Configuração Jev: dê um novo cérebro à sua IA

Reduza os custos do seu modelo de fronteira com este novíssimo modelo de IA

Um novíssimo modelo de IA de um cofundador do ChatGPT acabou de ser lançado e inundou o mundo da IA.

Chama-se Jev.

Todos estão testando isso agora, e algumas coisas sobre isso são honestamente difíceis de ignorar. É insanamente rápido, ridiculamente barato e, em alguns trabalhos muito específicos, tem uma vantagem sobre os grandes modelos de fronteira que usamos todos os dias.

E a parte mais estranha?

O Jev nem sequer está tentando competir com o ChatGPT ou o Claude.

Ele foi construído para fazer algo completamente diferente.

Jev não consegue escrever um e-mail. Ele não consegue escrever um artigo. Ele não consegue programar um App para você.

E é exatamente por isso que acho que vale a pena entender isso.

A ideia é, na verdade, muito simples

Claude, ChatGPT e Gemini foram criados para criar coisas.

Você faz uma pergunta e eles geram palavras.

Isso faz sentido quando você precisa de um relatório, um e-mail, código, pesquisa ou uma explicação.

Mas observe o que acontece dentro de um fluxo de trabalho de IA moderno.

A IA também continua tomando pequenas decisões:

Este e-mail é urgente?

Qual ferramenta devo usar?

Esta fonte é útil?

Qual agente deve trabalhar em seguida?

Esta tarefa está concluída?

Devo continuar ou parar?

Isso precisa de um humano?

Muitas vezes usamos um enorme modelo de linguagem para responder a perguntas que acabam se tornando:

sim

não

A

B

C

Esse é o problema que Jev está tentando resolver.

A maneira mais fácil de entender isso é a seguinte:

Claude escreve.
Jev decide.
O código faz.

Jev se torna um pequeno segundo cérebro sentado ao lado da sua IA normal.

Seu modelo caro pode fazer o pensamento difícil.

Jev cuida das pequenas decisões que acontecem ao seu redor.

Isso é Jev Engineering.

O guia completo abaixo destrincha o Jev do zero: o primeiro teste de 5 minutos, seus três modos de decisão, a configuração mais fácil do Claude Code/Codex, comandos de API, prompts de copiar e colar, roteamento por confiança, seleção de modelo, filtragem de contexto, fluxos de trabalho com agentes, triagem em massa de e-mails/pesquisa/leads, a economia de US$ 0,042 por milhão de tokens e a regra simples para saber o que pertence ao Jev, o que fica com o Claude e o que deve sempre ficar no código. Além disso, a única limitação por trás do hype de “sem alucinações” que importa antes de você automatizar qualquer coisa.

Pense no Jev como um if instrução

O software comum já é muito bom em decisões exatas.

Por exemplo:

if price > 100:
    stop()

Não precisamos de IA para isso.

Mas o código normal tem dificuldade com isso:

Is this customer angry?

Is this article relevant?

Does this look like spam?

Which of these five tools fits this request?

Does this research look complete enough to start writing?

Essas perguntas precisam de algum entendimento.

Mas elas não precisam de uma resposta de 2.000 palavras.

É aqui que o Jev se encaixa.

Você dá a ele algumas informações.

Você dá a ele as possíveis respostas.

Ele lhe dá sua decisão.

Esse é quase todo o conceito.

Faça isso antes de instalar qualquer coisa

Abra um fluxo de trabalho de IA que você já usa.

Pode ser o Claude Code, Codex, um agente de IA, uma automação de e-mail, um sistema de pesquisa ou algo que você construiu no n8n.

Procure por uma pergunta repetida.

Algo como:

Qual modelo deve lidar com isso?

Ou:

Este documento é útil?

Ou:

Este cliente precisa de uma resposta?

Comece por aí.

Não não mova todo o seu fluxo de trabalho para o Jev.

Dê ao Jev uma pequena tarefa primeiro.

Essa é a maneira mais segura e fácil de entender o que ele realmente pode fazer.

Experimente o Jev em cinco minutos

O lugar mais fácil para começar é o TypeSafe Playground.Abra o TypeSafe Playground

Você ainda não precisa construir nada.

Coloque isto em State:

I am researching three new AI tools.

I have only found one useful source so far.

I need at least three reliable sources before writing.

Agora pergunte:

What should happen next?

Dê ao Jev três opções:

research = More information is still needed.

write = There is enough information to start writing.

review = The situation is unclear and needs human review.

Execute.

Agora mude o estado:

I found three reliable sources.

The main claims are verified.

My notes are complete.

No draft has been written yet.

Execute a mesma pergunta novamente.

Você deve ver a decisão mudar.

Essa pequena experiência ensina quase tudo de importante sobre Jev.

Você dá a ele a situação.
Você define as possíveis decisões.
Jev escolhe uma.

Jev só tem três coisas para aprender

Essa parte parece técnica até você ver o quão simples ela é.

