gpt-6VIDEO
用 Astra 可视化 JEV 与 LLM 的分流差异
同一句客服请求,LLM 逐词生成一句话再解析,JEV 直接返回三项概率供程序分流;Astra 只负责把过程画出来。
SuSu_酥酥👅
@NFT_Chen2026.09.19收录原推发布于 2026.09.18
SuSu_酥酥👅 @NFT_Chen原推发布于 2026.09.18
💥我靠!用GPT-6 Astra把Jev运行结构可视化,直接把 LLM 和 JEV 的差别钉死了! 同一句:“网络一直连不上,请帮我处理。” LLM:一边在讲故事,一边在做判断。 🔹逐词元往下写 🔹前文决定下一词 🔹最后吐出一句完整话:「建议转给技术支持处理。」 🔹软件还得再解析这句话 JEV:一边给人类看,一边给代码用。 🔸不写句子 🔸一次返回三项概率:技术支持 91%、账单服务 5%、其他 4% 🔸程序直接读数,直接分流:→ 转给技术支持 软件要的不是作文,是判断。 Jev 把这一步从生成里拆掉了——更快、更便宜、还不用再解析那堆字。 Astra 只是把这个瞬间画出来。真正冲击的是:客服分流根本不需要一篇回复。 #Astra #JEV #LLM #OpenAI #ChatGPT #SystemOne #AI可视化 https://x.com/nft_chen/status/2100466502545862725?s=46
这条是引用着另一条写的:「用 Jev 一小时在仿真里搭出 FSD 式驾驶决策循环」
x.com/nft_chen/status/2100818090733052363采集于 2026.09.19 10:13