CLAUDE CODE + JEV: РЕКОРД за сутки, 12 концептов transcript

модель, которая разбирает 1.000 писем по семи правилам за 6 секунд и всего 9 центов, не умеет писать ни одно предложение. С ней нельзя поговорить. И вот что на ней уже собрали. Расширение для браузера. Листаешь ленту, и каждый пост тут же получает метку. Полезное шум или AI мусор. 250 лидов, оценённых за 4 секунды, буквально за 1 цент. Это Джеф, и его уже ставят в пару клод-код. Работа, за которую обычная модель взяла бы 1.000 долларов, у него уходит буквально 10-20 и занимает секунды вместо минут. Вышел он 2 недели назад. Обзоров только на русском уже больше десятка, а как применить его у себя, чтобы реально сэкономить и выжить результат, показывают буквально единицы. И я эти 2 недели очень усердно гонял Джеф вместе с клодко и вывел 12 концептов. Главное - это то, что клодко за сессию делает десятки мелких выборов. Какую модель взять, какой скилл открыть, куда отнести заявку. И каждую ты оплачиваешь как работу большой модели. Их и надо отдать Джеф. В этом видео мы разберём все 12 концептов по порядку. Где Джеф экономит и где только мешает. Каждый можно сразу применить у себя. А в конце я тебе отдам скилл, который бесшовно интегрируется с код-кодом и делает всё это за тебя. Он лежит уже у меня в Telegram. Концепт номер один - это три формы ответа. Дело в том, что когда мы работаем с Джеф, он может нам отвечать в трёх абсолютно разных форматах. Например, если нам клиент написал вопрос: "Верните деньги срочно", то в этом случае Джеф определяет, про что этот вопрос: про возврат денег либо нет. И он, по сути, нам отвечает вероятностью. Если вероятность близка к единице, то ответ да. Если вероятность близка к нулю, то ответ нет. Вторая форма ответа - это выбор. Например, если нам клиент пишет, что у него оплата не прошла, то в этом случае мы можем понять, в какой отдел его направить. У нас есть бухгалтерский отдел, есть юридический и есть отдел техподдержки. И Джеф ставит вероятности на каждый из них. И тот отдел, который получает наибольшую вероятность, в этот отдел, соответственно, и отправляется этот клиент. И третьей - это насколько человек раздражён. И вот тут формат будет шкала от нуля до единицы. Если ближе к единице, то человек с высокой долей вероятностью раздражён. Если ближе к нулю, то с низкой. И преимущество заключается в том, что все эти три вопроса уходят одним запросом, а платим мы только за вход. А выход для нас получается бесплатным. Концепт номер два, и он является самым главным. Дело в том, что Джеф он не заменяет клод-код, он не является даже альтернативой, потому что клод - это всё-таки рассуждающая модель, которая рассуждает, пишет, читает и выполняет определённые действия. А Джеф - это, по сути, маршрутизатор. Он, по сути, просто выбирает только из того, что мы задали заранее. То есть, если у нас есть варианты ответов, он выбирает непосредственно из этих вариантов ответов. Отсюда как раз у нас и рождается практическая вещь, потому что с Джеффом мы не можем поговорить и в списке моделей клод-код его нет. Его вызывает всего лишь маленький скрипт либо дополнительный скилл, который как раз-таки вы сможете использовать. А этот самый скрипт наш клод может написать самостоятельно под конкретную задачу, которая нам необходима. Концепт номер три - это где взять Jeff. Дело в том, что делает его компания TypeSave, но у них очень часто невозможно зарегистрироваться и покупать у них не обязательно. Поэтому у нас есть три варианта, где мы можем его взять. Первое - это как раз-таки консоль TypeSave, то есть это официальный поставщик JF. Мы туда заходим, мы там регистрируемся, и мы можем сгенерировать там ключ до 64.000 токенов на запрос. Второе - это Open Router.

