Ce qu’il fait
Jev lit le contexte que vous lui fournissez et répond à une question dans les limites que vous avez définies. Il peut par exemple choisir une file d’assistance, évaluer le degré d’urgence d’une demande ou estimer si un message contient une demande d’achat. Votre application reçoit une valeur qu’elle peut utiliser pour l’étape suivante.
Il existe trois types de questions. Choice sélectionne une option parmi des choix nommés. Score évalue un élément selon des niveaux ordonnés. Les deux fournissent des probabilités et un niveau de confiance. Noul estime la probabilité qu’une affirmation soit vraie ; il ne possède pas de champ de confiance distinct. Jev ne rédige pas la réponse au client et ne décide pas des actions que votre application est autorisée à effectuer.
À qui il convient
Commencez ici si votre difficulté principale consiste à lire régulièrement de courts textes et à porter toujours le même type de jugement. Une petite équipe commerciale qui trie les demandes ou un service d’assistance qui attribue les tickets peut définir une première tâche utile. Si le travail consiste simplement à vérifier si une commande est payée, utilisez l’enregistrement de la commande et une règle classique. Un modèle est utile lorsque la formulation doit être interprétée.
Une situation que vous pourriez connaître
Imaginez une boîte de réception contenant de vraies demandes, des propositions de vente de backlinks et des clients existants qui demandent de l’aide. Demandez l’intention du message, puis combinez cette réponse avec vos données clients. Un e-mail aimable ne prouve pas que quelqu’un vous a payé.
Gardez « autre » parmi les catégories disponibles. Un client qui propose un partenariat ne doit pas être forcé d’entrer dans la catégorie des propositions commerciales simplement parce que votre première liste était trop limitée. Il s’agit d’un flux de travail suggéré, et non du compte rendu d’un test de production de ToolAI.
Une première configuration raisonnable
- Choisissez une décision dont la responsabilité est clairement attribuée, par exemple la file qui recevra un nouvel e-mail.
- Rédigez la description des catégories, en incluant les cas ambigus et une option « autre ».
- Rassemblez des messages représentatifs et faites-les étiqueter par une personne avant de comparer les réponses de Jev.
- Commencez avec les étiquettes suggérées ; examinez les erreurs avant d’autoriser le routage automatique.
- Notez la version du modèle et la formulation de la question afin de pouvoir évaluer équitablement les changements ultérieurs.
Les points à évaluer avant de choisir
Un résultat typé facilite l’intégration ; il ne prouve pas qu’un jugement est correct. Une valeur de confiance élevée peut accompagner une réponse erronée. Choisissez les seuils de vérification à partir d’exemples de votre activité, et évaluez séparément les clients manqués et les vérifications supplémentaires sans conséquence.
La documentation officielle indique que l’anglais est la principale langue d’entraînement. Testez séparément le chinois et les autres langues. Effectuez les calculs et les comparaisons de dates dans le code, et n’envoyez que le contexte nécessaire à la question. Utilisez un modèle génératif lorsque l’étape suivante nécessite une explication ou une réponse rédigée.
Comptes et coûts d’utilisation
Le service natif nécessite un compte TypeSafe et une clé API. Selon la base de facturation documentée, ce sont les jetons d’entrée qui sont facturés ; la gratuité de la sortie ne rend pas toute la requête gratuite. Estimez l’utilisation à partir de longueurs de messages, de questions et de volumes de nouvelles tentatives réalistes. Les SDK se connectent au service hébergé ; en installer un ne fournit pas les poids du modèle en local. Consultez les conditions officielles du compte et les tarifs actuels avant de vous engager.