O Jev tem três tipos básicos de perguntas.

1. Escolha

Use Escolha quando o Jev deve escolher uma coisa.

Por exemplo:

Where should this email go?

sales
support
billing
spam

Ou:

Which AI model should handle this?

cheap_model
powerful_model
human_review

2. Pontuação

Use Pontuação quando algo está em uma escala.

Por exemplo:

How useful is this document?

irrelevant
somewhat useful
very useful
critical

Isso é bom para relevância, qualidade, risco, urgência e qualidade de leads.

3. Noul

Este é basicamente o modo sim/não do Jev.

Você lhe dá uma afirmação:

This customer is asking for a refund.

Jev retorna uma probabilidade entre 0 e 1.

Perto de 1 significa provavelmente sim.

Perto de 0 significa provavelmente não.

Perto do meio significa que Jev está incerto.

Essa incerteza é muito útil.

Falaremos mais sobre isso em um segundo.

A configuração mais fácil para Claude Code ou Codex

Você não precisa se tornar um desenvolvedor TypeSafe para começar a experimentar.

A TypeSafe lançou uma AI Skill oficial que pode ensinar agentes de programação a trabalhar com Jev.

Para o Claude Code:

claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-ai

Para o Codex e outros agentes de codificação compatíveis:

npx skills add typesafe-ai/skills --skill typesafe-ai

Em seguida, crie sua chave de API do TypeSafe.

Painel do TypeSafe

Agora você pode dar ao Claude Code ou ao Codex uma instrução em linguagem natural.

Tente isto:

Use the TypeSafe skill.

Look at my current project and find one repeated decision
that would be suitable for Jev.

Do not change the whole workflow.

Start with one low-risk decision.

Show me:

1. What information Jev will receive.
2. What question Jev will answer.
3. What the possible answers are.
4. What happens when Jev is unsure.
5. What should remain handled by normal code.

Keep the setup simple.

Esta é provavelmente a forma como eu recomendaria que a maioria dos usuários de IA começasse.

Você não precisa entender a API completa primeiro.

Deixe seu agente de codificação construir a infraestrutura enquanto você entende a decisão.

Se você quiser a API, a configuração é mínima

Para Python:

pip install typesafe-sdk

Adicione sua chave:

export TYPESAFE_API_KEY="YOUR_KEY"

Então, a ideia básica é mais ou menos assim:

from typesafe_sdk import Choice, TypeSafeClient

client = TypeSafeClient()

response = client.system_one(
    state="The customer says the API has failed three times today.",
    questions={
        "route": Choice(
            instructions="Which team should handle this?",
            criteria={
                "support": "General customer help",
                "engineering": "Technical or API problem",
                "billing": "Payment problem",
            }
        )
    }
)

print(response.answers["route"].choice)

Essa é uma ideia Jev funcional em poucas linhas.

Nenhum prompt de sistema gigante.

Nada de pedir à IA para retornar um JSON perfeito.

Nada de ler um parágrafo só para descobrir que a resposta era "engenharia".

O SDK Python atual da TypeSafe requer o Python 3.10 ou mais recente.

O verdadeiro truque é a confiança

Esta pode ser a parte mais útil do Jev.

Imagine que o Jev está organizando seus e-mails.

Para um e-mail, é bem certo:

billing
confidence: very high

Certo. Envie para o faturamento.

Outro é bagunçado.

Jev não tem certeza se ele pertence às vendas ou ao suporte.

Isso não deve ser tratado como um resultado normal.

Seu fluxo de trabalho pode dizer:

Very sure → continue automatically

Not sure → ask Claude

Very unsure → send to me

Agora você tem algo muito melhor do que uma automação cega.

Sua IA barata lida com os casos óbvios.

Sua IA poderosa só é chamada para os casos difíceis.

E você só vê os casos extremos estranhos.

É aí que o Jev começa a ser útil para uma automação real.

No entanto, não copie cegamente o número de confiança de outra pessoa. A própria TypeSafe recomenda testar os limites com seus próprios exemplos, porque o nível certo depende da tarefa e do custo de se cometer um erro.

Aqui estão os usos que acho mais interessantes

Dê ao seu AI o modelo certo

Você provavelmente não precisa do seu modelo de AI mais forte para cada solicitação.

Jev pode analisar a tarefa primeiro.

simple lookup → cheap model

normal work → standard model

hard reasoning → powerful model

unclear → human/review

A LangChain já incorporou o roteamento de modelos baseado em Jev em suas ferramentas de agente.

Isso poderia economizar silenciosamente muito dinheiro em fluxos de trabalho de IA de grande escala.

Limpe o que entra no seu contexto

Agentes de IA coletam uma quantidade ridícula de informações.

Resultados da pesquisa.

Saídas da ferramenta.

Mensagens antigas.

Registros.

Documentos.

Memória.

Grande parte disso deixa de ser útil.

