影片筆記：免费领$5额度！Jev 极速决策模型接入教程 | OpenAI 前研究员打造的高速AI

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=6 已先套用暫定修正：他也是 RLCD 训练方法的提出者之一 → 他也是 RLHF 训练方法的提出者之一；segment=145 已先套用暫定修正：第一个Home → 第一个是Home）
• 待修正：逐字稿可先使用，但有待校正清單（segment=256 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=301 rapid_semantic_review: 300: 这里是避障状态, 301: 这个, 302: 并显示实时感知）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片介紹由 OpenAI 前研究員 Diogo Almeida 創辦的 TypeSafe AI 推出的「Jev」極速決策模型，該模型專注於快速分類與決策（如 Choice、Score、True/False），透過客服分流與 AI 跑酷遊戲實例展示其低延遲特性，並提供透過 Vercel AI Gateway 或 TypeSafe 官網獲取 API Key 及免費額度的教程。

核心重點

1. Jev 模型定位：

• 由 OpenAI 前研究員 Diogo Almeida（RLHF 訓練方法提出者之一）創辦的 TypeSafe AI 推出。
• 區別於依賴長時間推理的大語言模型（如 GPT、Claude），Jev 定位為「極速決策模型」，依靠直覺快速給出下一步行動建議、分類或判斷。
• 適用場景：複雜任務中需要快速知道「下一步該做什麼」、「具體怎麼執行」、「該不該做」或「該交給誰做」。

1. 三種輸出類型：

• Choice（選擇類型）：從給定選項中選出一個結果，並輸出選項及對應概率。適用於工具路由、動作選擇、分類。
• 評分類型（Score）：輸出最終分數。適用於風險評分、質量評分、相關性評分。
• 判斷類型（True/False）：輸出 True/False 的概率。適用於是否保留、是否危險、是否達標。範例中，測試日志是否需要保留，Jev 直接輸出 Yes/No，大幅提升速度。

1. 應用案例：

• AI 跑酷遊戲：角色自動吃金幣、閃躲障礙（火車），完全由 AI 自動運行，決策耗時接近 0 秒。實作方式為將遊戲內部狀態數據（如障礙物類型、所在軌道）直接傳給模型，而非依賴耗時的截圖識別。
• 客服分流決策：根據用戶輸入問題（如網站打不開、鞋子壞了、付款金額不對），Jev 快速判斷並指向對應部門（技術支持、售後、帳單），系統後台自動切換至對應機器人或人員。

1. 獲取 API Key 與額度：

• Vercel AI Gateway：推廣期持續至 9 月 25 日，Input 和 Output 免費。需綁定銀行卡，使用 Google 帳號註冊。
• TypeSafe 官網：目前已全面開放，贈送 5 美元額度，足夠個人測試或基礎使用，成本很低。

詳細大綱

一、 Jev 模型概述

• 開發背景：
• 來自 OpenAI 前研究員 Diogo Almeida。
• Diogo Almeida 是 RLHF 訓練方法的提出者之一。
• 由 TypeSafe AI 創辦公司推出。
• 核心定位：
• 高速/極速決策模型。
• 區別於傳統大模型：傳統模型（GPT、Claude）依靠內部長時間推理分析；Jev 依靠直覺快速決策。
• 應用場景：複雜任務中需要快速知道「下一步該做什麼」、「具體怎麼執行」、「該不該做」或「該交給誰做」。

二、 Jev 的三種輸出類型

1. Choice（選擇類型）：

• 從給定選項中選出一個結果，並輸出選項及對應概率。
• 適用場景：工具路由、動作選擇、分類。

1. 評分類型（Score）：

• 輸出最終分數。
• 適用場景：風險評分、質量評分、相關性評分。

1. 判斷類型（True/False）：

• 輸出 True/False 的概率。
• 適用場景：是否保留、是否危險、是否達標。
• 範例：測試日志是否需要保留，傳統模型會輸出長篇解釋，Jev 直接輸出 Yes/No，大幅提升速度。

三、 應用案例演示

• 案例一：AI 跑酷遊戲
• 角色自動吃金幣、閃躲障礙（火車）。
• 完全由 AI 自動運行，無人工操作。
• 決策耗時接近 0 秒，響應極快。
• 實作方式：將原始碼放至 Telegram 群供下載，用戶需配置自己的 Key。
• 案例二：客服分流決策
• 情境 1（網站打不開）：
• 選項：售後、技術、帳單。
• Jev 判斷：高概率指向「技術支持」（Option B）。
• 系統動作：後台自動切換至技術支持機器人。
• 情境 2（鞋子壞了）：
• Jev 判斷：指向「售後」。
• 系統動作：切換至售後人員處理。
• 情境 3（付款金額不對）：
• Jev 判斷：傾向於「帳單問題」（Option C）。
• 系統動作：轉至帳單部門。
• 核心原理總結：根據輸入問題列出候選項，快速找出正確入口進行分類。

