大家好
最近出现了一款新的
比较特殊的 AI 模型，叫做 Jev
它来自
OpenAI 前研究员
Diogo Almeida
他也是 RLCD 训练方法的提出者之一
他创办的 TypeSafe AI 推出了
Jev 这款高速决策模型
准确来说
它是一款
极速决策模型
它和普通模型有什么区别
目前的 AI 模型
大致可以分为两类
第一类
速度极快
依靠直觉
另一类速度较慢
依靠推理分析
我们现在使用的 GPT、Claude
都依靠模型内部
较长时间的推理
但现在
许多场景急需一款模型
快速告诉我们下一步该做什么
复杂任务具体怎么执行
通常会交给
GPT、Claude 这类高级模型
今天很火的 Jev 模型
专门负责
快速决策
它会直接告诉我们
比如说
怎么做
一件事该不该做
比如说
他究竟适不适合做
究竟该交给谁做
这正是它擅长解决的问题
它主要解决哪几类问题
第一类：选择
它可以从给定选项中
选出一个结果，并且
给出对应概率
这里
一共
包含
三种输出类型
第一种是 Choice
也就是单选题
这时
会输出选项及每个选项的概率
以及相关内容
适用场景包括
工具路由
动作选择和分类
第二种
是评分类型
评分类型
会输出最终分数
适合
风险评分、质量评分
以及相关性评分
第三种
是判断类型
给出 True / False 概率
例如是否保留
是否危险
以及是否达标
下面举一个最简单的例子
那比如说
现在上下文有段测试日志
系统只想知道
这段日志是否需要保留
传统大模型
可能会输出一大段解释
解释这段日志为什么
需要或不需要保留
如果交给 Jev
它会直接告诉你
是否保留
Yes 或 No
这样
就能大幅提升处理速度
这就是 Jev 的核心能力
接下来
看一下网上的 Jev 案例
稍后
再分享具体使用方法
并带大家
制作一个由 Jev 控制的
自动化游戏教程
接下来
先看一个
AI 跑酷案例
我们看到他现在通过
Jev 模型
会自动跳跃
并闪躲障碍
这完全基于 Jev 的
判断能力实现
下面看看具体做法
这个
开始前
需要先获取 Jev 的 API Key
目前
有两种方式
第一种
通过 Vercel AI Gateway
Vercel 平台
当前推广期持续到 9 月 25 日
期间可以免费使用
可以看到
Input 和 Output
都是免费的
使用 Vercel 时
可以通过 Vercel
使用 Google 账号一键注册
注册完成后
就可以使用 Vercel
免费提供的 Jev
但这种方式
需要绑定银行卡
如果没有合适的银行卡
可能无法使用
第二种方式
是 TypeSafe 官网
官网目前
现在已经
已经全面开放
直接使用 Google 账号
即可一键注册
注册成功后
会赠送 5 美元额度
这笔额度
完全
足够个人测试
或基础使用
使用成本很低
TypeSafe 注册完成后
会进入 TypeSafe
首页
首页内容很简单
我们可以看到很简单
第一个Home
Home
这里有一个 Skill
可以把这个 Skill
发送给其他 Agent
其他 Agent
安装这个 Skill 后
在执行任务时
你就可以
会自动触发
遇到决策任务
它会自动
快速调用 Jev
完成决策
这里可以查看用量
第二项是控制台
控制台主要用于
核心测试
可以进行基准测试
进入控制台后
我们先把这个复制一下
复制完成后
我打开一个全新的页面
打开控制台
控制台里
就是前面提到的
三种决策类型
第一种
是True / False这种类型
是 True / False
第二种
会给出分数
就是你自己列出选项
第三种是 Choice
Choice 类型
可以配置多个选项
例如 A、B、C
模型会选择其中一项
这就是它支持的三种类型
下面做一个简单测试
大家就清楚了
那比如说
我现在
这里选择 Choice 类型
也就是选择一个结果
比如说
输入的问题是
是这个网站打不开了
网站打不开
一共提供三个选项
分别是售后
技术
以及账单
