Dez casos práticos para formular perguntas, explorar alternativas e preparar sua integração com Jev.
Exemplos públicos didáticos. Inferência real disponível pelo cliente local com credencial TypeSafe.
Jev avalia um contexto a partir de perguntas e opções. Este projeto ajuda você a desenhar o fluxo ao redor dessa resposta.
Atendimento, documentos, agentes e mais. Cada exemplo traz alternativas, resposta simulada e próximo passo.
Edite o contexto, baixe o JSON e use a CLI ou o servidor local. A chave permanece no ambiente do servidor.
Execute regras locais em um dataset fictício e leia acertos, erros e matriz de confusão.
Saída válida não garante interpretação correta. Revisão, limites e permissões pertencem ao software.
O laboratório não envia mensagens, não faz pagamentos e não controla agentes externos. Casos clínicos, contratuais e financeiros são exercícios fictícios supervisionados.
Um navegador moderno. A versão pública funciona sem cadastro, chave ou pagamento.
Python 3.10 ou posterior e Git. O núcleo usa somente a biblioteca padrão. Consultas reais exigem acesso à TypeSafe.
python3 --version git --version
Escolha um dos vinte casos. A resposta é autoral e simulada; alterar o texto exige uma consulta real para obter uma nova decisão.
https://inematds.github.io/jev/app/
O servidor fica restrito ao seu computador. Abra o endereço mostrado no terminal.
git clone https://github.com/inematds/jev.git cd jev python3 -m jev_lab serve
A validação do contrato não consome API. Substitua o caminho pelo JSON que você exportou.
python3 -m jev_lab validate exemplos/triagem-request.json
Configure TYPESAFE_API_KEY no ambiente do processo ou nos arquivos autorizados openpcbotv2/.env ou wifi/.env. O cliente lê em runtime, sem copiar a chave. A integração OpenRouter foi medida nos dez pacotes originais; isso não é benchmark independente.
python3 -m jev_lab ask exemplos/triagem-request.json
Gera JSON de métricas e CSV de predições. Os dados são fictícios e os resultados medem regras lexicais, não Jev.
python3 -m jev_lab batch data/tickets-sinteticos.jsonl --out reports/baseline
Os testes cobrem contratos, políticas, erros do provedor e duplicatas em lote. Não precisam de chave.
python3 -m unittest discover -s tests -v
Confronte uma afirmação com a evidência disponível.
Revisar a redação; manter o link da evidência. Não declarar verdade universal.
Sugira a equipe responsável por uma solicitação.
Sugerir uma fila reversível e registrar correção humana.
Localize pontos que pedem revisão especializada.
Encaminhar a profissional; nenhuma aprovação jurídica automática.
Distingua proposta de mudança e confirmação.
Destacar a mensagem. Calendário e fusos devem ser resolvidos em código.
Escolha a capacidade necessária antes de gerar.
A política resolve o nome concreto do modelo e mede a qualidade final.
Avalie um critério explícito do resultado de um agente.
Corrigir uma vez ou escalar. Não substituir execução de testes por julgamento.
Despache para uma especialidade sem ampliar permissões.
Encaminhar ao catálogo; permissões continuam determinadas pelo sistema.
Selecione um candidato a partir do texto da página.
Validar o ID no DOM atual e a ação permitida antes do clique.
Estudo fictício de organização, sempre supervisionado.
Revisão humana obrigatória; não há diagnóstico ou conduta clínica.
Organize uma fila fictícia conforme política explícita.
Organização supervisionada; nenhuma ordem financeira é executada.
Explore agora 20 casos: os dez iniciais e novas práticas de skills, comentários, evidências, triagem composta, intenções, datas, logs, dados pessoais, intenção de atendimento e revisão de diff.
O editor aceita Choice, Noul e Score, estado em JSON e várias perguntas. Importe uma requisição, exporte o resultado com procedência e abra relatórios da CLI.
python3 -m jev_lab experiment data/tickets-sinteticos.jsonl --out runs/regras
Guia de experimentos · Exageros e dúvidas · Modelos e preços oficiais
Aos dez pacotes originais somam-se caixa de entrada, comentários do YouTube, comunidades, reuniões, cortes por transcrição, notas, curadoria e viagens. O pacote de viagens avalia cada anúncio uma vez e cruza as respostas por regra com doze perfis fictícios. Os sete novos exemplos são fictícios e usam perguntas combinadas.
python3 -m pacotes.executar reunioes python3 -m pacotes.qualidade reunioes python3 -m pacotes.lote reunioes data/reunioes-eventos.jsonl
Os dois primeiros comandos demonstram a fixture e suas métricas simuladas; o terceiro valida um lote sem chamar API. O modo real exige --live e chave no backend. Há concorrência limitada e retomada; coleta de plataformas e ações externas continuam fora do executor.
Lotes, avaliação por pergunta e limites · Escolher um pacote
Na tarifa consultada de US$ 0,042 por milhão de tokens de entrada, 10.000 tokens custam US$ 0,00042. Dez mil chamadas iguais somam US$ 4,20. Acrescente modelo de fallback, revisão humana, infraestrutura e retrabalho.
O projeto reúne uma análise do Laya e referências para comparar decisões estruturadas locais com Jev. O adaptador Laya no Jev e a integração no bot ainda são propostas.
Na análise local, 14 testes da aplicação passaram e 16 respostas já salvas foram aceitas pelo validador estrutural Jev. O relatório didático contém 13 acertos em 16 exemplos sintéticos; há erros com confiança alta. Isso não comprova superioridade nem qualidade de produção.
O próximo passo é avaliar os mesmos casos e critérios, medir custo e latência completos e manter revisão humana. Os campos de confiança não devem compartilhar limiares sem validação.
Ler análise e plano do piloto · Laya INEMA · Código original · Modelos e model card · Laya no Eventos