這名字之前也在其他文章出現過，很好奇是什麼東西 https://t.co/7qiEKzo5Yd Jev AI 改變了 AI 代理的常識 Julian Goldie SEO　#AI摘要 #Claude #Codex Jev 改變 AI 代理的決策與自動化 🔳 Jev 的特點 Jev 是一種專注於選擇、評估、判斷等決策的 System 1 型 AI 模型，而非生成文本，旨在以高速且低成本的方式處理大量判斷。 🔳 與傳統模型的分工 大型模型負責調查、規劃、文本生成等任務，而 Jev 則負責短答案即可完成的判斷，例如選擇下一個工具、判斷是否繼續處理、是否需要人工確認等。 🔳 速度與成本 影片中提到，Jev 的速度比一般 AI 模型快 20 至 200 倍，成本低 40 至 400 倍，能減少將大量小型判斷交由高性能模型處理的必要性。 🔳 三種判斷方式 Jev 支援從多個候選中選擇的 Choice、根據定義標準進行評分的 Score，以及以機率判定 Yes 或 No 的形式，並能為每個判斷取得信心度。 🔳 基於信心度的自動化 可設定規則：當信心度高時自動處理，低時則交由人工確認，不僅降低 AI 判斷錯誤的可能性，也將「判斷缺乏信心」的情況納入運營規則。 🔳 多重判斷的並行處理 可將多個問題一併發送，並同時判斷下一步操作、緊急程度、是否需要批准等，有助於減少 AI 代理內部的等待時間與成本。 ListItemIcon 研究論文分類案例 開發者在摘要 AI 研究論文後，將標題、摘要與 24 種候選主題交給 Jev 進行分類，影片中顯示 18 個處理總費用為 8 美分，單筆處理時間中位數為 256 毫秒。 ListItemIcon 郵件整理案例 Jev 對 500 封郵件進行分類，將其歸為「回覆」、「進一步調查」、「等待」、「人工確認」等選項，數秒內完成，總費用為 3.5 美分。 ListItemIcon 潛在客戶評估案例 Jev 評估了 700 筆潛在客戶與個別訊息，在 40 秒內預測反應可能性與信心度，並檢測出潛在客戶與訊息不匹配的情況，費用為 9 美分。 ListItemIcon 應用於瀏覽器操作 在瀏覽器代理中，每次頁面變動時更新可操作選項並交由 Jev 選擇下一步操作，僅文字輸入交由其他生成模型處理。影片中顯示瀏覽器指令數量中位數從 1092 減至 101，任務時間縮短達 25%。 ListItemIcon 飛機搜尋注意事項 影片中提到 Jev 在 7 秒內發現航班，費用低於 0.5 美分，但並未執行預訂；7 秒的計時是從首頁加載完成後開始計算。 ListItemIcon 內部連結最佳化案例 針對 586 頁網站建立內部連結時，Jev 在 45.1 秒內配置了 584 條連結，對 139 頁無合適連結目標的頁面則不設置連結，費用為 21 美分。 ListItemIcon 模型路由 提供低成本高速模型與高性能高成本模型，由 Jev 判斷任務內容並分配至合適模型。影片以 LangChain 整合為例，說明優先選擇成本最低且能處理任務的模型的策略。 ListItemIcon 工具使用的安全確認 可在 AI 代理執行工具前，由 Jev 判斷風險：若安全則執行，若具危險性則停止或轉交人工確認。 ListItemIcon 上下文削減 Jev 評估代理歷史中工具呼叫的重要性，排除無關資訊。案例顯示約 100 萬個 token 的上下文可在約 1 秒內削減至約 86,000 個 token。 ListItemIcon 上下文削減的擔憂 影片亦提及反對意見：若逐筆評估並刪除歷史記錄，可能導致長時間任務中過去判斷的理由與脈絡遺失；因此亦可考慮僅用於篩選摘要對象等替代方案。 ListItemIcon Jev 的限制 Jev 本身不生成文本、代碼或調查結果，主要負責判斷；高信心度不代表正確性，實際處理結果（如檔案儲存）仍需另行確認。 ListItemIcon 輸入設計的重要性 僅靠問題欄位名稱無法傳達判斷意圖，必須明確撰寫問題內容與選項；若未提供足夠情境或資訊，判斷品質會下降。 ListItemIcon 定價體系 影片說明每約 100 萬個輸入 token 費用約為 4 美分，目前輸出不收費。若執行 10,000 次使用 1,000 個 token 資訊的判斷，總費用約為 42 美分。 ListItemIcon 最重要的是任務完成成本🔳 重要的是任務完成成本 即使判斷本身成本低廉，但如果因錯誤的路由導致代理執行不必要的處理，整體成本仍會上升，因此應關注任務完成的總成本，而非單次判斷的單價。 🔳 AI 代理的結構變化 影片說明，過去同一模型同時負責文章生成與決策，而現在已轉變為分工結構：大型模型負責調查與生成，Jev 負責選擇、評估、批准、升級，代碼則負責實際處理。 🔳 目前適用的用途 整合功能仍處於實驗階段，目前現實的做法是從人類反覆執行的簡單且明確的決策入手，例如郵件分類、潛在客戶評估、路由、標記等。 影片結論 將文章生成與決策分離，並讓類似 Jev 的高速、低成本模型負責重複的小型判斷，可提升 AI 代理整體的速度、成本效益與自動化範圍，這是影片的核心主張。