三个处理入口
从人的角度判断
网站打不开
网站打不开了
应该转到技术支持
点击 Run
可以看到这里返回了
各选项的概率
Option B
对应的是
技术支持
这
是百分之比
这个判断非常
准确
这时候
应该找技术
转到技术支持
这时候
我们在后台根据这个的状态
后台可自动切换到技术支持
由对应机器人接手处理
这就是快速决策
第二个测试
是售后问题
售后
看能否
切换到售后
我们看它可不可以正常的跳转过去
这个时候
我选择说
我买的鞋子坏了
鞋子损坏
这个时候
应该进入到我们的售后对不对
我们点Run一下
我们可以看到
他这个时候
就选择了售后了
就是给我们的结论就是说
这个问题
是属于售后的
这时候
我们比如说在后台有一个
决策阶段
这时候
系统会自动切换到售后
由售后人员
负责处理
再测试账单问题
账单同样我们也可以
输入一个账单问题
这我说
我的付款金额不对
我们看一下Run一下
可以看到
结果跳转到 C
大概
也会有一定是售后问题
当前更倾向于 C：账单问题
那这时候
系统即可转到账单部门
进行后续处理
为什么它的金额不对
通过这个小例子可以看出
Jev 的核心原理是
它这个核心的原理就是说
根据输入
也就是问题本身
再列出候选项
它会快速从中
找出正确
入口
从而快速对问题
或功能
进行分类
这就是它的核心能力
这项能力也很适合游戏
因为游戏它的固定的玩法是固定的
今天给大家演示的这个
就是 AI 跑酷
也一样的
下面看一下效果
我们切到AI自动模式
切换到 AI 自动模式后
我们点击开始跑
我们可以看到
这个时候
角色现在
角色开始自动吃金币
前方出现火车
它自动避开了
可以看到
现在没有任何人工操作
完全由 AI 自动运行
而且这里
我们也可以实时看到
决策耗时
目前一直接近 0 秒
这个耗时
它的决策
所以它的响应非常快
这里是避障状态
这个
并显示实时感知
这个
都是我在本地做的
大家可以看到这么情况
可以看到
到时候
我会把这个源码
放到 Telegram 群
大家到时候可以在群上去下载
配置自己的 Key 即可体验
我们可以看到已经
避开障碍好多次了
这个就是基于它的
核心能力
它会
会基于内部状态
实时发起判断请求
给大家说一下它的核心原理
只有知道了核心原理之后
才能把它应用到不同场景
先看核心原理
这个的核心原理
就是说我们需要把提前
把当前界面状态
实时传给 Jev
因为我们只有把当前
界面上这些实时的
比如说前方是什么障碍物
以及障碍类型
这里不是通过截图识别
截图识别速度太慢
它的核心的原理就是说我们会在
游戏由我们编写 H5 代码
我们这个游戏是我们自己开发的
那我们是知道前方是有什么障碍的
我们会把这个障碍物
将障碍信息发送给 Jev
走最左边
左、中、右等轨道
等等
前方所有障碍信息
都会提前传给 Jev
Jev
会做出判断
选择移动方向
再调用人物切换动作
实现自动驾驶
注意
它不是实时识别界面
因为界面识别速度较慢
而是从源码层
直接把状态传给 Jev
Jev 调用接口做出决策
来带动我们的界面
前端界面再展示动作
这就是核心原理
这里
已经准备好提示词
给让它生成了
我们可以看到
请开发一个原创的
地铁跑酷风格 H5 游戏
具体内容
可以自行修改
使用 Three.js 实现三轨跑道
并生成 AI 自动模式
自动驾驶
通过 Vercel AI Gateway
调用
TypeSafe 的 Jev 模型
根据轨道和障碍状态生成动作
提示词会
放在视频下方
到时候
打开 Codex
粘贴提示词
让它去给你做
就可以了
但是这里
这里使用 Vercel AI Gateway
就是当前给大家说的
申请免费的 Key 即可
大家可以申请一下
如果想使用
TypeSafe 也可以
你就把这个换下
将调用方式改为 TypeSafe
原生 API 即可
它会生成与演示类似的
自动跑酷效果
差不多效果你就可以去使用了
这个
以上就是今天的教程
如果有问题
欢迎在下方留言，谢谢