Jev pode julgar:

keep this

drop this

this is relevant

this no longer matters

Um dos primeiros projetos da Jev usou essa ideia para reduzir uma sessão de codificação do Claude de quase 1 milhão de tokens para cerca de 86 mil, decidindo quais chamadas de ferramentas antigas ainda importavam, em vez de pedir a outro modelo que reescrevesse tudo. Essa é uma demonstração da comunidade, não um benchmark universal, mas a ideia é importante.

Às vezes, o contexto não precisa de outro resumo.

Ele simplesmente precisa de uma filtragem melhor.

Coloque um controlador de tráfego dentro do seu agente

Imagine que você tem três trabalhadores de IA:

Pesquisador

Escritor

Revisor

Em vez de seu modelo principal decidir cada etapa, Jev pode continuar verificando a situação atual:

Not enough evidence → Researcher

Enough evidence → Writer

Draft complete → Reviewer

Unclear → Human

O LLM principal fica livre para realizar o trabalho propriamente dito.

Jev controla para onde o trabalho vai em seguida.

Esse é provavelmente o exemplo mais claro de dar a um agente de IA um segundo cérebro.

Organizar enormes pilhas de informações

É aqui que o baixo custo do Jev se torna interessante.

Pense em:

10.000 e-mails.

5.000 leads.

Milhares de avaliações de clientes.

Centenas de artigos de pesquisa.

Uma lista enorme de produtos.

Anos de tickets de suporte.

Trechos recuperados em um sistema RAG.

Você pode fazer algumas perguntas simples ao Jev sobre cada item.

Então use código normal para classificar os resultados.

Isso é muito mais interessante para mim do que usar o Jev para uma pergunta aleatória de sim/não.

Uma regra lhe poupará muitos problemas

O Jev decide o significado. O código lida com os fatos.

Não pergunte ao Jev:

How many items are here?

Is this date less than 30 days old?

Is $490 greater than our $400 spending limit?

Did the file actually save?

Seu computador pode responder a essas exatamente.

Use código.

O Jev deve lidar com perguntas como:

Does this document answer my question?

Does this message sound urgent?

Which category best fits this lead?

Does this result look complete?

A própria documentação da TypeSafe avisa que o Jev não foi feito para contagens exatas, aritmética e cálculos de datas.

Uma regra muito simples:

Significado → Jev

Matemática e regras → Código

Escrita e raciocínio profundo → Claude/ChatGPT

Ação final de alto risco → Humano

Mantenha esse mapa e tudo se tornará muito mais fácil.

E não, o Jev não pode magicamente “nunca alucinar”

Você pode ver essa afirmação em toda parte.

Existe uma diferença importante.

Suponha que você dê ao Jev apenas três respostas:

sales
support
billing

Jev não pode inventar de repente:

legal_department_7

Essa resposta não existe.

Isso é genuinamente útil.

Mas Jev ainda pode escolher vendas quando o suporte estava realmente correto.

Então, a maneira segura de dizer isso é:

Jev não pode inventar uma resposta fora das escolhas que você lhe deu. Ele ainda pode escolher a errada.

É por isso que testar é importante.

O preço explica por que as pessoas estão animadas

A TypeSafe atualmente precifica o Jev em US$ 0,042 por milhão de tokens de entrada, com tokens de saída não cobrados.

Isso equivale a US$ 42 por bilhão de tokens de entrada.

A parte importante não é simplesmente que uma chamada Jev seja barata.

A parte interessante é o que acontece quando as decisões se tornam tão baratas.

Você pode colocar uma decisão:

após cada pesquisa,

antes de cada chamada de ferramenta,

em cada documento recuperado,

em cada lead recebido,

em cada e-mail,

dentro de cada loop de agente.

É também por isso que é chamado de Jev.

O nome vem do paradoxo de Jevons: quando algo se torna drasticamente mais barato e eficiente, as pessoas frequentemente acabam usando muito mais disso. A TypeSafe diz que essa ideia é central para o modelo.

Decisões baratas de IA podem criar muito mais decisões de IA.

Por onde eu começaria

Esqueça a arquitetura de agente gigante por enquanto.

Esta semana, encontre uma decisão chata que você toma repetidamente.

Talvez:

Is this email worth replying to?

Ou:

Is this research result useful?

Ou:

Which model should handle this task?

Ou:

Does this output need human review?

Execute 30 ou 50 exemplos reais através do Jev.

Veja onde ele acerta.

Veja onde ele se confunde.

Corrija a pergunta.

Então automatize apenas os casos óbvios.

Isso é o suficiente.

Você não precisa “mudar para Jev.”

Você continua com o Claude.

Você continua com o ChatGPT.

Você continua com suas ferramentas existentes.

Você simplesmente para de pedir ao maior cérebro do seu sistema para tomar cada pequena decisão.

Dê a essas pequenas decisões seu próprio cérebro.

É aí que Jev começa a fazer sentido.