Guides / 视频转图文攻略
用 Expanso Edge 和 Jev 搭建日志分流流程
最近更新: 2026-10-01
通过 Expanso Edge 与 Jev 的合成数据演示,了解确定性日志筛选、按需分类、通知与复核分支,以及模型断线时的缓冲处理。
分步图文攻略
- 1
先看原始日志落点与上下文缺口
讲者用常见的生产日志管线说明问题,但画面把记录标为“合成演示事件”,目标桶标为“本地演示文件”,并非真实生产日志。示例想说明结构化记录可能缺少诊断上下文,逐条搬运也会增加成本;这不代表所有原始日志桶都浪费。实际设计前,先确认团队需要哪些字段、聚合结果和保留周期。

演示使用合成事件和本地原始日志文件。跳转至 0:32 - 2
先配置 Expanso Edge 基础管线,再接入 Jev
讲者打开 `Edit Pipeline: log-triage` 表单,为基础流程准备部署。截图显示管线名称、描述和配置分区,并非部署健康状态页。视频稍后口头说明部署已运行;接入外部模型前,仍应在自己的环境中单独验证运行状态与输出。

这是管线设置表单,不是部署健康状态页。跳转至 1:04 - 3
用确定性规则处理常规日志
Pipeline YAML 画面选中 `pipeline-logging.yaml`。可见配置把字段映射到封闭集合、生成指纹并计数,再把常规记录归档;页面还明确写着“No model needed”。顶部注明这是已检入的 YAML 源配置,并非从 Expanso Cloud 读取。把它视为确定性基线;讲者在后续流程中才为部分判断加入 Jev。

已检入的基础 YAML 用确定性规则整形并归档日志。跳转至 2:34 - 4
把高信号事件送往通知或人工复核
这个实时流程画面仍使用合成演示事件和本地演示文件,并非生产记录或运行结果。Jev 为选定判断补充可能性信息,工作流可将需要关注的事件送往通知或复核。确定性门禁和最终目的地仍由 Expanso 负责;视频没有给出通用概率阈值。应依据标注样本设定阈值、保留模糊或低置信兜底路径,并在启用告警前验证动作。

合成事件用于演示通知与人工复核分支。跳转至 3:34 - 5
Jev 连接中断时暂存,恢复后再处理
复核画面仍属于合成事件演示,并显示本地 `review.jsonl` 文件。讲者断开 Jev 连接后,Expanso 将待处理决策保存在 buffer,连接恢复后再排出。这是韧性设计示例,不代表所有部署都有交付保证。上线前应结合 Expanso 文档与故障注入测试,确认队列容量、保留时长、重放顺序、重复处理及队列满载时的行为。

