Guides / 動画ウォークスルー
Expanso Edge と Jev でログをトリアージする
最終更新日: 2026-10-01
Expanso Edge のログパイプラインで、本番を想定したシミュレーション用イベントの定型的な振り分けを決定論的に保ち、文脈が必要な非構造化イベントだけを Jev で分類し、モデル接続断時のバッファリングも確認します。
要点
動画では、本番を想定したシミュレーション用イベントが raw bucket に入るところから始めます。画面上のデータは synthetic demo events、バケットは local demo files と表示されるため、実際の本番ログではありません。Expanso Edge がストリームを整形・補足した後、非構造化の文脈判断が必要なイベントだけを Jev に渡します。大半のイベントは決定論的な経路を通り、選別した結果は通知または人手レビューへ送られます。Jev への接続が切れた場合に判定をバッファへ置き、復旧後に処理する考え方も示されます。ただし、キュー容量、配送保証、独立したコスト評価は動画で示されないため、自分のデプロイで確認してください。
ステップごとのウォークスルー
- 1
まず raw bucket と、シミュレーション用ログに足りない文脈を確認する
冒頭では、synthetic demo events と表示されたイベントが、local demo files と表示された raw log bucket に流れ込む画面が示されます。見た目は本番ログに近いシミュレーション用データですが、実際の本番イベントではありません。構造化ログとしては役立つ一方、後から原因を調べるための文脈が不足しており、すべての行を移送するとコストも増える、という問題設定です。これは動画内の出発点であり、すべてのログバケットが無駄だという主張ではありません。実際の設計では、必要なイベント項目、集計値、保持期間を先に決めてください。

本番を想定したシミュレーション用イベントが、local demo files の raw bucket に入るところから始まります。タイムスタンプ 0:32 を見る - 2
モデル追加前に log-triage の設定フォームを確認する
モデルを追加する前に、講演者は `Edit Pipeline: log-triage` の設定フォームを開きます。画面には name と description の入力欄に加え、Node Selector、Runtime Settings、Deployment Configuration が並びます。このフレームは稼働状態や healthy と表示されたデプロイ結果を示すものではありません。外部モデルへの依存を入れる前に、まずこの決定論的なパイプライン設定を確認し、実際の環境ではデプロイ後の状態と出力を別途検証します。

これは稼働状態の画面ではなく、モデル追加前のパイプライン設定フォームです。タイムスタンプ 1:04 を見る - 3
定型ログの整形は決定論的なパイプラインで行う
Pipeline YAML 画面では `pipeline-logging.yaml` が選択されています。表示された設定は値を定義済みの集合に正規化し、イベントの指紋を作って件数を数え、定型レコードをアーカイブします。画面には「No model needed」とあり、YAML は Expanso Cloud から読み戻したものではなく、チェックイン済みのソース設定だと明記されています。これは決定論的なベースラインです。講演者が選択した判断に Jev を追加するのは、この後の流れです。

チェックイン済みの YAML がモデルを使わずにログを整形・アーカイブします。タイムスタンプ 2:34 を見る - 4
シミュレーション上の高シグナル判定を通知または人手レビューへ送る
この画面の実行も synthetic demo events を使ったシミュレーションで、出力先のバケットは local demo files と表示されています。本番らしい流れを再現していますが、実際の本番イベントや運用結果ではありません。Jev の結果によってパイプラインに確からしさの情報が加わり、注意が必要なイベントを通知またはレビューへ送れるようになります。決定論的なゲートと最終的な宛先は引き続き Expanso のワークフローが担います。動画は普遍的な確率閾値を定めていないため、ラベル付きの実例から閾値を決め、曖昧・低信頼の分岐を残し、ページャーを有効にする前に実際の動作を検証してください。

