de que o julgamento do modelo está correto ou de que um produto autônomo de avaliação foi implantado.

Ler o caso original

Experimente uma revisão de texto no Playground oficial

Exemplo didático original e fictício; sem resultados registrados do modelo. Este é um exercício separado, inspirado na revisão de textos, e não o prompt da Every nem uma reprodução do seu experimento. Orbit Notes é um produto fictício. A entrada e as perguntas ficam no mesmo inglês em todos os idiomas para facilitar a cópia.

Abrir o Playground oficial

Esta é uma página externa da TypeSafe. Entre com sua própria conta e as permissões de acesso necessárias. Estar na lista de espera, por si só, não concede acesso.

  1. Cole o exemplo abaixo no campo state.

  2. Adicione três perguntas Noul usando os nomes e as instruções abaixo. O guia oficial de início rápido explica como inserir state e as perguntas.

  3. Execute a solicitação no Playground oficial. Leia cada probabilidade junto da sua pergunta; depois, se for útil, altere o exemplo e execute novamente.

Entrada fictícia

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

Perguntas a inserir

Ver os detalhes técnicos
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?

Verifique se as duas primeiras frases trazem informações diferentes, se a ação Export é explicada e se o texto promete que os rascunhos nunca serão perdidos. As perguntas são independentes; suas probabilidades não precisam somar um. Use os julgamentos como pistas para uma revisão humana. O exercício não fornece pontuações esperadas nem limites para decisões automáticas.

Quatro funções, quatro pontos de partida

Desenvolvedores: revise uma regra semântica

Experimente uma convenção específica que o lint convencional não detecta: uma alteração introduz um erro visível para o usuário sem explicar como se recuperar dele? Forneça o diff relevante e a regra e retorne um sinal para revisão. O mapa oficial de casos de uso inclui lint semântico de código; esta verificação específica é uma proposta ilustrativa nossa.

Mantenha o compilador, a suíte de testes e as regras exatas de lint. Deixe uma pessoa revisora examinar as linhas sinalizadas e decidir se a questão é válida. Comece com comentários consultivos para entender o custo dos falsos alarmes antes de tornar a verificação um requisito de merge. Esta é uma sugestão de integração, não um bot de PR disponível e fornecido por este site.

Equipes de suporte: separe responsabilidade e urgência

Um cliente frustrado pode precisar da equipe de cobrança, e não da engenharia. Uma mensagem aparentemente calma pode descrever uma indisponibilidade urgente. Pergunte separadamente sobre o destino e a urgência e, depois, aplique uma política de filas. O guia rápido oficial fornece o exemplo de chamado abaixo.

Sua aplicação ainda precisa buscar os dados da conta, eliminar chamados duplicados e aplicar as regras de reembolso ou alterações de conta. Uma classificação não confirma que a falha relatada aconteceu.

Equipes de busca e RAG: escolha as evidências antes de escrever

A geração aumentada por recuperação (RAG) fornece material recuperado a um gerador de texto. O Jev pode ser avaliado entre a recuperação e a geração. O guia prático de trechos para RAG da TypeSafe verifica separadamente a relevância, as evidências utilizáveis, as contradições e as tentativas de dar instruções; depois, usa código para incluir, sinalizar ou excluir um trecho.

Mantenha o identificador da fonte junto ao julgamento. Evidências contraditórias podem merecer um aviso visível, em vez de exclusão silenciosa. Avalie se o filtro remove o único trecho necessário para responder a uma consulta difícil. Um gerador continua responsável pela redação final; nenhuma das etapas deve se sobrepor às permissões de acesso aos documentos.

Equipes de segurança: priorize a atenção dos analistas

O guia prático de verificações de proteção da TypeSafe demonstra a verificação de mensagens recebidas e respostas geradas, com probabilidades de riscos e uma avaliação ordenada de gravidade. Em seguida, o código aplica a política de resposta.

Para uma integração inicial, preserve seu processo de detecção existente e compare a fila de revisão proposta com as decisões dos analistas. Acompanhe separadamente os incidentes não detectados e os encaminhamentos desnecessários para análise. Uma pontuação baixa do modelo não deve conceder permissão a uma ferramenta, desativar um controle existente ou comprovar que um anexo é inofensivo. Veja as limitações diante de entradas adversariais.

Exemplo completo: encontre uma resposta em um documento

1. Tarefa e entrada

Pesquise o texto dos Termos de Serviço do GitHub usado no guia prático: 218 linhas marcadas com IDs, usando jev-1.12. O guia prático e o script completo incluem o link para a entrada completa e explicam como reproduzir o exemplo.

2. Perguntas

Uma requisição faz as perguntas where (Choice sobre IDs de linhas) e exists (Noul: o documento contém uma resposta?).

3. Trecho da saída publicada

Estes são valores selecionados, não uma resposta completa da API:

Ver os detalhes técnicos
query: who owns the code I upload?
exists: 0.98
L052: 0.95

A linha correspondente da fonte começa com: L052 | You own Your Content.

