ชื่อนี้เคยปรากฏในบทความอื่นๆ ด้วย อยากรู้ว่ามันคืออะไร https://t.co/7qiEKzo5Yd Jev AI เปลี่ยนความเข้าใจทั่วไปเกี่ยวกับตัวแทน AI Julian Goldie SEO #AIสรุป #Claude #Codex Jev เปลี่ยนการตัดสินใจและการอัตโนมัติของตัวแทน AI 🔳 คุณลักษณะของ Jev Jev เป็นโมเดล AI แบบ System 1 ที่เน้นการตัดสินใจ เช่น การเลือก การประเมิน และการตัดสิน ไม่ใช่การสร้างข้อความ โดยมีเป้าหมายเพื่อประมวลผลการตัดสินจำนวนมากอย่างรวดเร็วและต้นทุนต่ำ 🔳 การแบ่งบทบาทกับโมเดลแบบดั้งเดิม โมเดลขนาดใหญ่รับผิดชอบการวิจัย การวางแผน และการสร้างข้อความ ในขณะที่ Jev รับผิดชอบการตัดสินใจแบบสั้นๆ เช่น การเลือกเครื่องมือถัดไป การตัดสินใจว่าจะดำเนินการต่อหรือไม่ และความจำเป็นในการตรวจสอบโดยมนุษย์ 🔳 ความเร็วและต้นทุน ในวิดีโอ ระบุว่า Jev เร็วกว่าโมเดล AI ทั่วไป 20 ถึง 200 เท่า และถูกกว่า 40 ถึง 400 เท่า โดยลดความจำเป็นในการมอบการตัดสินใจเล็กๆ จำนวนมากให้กับโมเดลประสิทธิภาพสูง 🔳 วิธีการตัดสินใจ 3 แบบ Jev สามารถใช้รูปแบบการเลือก (Choice) จากหลายตัวเลือก การประเมิน (Score) ตามเกณฑ์ที่กำหนด และการตัดสินแบบ Yes/No โดยใช้ความน่าจะเป็น พร้อมรับค่าระดับความมั่นใจสำหรับแต่ละการตัดสิน 🔳 อัตโนมัติด้วยระดับความมั่นใจ สามารถตั้งกฎเกณฑ์ให้ดำเนินการอัตโนมัติเมื่อระดับความมั่นใจสูง และขอให้มนุษย์ตรวจสอบเมื่อระดับความมั่นใจต่ำ ทำให้ระบบสามารถรวมสถานการณ์ที่ AI “ไม่มั่นใจ” เข้าไปในกฎการดำเนินงานได้ 🔳 การประมวลผลแบบขนานสำหรับหลายการตัดสินใจ สามารถส่งคำถามหลายข้อเกี่ยวกับสถานการณ์เดียวกันพร้อมกัน เพื่อให้ Jev ตัดสินใจแบบขนานเกี่ยวกับขั้นตอนถัดไป ระดับความเร่งด่วน และความจำเป็นในการอนุมัติ ซึ่งช่วยลดเวลาและค่าใช้จ่ายในการรอคอยภายในตัวแทน AI ListItemIcon การจำแนกบทความวิจัย ในกรณีศึกษาที่ผู้พัฒนาสรุปบทความวิจัย AI จากนั้นส่งชื่อเรื่อง บทสรุป และ 24 หัวข้อ候选ให้ Jev จัดหมวดหมู่ วิดีโอระบุว่าค่าใช้จ่ายรวมสำหรับการประมวลผล 18 เรื่องคือ 8 เซนต์ และเวลาเฉลี่ยในการประมวลผลแต่ละเรื่องอยู่ที่ 256 มิลลิวินาที ListItemIcon การจัดระเบียบอีเมล ในกรณีศึกษาที่จัดหมวดหมู่อีเมล 500 ฉบับด้วย Jev โดยแบ่งเป็นทางเลือก เช่น ตอบกลับ ตรวจสอบเพิ่มเติม