本番らしいシミュレーションで、閾値、宛先、エスカレーション方針を確認します。タイムスタンプ 3:34 を見る - 5
シミュレーション用イベントを、接続断時にバッファへ退避する
このレビュー画面も synthetic demo events と local demo files を使った、本番らしいシミュレーションです。実際の本番配送結果を示すものではありません。講演者はモデル接続を切断し、Expanso が処理待ちの判定をバッファに保持し、接続復旧後に排出する様子を示します。これはレジリエンス設計の一例であり、すべてのデプロイで配送が保証されるという意味ではありません。本番投入前に Expanso のドキュメントと障害注入テストを使い、キュー容量、保持期間、リプレイ順序、重複処理、バッファ満杯時の挙動を確認してください。

local demo files を使ったシミュレーションで、切断・復旧を確認します。タイムスタンプ 4:44 を見る
よくある質問(FAQ)
このワークフローでは、デモイベントの全行を Jev で分類しますか?
いいえ。動画では synthetic demo events の大半が Expanso の決定論的な経路を通り、Jev に送られるのは一部のログ行だけです。推論の前に絞り込むことで、文脈が必要な判断にモデルを集中させます。
ログトリアージで Jev は何を追加しますか?
選択した非構造化イベントに対して、型付きの分類判定と確率を返します。パイプラインの編成、決定論的なゲート、通知やレビューなどの宛先は引き続き Expanso が担当します。
Jev への接続が切れるとどうなりますか?
動画では、Expanso が処理待ちの判定をバッファに置き、接続復旧後に排出します。ただし、キュー容量や配送保証は示されていないため、自分のデプロイ設定を確認し、復旧動作を実測してください。
この動画に本番ベンチマークやアラート閾値はありますか?
ありません。これはワークフローの紹介であり、独立して測定された遅延、コスト、精度のベンチマークではありません。自分のラベル付きイベントから閾値を決め、誤検知、見逃し、キューの状態を監視してください。
関連ガイド
Jev Model: Choice、Score、Noul
イベントのカテゴリ、重大度スコア、Yes/No ゲートに合う型付き出力を選びます。
読むJev API の例: curl、Python、JavaScript
リクエストのペイロードと、Jev が返す型付きの回答を確認します。
読むJev API のエラーとレート制限
文書化されていない制限を推測せず、リトライと上流エラーへの対応を設計します。
読むTreg と Jev でリードをエンリッチする
営業リードを対象にした、もう一つの選択的な分類ワークフローを見てみます。
読むHeym で Jev Decision Node を使う
Heym の言語チェックワークフローと、実行時のモデルルーティングを確認します。
読むその他の動画ウォークスルー
- Jev Classification Quickstart: OpenRouter API, Primitives & Real Probabilities
- Jev Architecture Explained: Why 70ms Decision Models Beat LLMs for Workflow Automation
- Ultra-Fast Browser Agents with Jev: 178ms DOM Loops & Dual Model Orchestration
- Open Jev Models Are Here: Semif, Nimble, Decider, DiffusionGemma & Laya Hands-On
- Jev vs LLM: Will Jev Replace LLMs? Krish Naik's Whiteboard Explainer
- Jev Trader Tutorial: Build a Subsecond AI Trading Bot on Monad
- Jev Model Router: Build a Privacy-Gated LLM Router with Jev & OpenJev
- Jev Tutorial for Beginners: State, Questions & the TypeScript SDK
- Run Jev Locally: Kev, SemIf & Von on Your Own GPU (OpenJev Guide)
- Jev RAG Reranker: Policy-Steered Reranking for Retrieval-Augmented Generation
- When to Use Jev: An Engineer's Audit of Claims, Gates, and Failure Modes
- LangChain + Jev Integration Tutorial: Routing, Guardrails & Evals
- Jev MCP Server: Connect Jev Decisions to Claude Code & Cursor
- Jev vs Luna: Independent Benchmarks Put "Better, Faster, Cheaper" to the Test
- Jev Agent Harness: Where the Decision Gate Sits in Your LLM Loop
- Jev Playground Walkthrough: The Hotdog Lesson, Criteria, and a Four-Console Token Test
- Jev Text Classification API: Zero-Shot CLI & REST with classifier.dev
- Jev API Examples: First Request, curl & All Three Question Types
- Treg と Jev でリードをエンリッチする: ICP 判定と登録スコアリング
- Heym で Jev Decision Node を使う: モデルルーティングを制御する
- Laya Tutorial: Open-Source AI Routing With Calibrated Probabilities (Laya vs Jev Setup)
- Train Your Own Jev: Fine-Tune a Jev-Style Decision Model for $5–$17 (What You Can and Cannot Train)
- Jev Tips: 8 Best Practices for Better Decisions (State, Questions, Criteria & Thresholds)
- Jev Context Compaction: Prune AI Agent Memory Without Generative Summaries
- Jev as an LLM Judge: Confidence-Gated Cascades at 0.36% of the Cost
- TypeSafe Computer Use: Local Desktop Automation with Jev, Step by Step
