LangChain integró a Jev dentro de su propio ciclo de agente y mostró los tres trabajos que le asignaron. En la demostración, un LLM tardó aproximadamente 5 segundos en determinar si un texto contiene PII, y Jev respondió inmediatamente con un 98%. Por lo tanto, sus agentes de codificación pueden preguntarle a Jev qué tan difícil es una tarea y reservar el modelo potente para las más complejas. Su middleware en modo automático le pregunta a Jev si una llamada a herramienta es riesgosa y la bloquea en tiempo real, una verificación que ella había desactivado porque antes era demasiado lenta. Y el mismo modelo califica la respuesta de un agente según una rúbrica en evaluaciones en línea: correcta, coincide con la referencia, fundamentada, cita una fuente. Mi guía señala esta configuración en fuentes de investigación, con una rúbrica de relevancia de 0 a 3 sobre 50 artículos y una cola de revisión para las llamadas con baja confianza. También verifica qué artículos útiles el filtro archivó silenciosamente. Mire la sesión, luego obtenga el inicio y los prompts a continuación.