Jev для второго мозга: фильтр почты, новостей и дублей

Что в ролике
Входящие, новости и дубликаты в системе можно фильтровать с помощью Jev — модели, которая не генерирует текст, а быстро и дешево отвечает на несколько вопросов с вариантами ответов параллельно. Автор встроил Jev в свой второй мозг через endpoint решений в OpenRouter и за неделю сделал 38 000 вызовов, потратив 55,3 миллиона токенов и всего 21 доллар. Первый блок — почта: Jev сначала проверяет каждое письмо на попытку промпт-инъекции, а затем решает, стоит ли тратить время и токены на черновик ответа, при этом сам ответ пишет уже LLM вроде Claude Haiku или GLM. Второй блок — новости из RSS и YouTube: Jev отсеивает явный мусор и проставляет релевантность по нескольким вопросам, а финальное решение о том, подходит ли статья аудитории, автор оставил за LLM, потому что Jev не хватает контекста о текущих темах канала. Третий блок — обработка поступающей информации для базы знаний: Jev сравнивает новый материал с уже обработанным и отсекает дубликаты, хотя раньше автор использовал семантическое сопоставление, а теперь считает Jev более точным и уверенным. В демонстрации на 14 новостных источниках Jev мгновенно выставил оценки и решил, что оставить, а что отбросить, а для писем порог 7 отправлял подозрительные в карантин. Для повторения нужно не просто подключить Jev, а подготовить состояние и вопросы под свои приоритеты, при этом автор подчеркивает, что это вдохновение, а не готовая инструкция.
Практика
- Что получишь
- Понимание, где Jev реально заменяет LLM в обработке входящих, и четыре готовые схемы: защита от промпт-инъекций, фильтр почты, фильтр новостей и отсев дубликатов.
- Первый шаг
- Начать с подключения Jev через endpoint решений в OpenRouter и прогнать через него простую задачу — например, классификацию писем на «ответить» и «пропустить».
- Цифры
- —38 000 вызовов Jev сделал автор за неделю тестов через OpenRouter
- —55,3 миллиона токенов ушло в Jev за ту же неделю
- —21 доллар стоили все эти вызовы Jev
- —14 новостных источников использовано в демонстрации фильтрации
- Честно
- Автор продвигает свой канал и просит лайк с подпиской, но отдельного спонсора или партнёрской ссылки в ролике не называет. Точные промпты, пороговые значения и код автоматизаций видны только на экране, а для повторения нужны свой второй мозг и аккаунт OpenRouter.
Если слова незнакомы — 6 терминов
- Jevмодель, которая не пишет тексты, а быстро выбирает ответы на готовые вопросы с вариантами
- LLMбольшая языковая модель, генерирующая текст
- промпт-инъекцияатака через текст письма или сообщения, заставляющая модель выполнить вредное действие
- семантическое сопоставлениепоиск похожих по смыслу фрагментов вместо точного совпадения
- endpoint решенийAPI-адрес, который принимает состояние и список вопросов с вариантами ответов
- OpenRouterсервис-агрегатор, через который можно обращаться ко многим моделям по единому API
Понадобится экран
Часть информации есть только на экране (настройки). Открыть на YouTube с 0:55.
Связки из этого ролика
1 шт.- OpenRouter decisions endpoint
Компоненты
5 шт.Цитаты-доказательства
дословно из субтитров- So, I use Jev through Open Router's new decisions endpoint. So, we're looking at my Open Router dashboard here.0:55
- Now, the prompts for Jev in my second brain are pretty simple. Nothing fancy here, but I did iterate a good amount to get here.5:29
- And so, this is a list of fake emails in my real inbox. This is exactly how I use Jeb. It applies the labels here.4:48
Формат: подборка · для практикующих · уверенность разметки 0.9 · источник