RECIPE / 11 个真实案例支持
先分类,再分配处理流程
让一个窄范围判断决定材料进入哪个处理流程,把文本提取、判断和后续执行分清楚。
基于已有案例整理的使用思路。下方的工作模式与延伸方向属于 How2Jev 推演,具体实现请结合案例来源核实。
这个玩法能做什么
已被案例支持
已有案例展示了以下行为,或由原作者明确说明相应职责;这不等同于 How2Jev 已独立复现。
已核实的 DocJev README 说明 LiteParse 提取文本、Jev 判断类别或子文档边界,LlamaParse 为可选 OCR;视频展示带分类和页范围的结果示意。
邮件演示展示分类与路由结果;作者说明 Jev 先分类并输出置信度,应用将低于其设定阈值的条目交给 Kimi K3。
音频工作台展示不同录音对应的文本与片段;作者说明 Jev 选择任务与端侧模型,语言识别、转录和脱敏分别由其他模型处理。
原帖说明新消息进入 Pi 会话前由 Jev 判断相关性,不相关时提醒用户自行选择去向。
作者说明用 Jev 分类 Gmail 邮件,界面按需回复、更新和促销等类别整理,未展示自动回复。
Switchboard 作者说明 Jev 为 Codex 和 Claude Code 选择模型与推理力度;费用优势未复测。
原帖说明 Jev 以选项、评分和布尔值分类输入,再连接后续提示;客服回复由其他模型生成。
作者说明先由 Jev 选择技能、工具和参数,再交给 Slack agent 执行;不把回复文本归给 Jev。
作者说明 Jev 先判断请求适合的模型,再将请求交给目标模型生成;没有验证路由最优。
作者说明 Jev 选择工具及参数,录屏再显示来源结果;家庭控制只观察到界面回执。
原帖说明输入任务与已有订阅后由 Jev 选择 agent 或模型;演示也包含后续执行卡住。
How2Jev 归纳与推演
下面的适用人群、工作模式和延伸方向是基于案例的编辑建议,不代表作者教程、官方能力声明或保证可复现的步骤。
适合谁
- 有重复材料处理任务的开发者
- 想把多种工具连成小流程的运营或文档团队
基本工作模式 / 思路
分开准备材料与判断
由适合的工具提取文本或准备输入,再提供清晰的分类规则与可选流程。
做范围明确的分类
让判断对应到一个类别、边界或下一项处理任务,先从少量已知样本检查规则。
把结果交给对应工具
应用负责选择和运行后续处理,保留来源、选择和处理结果供人工检查。
为不确定结果留出口
可以交给人工或另一工具复核;是否使用置信度及阈值,需要按具体任务验证。
可延伸方向
- 客服请求分流与附件分类
- 会议资料整理或需要人工复核的文档处理队列
注意事项 / 证据边界
- 这三个项目采用不同流程:文档边界判断、邮件复核、音频工具选择,不能视为同一套现成产品。
- 只有邮件案例明确采用置信度阈值转交另一模型;该阈值不作为其他任务的推荐默认值。
- 不要把 OCR、转录、脱敏或音频剪辑归为 Jev 单独完成;本站未核验这些结果的质量。