4. Pós-processamento

O guia prático ordena as probabilidades das linhas e associa os IDs ao texto da fonte. Sua política de existência marca valores de pelo menos 0.7 como respondidos, abaixo de 0.35 como ausentes e o intervalo entre eles como parcial. Assim, este exemplo aponta para L052 e passa pela verificação de existência de resposta.

5. Limites e fonte

Os limiares e a versão anterior do modelo pertencem a este exemplo. Reproduzi-lo não é uma nova medição. Ele demonstra recuperação de informação, não interpretação jurídica nem acurácia em outros documentos. Caso original e saída exibida

Por que usar dois sinais?

Choice distribui a probabilidade entre as opções fornecidas, que juntas somam um. Uma opção na liderança é, portanto, uma vencedora relativa; não é uma garantia independente de que exista uma opção apropriada. A TypeSafe documenta um máximo de 255 opções Choice. Semântica e limites de Choice

Nossa recomendação de implementação é preservar tanto a localização quanto o julgamento de existência em um registro de resultado. Não transforme a linha mais bem classificada em uma resposta incondicional. Mostre o texto da fonte para inspeção, trate explicitamente as evidências ausentes ou parciais e preserve a versão do documento para que edições posteriores não mudem silenciosamente o significado de um ID.

Ao adaptar esse projeto, inclua documentos sem resposta no conjunto de revisão. Inclua também respostas que abranjam várias linhas e perguntas cuja formulação contenha uma premissa falsa. Esses casos testam a política de recuperação de que você realmente precisa, além de verificar se a primeira linha do ranking parece plausível.

Exemplo completo: faça a triagem de um chamado de suporte

Entrada, perguntas e saída documentada

O cliente do exemplo descreve uma falha na conexão com o Stripe durante três dias, perda de vendas e necessidade de ajuda urgente. A requisição pergunta pelo departamento, pelo nível de frustração e pela urgência. A mensagem está parafraseada aqui.

Pergunta Definição resumida Resultado publicado
department — Choice Escolher cobrança, suporte técnico ou vendas technical; probabilidades: 0.159, 0.84, 0.001, respectivamente; confiança 0.596
frustration — Score Situar o tom em três níveis, de calmo a muito irritado Score 1.035 em uma escala de 0–2; confiança 0.842
is_urgent — Noul Avaliar a urgência 0.999

Fonte: requisição e resposta do guia rápido.

Transforme o resultado em uma proposta

O código a seguir foi elaborado por nós para fins explicativos. Seus limiares são escolhas de política ilustrativas, não configurações validadas:

Ver os detalhes técnicos
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,
  };
}

Para os valores publicados, essa função propõe triagem manual urgente e sugere o suporte técnico. O departamento na liderança não ultrapassa o limiar de confiança que escolhemos. Nenhum chamado é de fato atribuído por este exemplo.

Probabilidade e confiança são campos diferentes. A TypeSafe deriva a confiança de Choice e Score a partir da distribuição; Noul não tem um campo de confiança separado. Documentação de confiança

Antes de conectar uma proposta assim a um sistema de chamados, valide a resposta, defina como os conflitos serão resolvidos e torne as falhas observáveis. Avalie separadamente os encaminhamentos errados e os chamados urgentes não identificados. O exemplo não comprova o estado da conta do cliente nem resolve o problema de integração.

Relato da comunidade: explorando a triagem de e-mails de phishing

Um participante do Discord descreveu um experimento inicial com o SDK Python em 17 de setembro de 2026, entre 14:24–14:27 UTC, com a intenção de ajudar as operações de segurança e, posteriormente, conectar o resultado a um fluxo SOAR. Ele relatou resultados iniciais animadores e sensibilidade à redação e ao nível de detalhe dos critérios. Introdução do experimento, observações posteriores

Este é um relato de um participante da comunidade. Ele não comprova acurácia de detecção, taxas de falsos positivos, velocidade, economia, comportamento determinístico nem integração em produção. Não o reproduzimos. Nenhuma resposta oficial verificada foi observada na conversa registrada; a pesquisa cobriu discussões selecionadas, não todo o histórico da comunidade. Os links podem exigir acesso à comunidade.

Escolha um próximo passo

Escolha uma decisão com resultado que possa ser examinado e um processo de revisão administrável. Comece por obter acesso e enviar uma requisição, faça o orçamento do fluxo com o guia de preços e leia as limitações antes de conectar a saída a ações automáticas.

Fontes e leituras complementares

Este guia se baseia na documentação oficial e nos relatos da comunidade vinculados. As observações da comunidade são atribuídas a seus autores.

  1. Guia prático oficial de busca semântica linha a linha
  2. Guia rápido oficial de chamados de suporte
  3. Mapa de casos de uso da TypeSafe
  4. Guia prático de classificação de trechos para RAG
  5. Guia prático de verificações de proteção para LLMs
  6. Saídas e opções de Choice
  7. Confiança e probabilidade
  8. Experimento da comunidade com phishing: introdução
  9. Experimento da comunidade com phishing: continuação
  10. Experimento de segurança de comandos da Vercel: Guillermo Rauch
  11. Experimento de revisão de texto da Every: Mike Taylor
  12. Experimento com critérios de avaliação da Good Start Labs: Alex Duffy
  13. Playground oficial da TypeSafe
Como verificamos nossas fontes