用自己的队列配置和重放策略测试断线恢复。跳转至 4:44
常见问题(FAQ)
这段日志分流演示会让 Jev 判断每条事件吗?
不会。演示中的合成事件大多继续走 Expanso 的确定性路径,只有选中的记录经过 Jev。先筛选再推理,能让模型集中处理确实需要上下文的判断。
Jev 在日志分流中负责什么?
它为选定的非结构化事件返回类型化分类决策和概率。Expanso 仍负责管线编排、确定性门禁,以及通知或人工复核等去向。
Jev 连接中断会怎样?
视频展示 Expanso 暂存待处理决策,并在连接恢复后继续排出。视频没有说明队列容量或交付保证;要检查自己的部署配置并实测恢复流程。
视频给出了生产性能基准或告警阈值吗?
没有。这是工作流演示,不是独立测得的延迟、成本或准确率基准。应使用自己的标注事件设定告警阈值,并监测误报、漏报和队列状态。
相关推荐
用 Jev 做 NOC/SOC 告警分诊
事件层面的兄弟篇:规则先行、一个类型化 route 问题、0.85 置信度策略闸门的告警分诊。
阅读Jev 模型:Choice、Score 与 Noul
按需为事件类别、严重程度或是非门禁选择类型化输出。
阅读Jev API 示例:curl、Python 与 JavaScript
查看请求载荷,并读懂 Jev 返回的类型化答案。
阅读Jev API 报错与限流排查
了解重试策略与上游错误,避免臆造未公开的限额。
阅读用 Treg 和 Jev 做线索丰富与分类
看看另一种选择性分类工作流:销售线索丰富。
阅读在 Heym 中使用 Jev 决策节点
查看 Heym 语言判断工作流与运行时模型路由。
阅读更多视频攻略
- Jev 极速分类实战:从 API 调用到 Choice/Score/Noul 三大原子类型
- 7 分钟透析 Jev 架构:为什么 70ms 决策模型颠覆了 LLM 自动化工作流?
- Jev 赋能极速浏览器 Agent:178ms DOM 决策循环与双模型协作实战
- OpenJevs 开源 Jev 模型全景:Semif、Nimble、Decider、DiffusionGemma 与 Laya 实测
- Jev 会取代 LLM 吗?Krish Naik 白板图解 Jev vs LLM 与混合架构
- Jev Trader 教程:在 Monad 上搭建亚秒级 AI 交易机器人
- Jev Model Router 实战:用 Jev 搭建带隐私门控的本地模型路由器
- Jev 入门教程:State、三类问题与 TypeScript SDK 实操
- 本地跑 Jev:Kev、SemIf 与 Von,自己的 GPU 就够了
- Jev RAG Reranker 实战:用可执行 criteria 打造策略化检索重排
- Jev 什么时候该用:工程视角核实宣传口径、守门与失败模式
- LangChain + Jev 集成实战:路由、护栏与评测
- Jev MCP Server 接入指南:把 Jev 决策层接进 Claude Code 与 Cursor
- Jev vs Luna 独立基准实测:「更快更准更便宜」是真是假?
- Jev Agent Harness 实战:决策闸门该装在 LLM 循环的哪个位置
- Jev Playground 实测攻略:热狗课程、criteria 校准与四平台 token 账单
- Jev 文本分类 API 实战:用 classifier.dev 打通零样本 CLI 与 REST 调用
- Jev API 实战示例:第一条 curl、载荷结构与三种问题类型
- Treg + Jev 线索丰富:ICP 分类与注册用户评分
- 在 Heym 中使用 Jev 决策节点:语言判断与模型路由
- Laya 上手教程:开源自托管决策引擎的安装、路由与概率校准(Laya vs Jev 实操)
- 训练自己的 Jev:花 $5–$17 微调一个 Jev 式决策模型(能训什么、不能训什么)
- Jev 实用技巧:拿到更好决策结果的 8 条最佳实践(state、questions、criteria 与阈值)
- Jev 上下文压缩实战:不用生成式摘要,直接剪枝 Agent 记忆
- Jev 当 LLM 评审:置信度级联,只要强模型 0.36% 的成本
- TypeSafe Computer Use 实操:用 Jev 做本地桌面自动化
- Jev 简历筛选实战:Express + Jev JavaScript SDK 搭一个 AI 简历评估器
- Jev + Claude Code 实战:语音控制浏览器,类型化决策全程接管
- Jev 接入 Codex 实操:typesafe-ai/skills 安装与 Gmail 30 封邮件分诊
- Jev vs Ollama:本地跑 AI 决策,数据不出门真的可行吗?
- 自己动手造一个 Jev:免费开源零样本分类器(还能打 Doom)
- CUA-S1-Forms:706K 参数的 Jev 型表单填写模型,CPU 就能跑
- 用 Jev 做 NOC/SOC 告警分诊:规则先行、一个类型化问题、一道策略闸门
- Ollama 决策模型实测:tev1 + nimble 跑在 8GB 显卡上
- Jev 生产环境护栏:五步接入实战手册
- Pi Agent 防跑偏插件实战:让 Jev 出概率,让代码做决定
- Tev1 用例实测:50 个任务看尽本地决策模型的能力边界
- Jev 实测:官方宣称与独立复测之间的距离
- Jev 工单分类实战:after-insert hook 与计算字段两种接法
- OpenJev RLCD 实操:开源校准决策模型本地部署全指南
- Clef-Flash vs Jev 实测:把 Cloudflare 决策模型装进 Ollama(Q4_K_M)
- Clef-Flash 实操教程:在 Ubuntu 上从零安装并本地运行 Cloudflare 9B 多模态决策模型
- CLM-8B 架构深潜:44 毫秒打分 1,024 个候选的对比决策模型(比 Jev 快 13 倍)
- Nox 4B 实测教程:本地跑通 Decision 2.0 决策模型,四道真实考题与一次诚实的失败
- Julia-1 实操教程:纯 Python 装上开源 Jev 替代品,10 条客服消息实测 9 比 2
- OpenJev 0.8B CPU 实战:用工单收件箱校准 NLI 路由阈值
- Jev n8n 集成实战:JevGate 社区节点分步攻略(附纯 HTTP 备选路线)
- NanoJev 实操教程:本地部署 0.6B 开源 Jev 复刻,亲眼看它以 47ms 跑迷宫、按概率做路由
- PPLX Decider 实操教程:Perplexity 开源 27B 决策模型、Decisions API 与 12 张工单的分诊实测
- AutoTrust JEV-27B 本地实测:四臂对照、72 道 held-out 题,和一个 0.969 高分的错误答案
- Clef 27B 本地实战:Cloudflare 多模态决策模型一次读懂图片、视频和乌兹别克语报纸
- Ollaya 实操指南:装好「决策模型界的 Ollama」,看清每一个厂商口径数字,再亲手补上它留白的 CPU 实测
- Strands Decider 2B 实测:8GB 笔记本本地安装 AWS Strands 系决策模型,把失败段也留在这页里
- Liquid AI Open d1 本地实测:d1-3B 与 d1-omni-600M 跑进 MacBook Air M5
- 图像决策模型实战 RPA:Imajev-4B 与 Jev-Omni 无 OCR 直读 W-8BEN 税表,90% 置信阈值以下转人工审核
- GLiNER2.5-Decide (340M) 对比 Jev (4B):决策模型到底谁赢?逐帧核对选型指南
- Jetson 边缘实测:Jev、Strands Decider 2B、Laya、d1-3B 四模型横评——Skill Master 记分卡、Thor 延迟账与 JevBench 逐帧核对
- 微软 Decision-1 实测:146 道独立测试、93% 均分、高置信时 124/125——每个数字逐帧核过
- Jev 接入 Azure AI Foundry 实战:OpenAPI 工具、分诊指令与首跑失败复盘