在开始体验之前，我觉得我有必要介绍下Jev是个什么
其实就是一个前OpenAI创始人出来做的所谓system one模型，什么？你问我什么是system one模型？他的官网是这么说的，不管你信不信，反正我是信了.jpg
说他是一个LLM，倒也不完全是，因为他输出不是随机的，只要固定上下文和选项，输入结果就一定一致（有点像temperature=0），并且他的速度特别快，效率这么快的同时，又比那些分类器更强（毕竟没那么死板），算是他们的集合体
具体表现就是你只能输入结构化的数据，不能像传统LLM那样自由地进行自然语言对话。
在这里，结构化数据又表现为他只能接受三种形式的输入，分别是Choice，Socre，Noul，分别对应着几种选择中选择哪个（当然这个几种选择是你自己定义的），在某个维度中处于哪一档，以及某个条件是否成立（gork is that true?）
既然如此，我就有一个大胆的想法，既然jev有选择几个选项中概率的功能，那我岂不是可以给他加上词库，让他强行能说话？
说干就干，我直接给他加了一个n-gram词库，原理大概就是：当你输入第一个字的时候，他就会根据这个字去词库里面找这个字后面可能会出现的字。
我再把返回的字作为结果，输入到jev里面去，让他根据上下午选一个字，形成一个循环，直到我想要的长度为止，并且为了防止他瞎说话，我还在第一个字的时候加入了个语境预设，让他自己来选择语境
效果如下：
当然，如果你也想试的话也可以直接到这里，我已经”开源“了代码（指代码是gpt一把梭的）
试了几轮之后，我感觉jev最大的优势在于便宜和快，智能程度目前远远比不上主流的”大“模型，很多时候他做的一些决策远远不如主流模型思考后的结果，但是速度要快的多，在类似游戏等需要及时反应的场景会比较有用，说不定让LLM指定好todo之后，让jev去根据这个上下文来作为执行层会是一个不错的选择