- Jev Resume Screening: Build an AI Resume Evaluator with the Jev JavaScript SDK
- Jev + Claude Code Guide: Voice-Controlled Browser Automation with Typed Decisions
- Jev + Codex: Install the TypeSafe Skill and Triage a Real Gmail Inbox
- Jev vs Ollama: Can Local AI Replace Hosted Jev Without Sending Your Data Away?
- Build Your Own Jev: Train a Free Open-Source Zero-Shot Classifier (That Plays Doom)
- CUA-S1-Forms: a 706K-Parameter Jev-Like Model That Fills GUI Forms on Your CPU
- NOC/SOC Alert Triage with Jev: Rules First, One Typed Question, a Policy Gate
- Ollama Decision Models: Run tev1 and Nimble Locally (Tested on an 8 GB Card)
- Jev Guardrails in Production: A Five-Step Playbook for Decision Automation
- A Session Drift Guard for Pi Agent: Let the Jev Model Propose, Let Code Decide
- 50 Tev1 Use Cases: What a Local Decision Model Can Actually Do (Tested on an 8 GB Laptop)
- Jev, Hands-On: Where the Official Claims Meet Independent Remeasurement
- Jev Ticket Classification in a Real App: the After-Insert Hook and the Calculated Field
- OpenJev RLCD: Run the Open-Source Calibrated Decision Model Locally (Full Guide)
- Clef-Flash vs Jev: I Tested Cloudflare's Decision Model Locally in Ollama (Q4_K_M)
- Clef-Flash Tutorial: Install and Run Cloudflare's 9B Multimodal Decision Model Locally on Ubuntu
- CLM-8B: the Contrastive Decision Model That Scores 1,024 Options in 44 ms (13x Faster Than Jev)
- Nox 4B Tutorial: Run the Decision 2.0 Model Locally and Put It Through Four Real Decisions (One Ends in a Fail)
- Julia-1 Tutorial: Install the Open-Source Jev Replacement in Pure Python (and Watch It Beat If-Statements 9 to 2)
- OpenJev 0.8B on CPU: I Built a Ticket-Routing Inbox and Calibrated the Thresholds
- Jev n8n Integration: the JevGate Community Node, Step by Step (Plus a Plain-HTTP Fallback)
- NanoJev Tutorial: Install the 0.6B Open-Source Jev Replica and Watch It Route Decisions at 47 ms
- PPLX Decider Tutorial: Perplexity's Open 27B Decision Model, Its Decisions API, and a 12-Ticket Triage Run
- AutoTrust JEV-27B Tested Locally: Four Arms, 72 Cases, and One 0.969 Score That Was Wrong
- Clef 27B Locally: Watch Cloudflare’s Multimodal Decision Model Read an Image, a Video and an Uzbek Newspaper in One Pass
- Ollaya Guide: Install the "Ollama for Decision Models" Runner, Read Every Vendor-Reported Number, and Run the CPU Test It Leaves Open
- Strands Decider 2B Tutorial: Install the AWS Strands Decision Model on an 8GB Laptop — and Keep Its Failures In
- Liquid AI Open d1 Locally: d1-3B and d1-omni-600M on a MacBook Air M5 — Guardrails, Screen Checks, Voice Routing and Document Triage, Every Number Frame-Checked
- Image Decision Models for RPA: Watch Two Open Models Review an Unsigned W-8BEN With No OCR
- GLiNER2.5-Decide (340M) vs Jev (4B): Which Decision Model Actually Wins? A Frame-by-Frame Selection Guide
- Decision Models on Jetson: Jev vs Strands Decider 2B vs Laya vs d1-3B — Skill Master Scores, Thor Latency and JevBench, Every Number Frame-Checked
- Microsoft Decision-1 Tested: 146 Independent Tests, a 93% Mean, 124/125 When Confident — Every Number Frame-Checked
- Wire Jev into an Azure AI Foundry Agent as the Evaluation Layer — OpenAPI Tool, TypeSafe Connection, Triage Instructions and an Honest First-Run Failure