وضع LangChain Jev داخل حلقة وكيلهم الخاص وأظهروا الوظائف الثلاث التي قدموها له. في العرض التوضيحي، استغرق نموذج الذكاء الاصطناعي حوالي 5 ثوانٍ لتحديد ما إذا كان النص يحتوي على معلومات تعريفية شخصية، بينما أجاب Jev فورًا بدقة 98٪. إذًا، يمكن لوكالات البرمجة الخاصة بهم أن تسأل Jev عن صعوبة المهمة وتوفير النموذج القوي للمهام الصعبة فقط. يطلب وسط البرمجيات الخاص بوضع التشغيل التلقائي من Jev تحديد ما إذا كان استدعاء الأداة محفوفًا بالمخاطر، ويحظره أثناء التشغيل — وهي ميزة كانت قد أوقفتها لأنها كانت بطيئة جدًا في السابق. وينجز نفس النموذج تقييم إجابة الوكيل وفقًا لمقياس تقييم في التقييمات عبر الإنترنت: صحيحة، تتوافق مع المرجع، مدعومة بأدلة، وتشير إلى مصدر. يشير دليلي إلى هذا الإعداد كمصادر بحثية، مع مقياس صلة من 0 إلى 3 على 50 ورقة بحثية، وقائمة مراجعة للمكالمات ذات الثقة المنخفضة. كما يتحقق من الأوراق البحثية المفيدة التي أرشفها المرشح بهدوء. شاهد الجلسة، ثم احصل على الملف الابتدائي والمحفظات أدناه