รอ และขอให้มนุษย์ตรวจสอบ โดยใช้เวลาไม่กี่วินาทีและค่าใช้จ่ายรวมเพียง 3.5 เซนต์ ListItemIcon การประเมินข้อมูลผู้สนใจ ในกรณีศึกษาที่ประเมินข้อมูลผู้สนใจ 700 รายการพร้อมข้อความเฉพาะเจาะจง Jev คำนวณการคาดการณ์ปฏิกิริยาและระดับความมั่นใจภายใน 40 วินาที ตรวจพบกรณีที่ข้อมูลผู้สนใจไม่ตรงกับข้อความ และค่าใช้จ่ายอยู่ที่ 9 เซนต์ ListItemIcon การใช้งานในเบราว์เซอร์ ในตัวแทนเบราว์เซอร์ เมื่อหน้าเว็บเปลี่ยนแปลง Jev จะถูกขอให้เลือกการดำเนินการถัดไปจากตัวเลือกที่อัปเดตแล้ว ในขณะที่การพิมพ์ข้อความจะมอบให้โมเดลสร้างอื่นๆ วิดีโอระบุว่าจำนวนคำสั่งเบราว์เซอร์เฉลี่ยลดลงจาก 1,092 เป็น 101 และเวลาทำภารกิจลดลงถึง 25% ListItemIcon ข้อควรระวังในการค้นหาเที่ยวบิน ในกรณีศึกษาที่นำเสนอ พบเที่ยวบินภายใน 7 วินาทีและค่าใช้จ่ายน้อยกว่า 0.5 เซนต์ แต่ไม่ได้ดำเนินการจองจริง และเวลา 7 วินาทีนี้เริ่มนับหลังจากโหลดหน้าแรกเท่านั้น ListItemIcon การปรับปรุงลิงก์ภายใน ในกรณีศึกษาที่สร้างลิงก์ภายในสำหรับเว็บไซต์ขนาด 586 เพจ Jev วางลิงก์ทั้งหมด 584 เส้นภายใน 45.1 วินาที และไม่ได้วางลิงก์บนหน้าเว็บ 139 เพจที่ไม่มีปลายทางที่เหมาะสม โดยค่าใช้จ่ายอยู่ที่ 21 เซนต์ ListItemIcon การกำหนดเส้นทางโมเดล นำเสนอการใช้งาน Jev เพื่อประเมินคำขอและส่งไปยังโมเดลที่เหมาะสม—โมเดลราคาถูกและรวดเร็วหรือโมเดลประสิทธิภาพสูงราคาแพง โดยในวิดีโอ อธิบายตัวอย่างการรวมเข้ากับ LangChain เพื่อเลือกโมเดลที่ถูกที่สุดเท่าที่สามารถประมวลผลได้ ListItemIcon การตรวจสอบความปลอดภัยในการใช้งานเครื่องมือ สามารถใช้ Jev เพื่อประเมินความเสี่ยงก่อนที่ตัวแทน AI จะดำเนินการเครื่องมือ หากปลอดภัยให้ดำเนินการ หากมีความเสี่ยงให้หยุดหรือส่งไปให้มนุษย์ตรวจสอบ ListItemIcon การลดบริบท ใช้ Jev เพื่อประเมินความสำคัญของการเรียกใช้งานเครื่องมือในประวัติของตัวแทนและลบข้อมูลที่ไม่จำเป็น ในกรณีศึกษาหนึ่งสามารถลดบริบทจากประมาณหนึ่งล้านโทเค็นเหลือเพียงประมาณ 86,000 โทเค็นภายในเวลาประมาณหนึ่งวินาที ListItemIcon กังวลเกี่ยวกับการลดบริบท มีข้อโต้แย้งว่าหากลบประวัติแต่ละรายการแยกกันอาจทำให้สูญเสียเหตุผลหรือบริบทของการตัดสินใจในอดีตสำหรับงานระยะยาว