אני חושב שמה שיכול להיות שייקרה אם jev יצליח לשמור על המהירו
אני חושב שמה שיכול להיות שייקרה אם jev יצליח לשמור על המהירות והמחיר שהוא מציע -
גידול של 100x בשימוש של LLM בתוך האפליקציות שאנחנו בונים. אם היום אנחנו חושבים פעמיים לפני קריאה לLLM כחלק מהתוכנה - כי זה יקר ולוקח זמן - עם ג׳ב זה לא מוחי (no brainer).
דוגמאות:
- fuzzy matching לשם המשתמש, אימייל וכו
- כל מיני העדפות אוטומטיות של המשתמש- האם הוא אוהב מסך בהיר או כהה, איך להציג לו את רשימת כרטיסי האשראי
כמעט כל דבר אפשר לעשות חכם יותר, ועכשיו כנראה זה זול (גם מבחינת latency ליוזר)
אכן יש לזה המון שימושים
שאלה חשובה זה לגבי api וsdk והכל, האם נניח זה ייתמך בvercel ai sdk כי בסוף זה ממש פרדיגמה שונה וזה לא LLMs אפילו
פרומפט שנתתי לאינסטינקט (תחליפו את שם הריפו ואולי כמה מהיוז קייסס שנתתי כדוגמאות ויכול להתאים לכם)
Can you look at my BYM repo and tell me 10 meaningful use cases where users can benefit from the system making a smarter decision using an LLM compared to plain heuristics? This could be, for example:
- better predicting the appointment date to offer when users click "New Booking/New Appointment"
- Prioritizing what to show on the homepage for clients or for owners
- a better answer from Becky in the client inbox
Please go into very, very specific details so it is ready for implementation. Assume LLM costs are nearly free and in the summary that you're giving me in the 10 proposals, just keep it super short, to one sentence each
לגוגל אין בושה לקחת לי את השם של המוצר
סליחה על החפירות הבוקר / ערב - אבל אני מתחיל להתרגש מהג׳ב הזה:
אפשר להכניס פקודה לclaude.md - כל פעם שאתה עושה matching תשתמש בג׳ב. למשל עכשיו קלוד כתב לי (מתכננים איזה פיצ׳ר ביחד):
Ask first: anything that matches only some of those conditions surfaces as an interrupt-ask.
משהו כזה עדיף שיהיה LLM.
אני עדיין מנפנף בידיים כרגע אבל זה נשמע לי הכיוון.
הדבר להרנס אחר, OMP או משהו כמו first mate של קון צון
ואז תוכל לעשות כל מיני דברים כאלה.
לגבי ה-jev: אני מחכה שייצא משהו open weight שמדמה את אופן העבודה שלו. אני חושב ששכבה כזו היא הכרחית להפעלה של llms ובכלל קלספיקציה של דברים במהירות ובזול.