四、 API Key 獲取方式

1. 透過 Vercel AI Gateway：

• 平台：Vercel。
• 優惠：推廣期持續至 9 月 25 日，Input 和 Output 免費。
• 註冊：使用 Google 帳號一鍵註冊。
• 限制：需綁定銀行卡，若無合適銀行卡可能無法使用。

1. 透過 TypeSafe 官網：

• 狀態：目前已全面開放。
• 註冊：使用 Google 帳號一鍵註冊。
• 額度：贈送 5 美元額度，足夠個人測試或基礎使用，成本很低。

五、 TypeSafe 平台功能介紹

• Home（首頁）：
• Skill：可將 Skill 發送給其他 Agent。其他 Agent 安裝後，執行任務遇到決策時會自動觸發 Jev。
• 用量查看：可查看使用情況。
• 控制台（Console）：
• 用於核心測試與基準測試。
• 支援上述三種決策類型測試（True/False、評分、Choice）。

六、 技術核心原理與實作

• 核心原理：
• 非截圖識別：不依賴耗時的截圖識別（Screenshot Recognition）。
• 狀態直傳：從遊戲原始碼層面，將當前界面狀態（如前方障礙物類型、所在軌道：左/中/右）直接發送給 Jev。
• 決策流程：Jev 接收狀態數據 -> 做出判斷（選擇移動方向） -> 調用人物切換動作 -> 前端界面展示動作。
• 開發教學：
• 使用提示詞讓 Codex 開發遊戲。
• 提示詞要求：開發原創「地鐵跑酷」風格 H5 遊戲。
• 技術規格：使用 Three.js 實現三軌跑道，生成 AI 自動模式。
• 調用方式：可選擇透過 Vercel AI Gateway 或 TypeSafe 原生 API 調用 Jev 模型。
• 提示詞將提供於影片下方。

工具 / 模型 / 名詞整理

• 模型名稱：Jev
• 公司/組織：
• OpenAI
• TypeSafe AI
• Vercel
• 技術/方法：
• RLHF（Reinforcement Learning from Human Feedback，人類反饋強化學習）
• Three.js
• H5 遊戲
• AI Gateway
• Codex
• 平台/服務：
• Vercel AI Gateway
• TypeSafe 官網
• Telegram
• Google 帳號

操作流程整理

1. 獲取 API Key：

• 選擇途徑：Vercel AI Gateway（需綁定銀行卡，推廣期免費）或 TypeSafe 官網（贈送 $5 額度）。
• 註冊：使用 Google 帳號一鍵註冊。

1. 配置開發環境：

• 若開發遊戲：獲取遊戲原始碼（如透過 Telegram 群組），配置自己的 API Key。
• 若使用客服分流：設定輸入問題與候選選項（如售後、技術、帳單）。

1. 調用 Jev 模型：

• 輸入狀態數據（如遊戲軌道位置、障礙物類型，或用戶問題）。
• 選擇輸出類型：Choice（概率選擇）、Score（評分）或 True/False（判斷）。

1. 執行決策動作：

• 根據 Jev 返回的結果（如 Option B 技術支持、左側移動等），執行對應系統動作（切換機器人、觸發遊戲動畫）。

值得注意的限制或風險

• 銀行卡綁定要求：透過 Vercel AI Gateway 獲取免費額度時，需綁定銀行卡，若無合適銀行卡可能無法使用。
• 推廣期限：Vercel AI Gateway 的免費推廣期僅持續至 9 月 25 日。
• 技術依賴：AI 跑酷遊戲的實作依賴將遊戲內部狀態數據直接傳給模型，而非依賴耗時的截圖識別，這意味著開發者需具備從原始碼層面提取狀態數據的能力。

逐字稿辨識疑點

• Jev：逐字稿中多次提及此模型名稱，拼寫為 J-e-v。
• Diogo Almeida：逐字稿提及為 OpenAI 前研究員及 RLHF 提出者之一。
• TypeSafe AI：逐字稿提及為 Diogo Almeida 創辦的公司。
• Skill：在 TypeSafe 首頁功能中出現此詞，指可發送給其他 Agent 的功能模塊。
• Vercel AI Gateway：作為獲取 Jev API 的通道之一。
• 9 月 25 日：Vercel 推廣期截止日期。
• 5 美元：TypeSafe 註冊贈送的額度。
• Option B / Option C：在客服分流測試中，模型返回的選項標記。
• True / False：決策類型之一。
• Choice：決策類型之一。
• Score：決策類型之一（雖未直接說「Score」，但描述為「評分類型」）。
• H5：遊戲開發技術格式。
• Three.js：用於實現三軌跑道的技術庫。
• Codex：用於根據提示詞生成代碼的工具。
• Telegram：分享遊戲原始碼的平台。

可延伸追問

1. Jev 模型在處理極端邊緣案例（Edge Cases）時的準確率如何？
2. TypeSafe 平台上的「Skill」功能具體如何與其他 Agent 整合？
3. 除了跑酷遊戲和客服分流，Jev 模型還有哪些實際的商業應用案例？
4. Vercel AI Gateway 在 9 月 25 日之後的定價策略為何？
5. 如何評估 Jev 模型在複雜多步驟任務中的長期穩定性？