基于 Jev —— 一个不会写作、只会判断的模型
描述你想找的东西——一个谎言、一份思念、一次背叛、一个伏笔。Throughline 会读遍整本书的每一段,标出所有出现的地方。只要一秒左右。
“林黛玉哭泣或流泪” 出自《红楼梦》
2,756 段 · 5.29s · $0.076
每张图都是对全书每一段问同一个问题,从开头到结尾。点开就能看到整本书的高亮。
合同、访谈记录、用户调研、你的小说手稿。文档只保存在这个浏览器里;段落只会发送给 Jev 做判断,Throughline 从不存储。
所有限制责任的条款
在一份 90 页的合同里
每一次用户提到上手困难
在 40 份用户访谈里
每一处只讲述、不描写的地方
在你的小说手稿里
每一个回避问题的回答
在一份听证会记录里
把文档拖到这里
PDF、EPUB、Word、Markdown 或纯文本 · 最多约 30 万词(中文约 60 万字)
能找到提到某个话题的段落,却分不清“撒谎”和“谈论撒谎”,也分不清真正的犹豫和“犹豫”这个词。
把整本书读一遍,然后给你几个例子。大部分地方会漏掉,有时还会引用原文里根本不存在的句子。
对每一段都问一个是非题,全部并行,保留经过校准的概率。找得全、速度快,每一处高亮都是原文。
这原本是最贵的一步。让大语言模型逐段读完《红楼梦》的 2,756 段,要花好几分钟和真金白银。Jev 全部判断完只用了 5.29s,花费 $0.076。
把文本切成段落(英文约 120 词,中文约 240 字),不会跨越章节。
每一段向 Jev 发一个请求:段落本身,加上每个搜索词对应的一个是非题。
Jev 在一次前向计算中回答所有问题,不生成任何文字,只返回校准过的概率。
普通代码把这些数字变成高亮、缩略图和全书线索图。
POST https://api.typesafe.ai/v1/systemone
{
"model": "jev-latest",
"state": {
"book": "《红楼梦》曹雪芹",
"passage": "黛玉方进入房时,只见两个人搀着
一位鬓发如银的老母迎上来……
黛玉也哭个不住。"
},
"questions": {
"lens_0": {
"type": "noul",
"instructions": "读者正在这本书中寻找:
「林黛玉哭泣或流泪」。这段文字是否
真正符合读者要找的内容?"
}
}
}→ 96 ms
{
"model": "jev-1.13.0",
"answers": { "lens_0": { "type": "noul", "noul": 0.97 } }
}Jev 是 TypeSafe AI 的“System One”模型:它做快速、经过校准的判断,而不是写文章。Throughline 对每一段发一个这样的请求,几十个同时进行,整本书大约一秒就回来了。
公版经典,随时可搜。选一本,描述任何东西。
The Adventures of Pinocchio
木偶奇遇记
卡洛·科洛迪
1883 · 39,777 词
A Christmas Carol
圣诞颂歌
查尔斯·狄更斯
1843 · 28,395 词
Alice's Adventures in Wonderland
爱丽丝梦游仙境
刘易斯·卡罗尔
1865 · 26,299 词
The Metamorphosis
变形记
弗朗茨·卡夫卡
1915 · 21,932 词
Strange Case of Dr Jekyll and Mr Hyde
化身博士
罗伯特·路易斯·史蒂文森
1886 · 25,531 词
The Great Gatsby
了不起的盖茨比
F. 司各特·菲茨杰拉德
1925 · 48,100 词
Romeo and Juliet
罗密欧与朱丽叶
威廉·莎士比亚
1597 · 25,479 词
Hamlet
哈姆雷特
威廉·莎士比亚
1603 · 31,557 词
Frankenstein
弗兰肯斯坦
玛丽·雪莱
1818 · 74,919 词
The Picture of Dorian Gray
道林·格雷的画像
奥斯卡·王尔德
1890 · 78,884 词
Pride and Prejudice
傲慢与偏见
简·奥斯汀
1813 · 121,546 词
The Adventures of Sherlock Holmes
福尔摩斯冒险史
阿瑟·柯南·道尔
1892 · 104,347 词
Dracula
德古拉
布莱姆·斯托克
1897 · 160,115 词
Moby-Dick
白鲸记
赫尔曼·梅尔维尔
1851 · 211,360 词