และแนะนำให้พิจารณาใช้วิธีอื่น เช่น เลือกข้อมูลสำหรับสรุปแทนการลบ ListItemIcon ข้อจำกัดของ Jev Jev เองไม่ได้เป็นโมเดลที่สร้างข้อความ โค้ด หรือผลการวิจัยใดๆ โดยพื้นฐานแล้วทำหน้าที่เป็นผู้ตัดสินใจเท่านั้น นอกจากนี้ระดับความมั่นใจสูงไม่ได้รับประกันความถูกต้องเสมอไป เพราะฉะนั้นผลลัพธ์ของการดำเนินการจริง เช่น การบันทึกไฟล์ จะต้องได้รับการตรวจสอบเพิ่มเติม ListItemIcon ความสำคัญของการออกแบบอินพุต เพียงชื่อฟิลด์คำถามไม่เพียงพอในการสื่อสารเจตนารมณ์ของการตัดสินใจ จะต้องระบุเนื้อหาคำถามและตัวเลือกอย่างชัดเจน นอกจากนี้ หากไม่ให้ข้อมูลหรือบริบทเพียงพอ การตัดสินใจจะมีคุณภาพลดลง ListItemIcon โครงสร้างราคา ในวิดีโอระบุว่าราคาอยู่ที่ประมาณ 4 เซนต์สำหรับอินพุตประมาณหนึ่งล้านโทเค็น และขณะนี้ยังไม่มีค่าใช้จ่ายสำหรับเอาต์พุต หากดำเนินการตัดสินใจโดยใช้ข้อมูล 1,000 โทเค็นเป็นจำนวน 10,000 ครั้ง จะมีค่าใช้จ่ายโดยประมาณอยู่ที่ 42 เซนต์ ListItemIcon สิ่งสำคัญคือค่าใช้จ่ายในการเสร็จสิ้นงาน🔳 สิ่งสำคัญคือต้นทุนการ hoànสำเร็จงาน แม้การตัดสินใจจะมีต้นทุนต่ำ แต่หากการจัดเส้นทางที่ผิดพลาดทำให้เอเจนต์ดำเนินการที่ไม่จำเป็น ต้นทุนรวมจะเพิ่มขึ้น ดังนั้นจึงควรพิจารณาต้นทุนรวมจนกว่างานจะเสร็จสมบูรณ์ ไม่ใช่แค่ต้นทุนต่อการตัดสินใจ 🔳 การเปลี่ยนแปลงโครงสร้างของเอเจนต์ AI วิดีโออธิบายว่า ในอดีต โมเดลเดียวกันจะรับผิดชอบทั้งการสร้างข้อความและการตัดสินใจ แต่ตอนนี้ได้เปลี่ยนเป็นโครงสร้างการแบ่งงาน โดยโมเดลขนาดใหญ่รับผิดชอบการวิจัยและการสร้างเนื้อหา Jev รับผิดชอบการเลือก การประเมิน การอนุมัติ และการส่งต่อ ส่วนโค้ดจะรับผิดชอบการดำเนินการจริง 🔳 แอปพลิเคชันที่เหมาะสมในปัจจุบัน ฟีเจอร์การผสานยังอยู่ในขั้นทดลอง และในขณะนี้ การนำเข้าใช้งานอย่างสมเหตุสมผลควรเริ่มจากงานตัดสินใจที่เรียบง่ายและชัดเจนซึ่งมนุษย์ทำซ้ำๆ เช่น การจัดหมวดหมู่อีเมล การประเมินลูกค้าเป้าหมาย การจัดเส้นทาง และการติดป้ายคำเตือน 🔳 ข้อสรุปของวิดีโอ การแยกการสร้างข้อความและการตัดสินใจออกเป็นสองส่วน โดยมอบการตัดสินใจเล็กๆ ที่เกิดซ้ำๆ ให้กับโมเดลที่เร็วและมีต้นทุนต่ำเช่น Jev จะช่วยปรับปรุงความเร็ว ต้นทุน และขอบเขตของการอัตโนมัติของเอเจนต์ AI โดยรวม