Open Router - это, по сути, большой агрегатор LM моделей и J в том числе там находится. Если вы пользуетесь уже openрутером, то нам просто достаточно сформировать а ключ. И я чуть позже на практике покажу, как это делать и как конкретно подключить Open Router к нашему clд-коду. И баланс у нас в Openрутере общий. Но есть один нюанс, что контекст в Openрутере у нас 32.000 токенов против 64. И третий - это AI Gateway Versal. Там абсолютно та же стоимость, что и в Type, в Опenрутере, и тоже 32.000 токенов. Поэтому, если ты уже пользуешься Openрутером, то тебе не нужно нигде регистрироваться дополнительно. Теперь клод-код. Каким образом Джеф подключается к лод-коду? Первое - это вы можете использовать наш собственный скилл, который мы создали, отдадим вам в конце. Второе - это официальные скилы, которые устанавливаются вот этими двумя командами, которые вы видите сейчас на экране. Эти команды очень хорошо подходят для клод-кода. А для всех остальных агентов мы можем использовать команду вот эту. Это скил-инструкция для нашего клод-кода, который позволяет ему понять, как именно с этим Джевом коммуницировать, какие команды необходимо запускать, в каком формате он работает и как правильно писать скрипты под этот самый Джеф. Дело в том, что сам он ничего не запускает. И в этом как раз главная проблема официального скила от TypeSave, который решает как раз-таки наш скилл, потому что он всего лишь даёт колод-коду инструкции о том, как пользоваться Джао, но не запускает использование самостоятельно. То есть всё равно нашему код-коду необходимо дополнительно писать скрипты, которые уже и будут использовать этот самый ДEF. И наш скилл, который называется Jeff, он как раз решает эту проблему, потому что с помощью моего скила Jeff его необходимо просто установить, и он сразу же начнёт работать. Для того, чтобы нам подключить этот JF, нам необходимо сформировать API ключ и положить его в file. Этот файл, по сути, является стандартом для всех апи ключей и конфиденциальных данных, потому что именно в него мы и прописываем те самые апи ключи, а скрипты уже подтягивают эти данные оттуда. Дальше у нас будут практические примеры, но перед этим у меня есть одна просьба. Дело в том, что если тебе уже полезно, то обязательно подпишись на канал и поставь лайк. А в комментариях напиши, какие именно мелкие решения съедают у тебя больше всего времени. Это, правда, очень сильно помогает продвижению этого ролика, а по комментариям я увижу, что именно вас интересует больше всего. Концепт номер четыре - это очень крутой вариант использования Джеф, а именно роутер модель. Дело в том, что в нашем клод-коде мы можем встроить Jeff, который автоматически будет переключать модели в нашем клодко-коде на ту, которая лучше всего подходит под выполнение конкретной задачи. Сам клод-код так делать не умеет. И это, кстати говоря, внедрён уже в наш skкил JВ, который позволяет включать либо выключать эту функцию. И в зависимости от сложности задачи, которую вы диктуете вашему колод-коду, он автоматически будет определять, какая модель лучше всего подходит под выполнение этой задачи, а какая хуже. И тем самым, когда мы запустили вот этот самый рутер модели, у нас вышло порядка 70% экономии против всего прогона на самой топовой модели. Ну и, разумеется, перед тем, как работать с этим рутером, нужно проверить качество задачи. То есть всё-таки включить рутер, сделать эту задачу, потом выключить этот рутер и прогнать ту же самую задачу. И вы увидите, насколько большая разница между затратами токенов и качеством результата, который мы получаем. Концепт номер пять - это выбор скила. Дело в том, что у большинства из вас вы устанавливаете огромное количество скилов, как и, например, это делаю я. И часто у нас получается такая ситуация, что скилов у нас в нашем код-коде может быть несколько десятков, а то и сотен. И наш кодкод, он постоянно держит в контексте названия описания всех этих скилов. И когда их 5-10 штук, то это, в принципе, нормально. Но когда их становится слишком много, то в этом случае код-код начинает расходовать токены только на то, чтобы, в принципе, держать в памяти все эти скилы. И вот этот момент мы можем как раз переложить на Дже, потому что нам в этом случае не нужно загружать все эти скилы в наш код-код, потому что нашему колод-коду не нужно все эти скилы держать уже в контексте, а он просто передаёт задачу Джеф, Джеф ресерчит по всем этим скилам и буквально за доли секунды выбирает три подходящих скила по конкретной определённой задаче. И вот, допустим, мой пример, что у меня 155 скилов. И буквально начетырнадцати задачах Джеф находит нужный скилл меньше чем за 4 секунды, а Упуus 5 то же самое делает примерно за 30 секунд. То есть разница, я думаю, что вам здесь очевидна. И что самое удивительное, что точность Джеф в этих ситуациях, она сильно даже выше, чем Clлодхайку. И она примерно находится сейчас на уровне вместе с Clet. Концепт номер шесть - это сторож на входе и на выходе. Дело в том, что когда мы работаем с продакш агентами не только в CLД код, но и уже в API, то мы тратим деньги за каждый вызов моделей. И особенно это ощутимо, когда мы работаем, например, с ботом клиентской поддержки, либо, например, с ботом-продавцом. И не каждый запрос клиента, в принципе, требует ответа от нашей модели. Причём не каждый запрос клиента требует ответа от модели, в принципе. То есть и этот ответ мы можем маршрутизировать, например, не только на модель, но и на человека, либо вообще не отвечать клиенту. Если, например, клиент написал нам, допустим, слово "спасибо" или, например, написал нам: "Свяжите меня с оператором," то в этом случае Джеф маршрутизирует этого клиента на реального живого человека. А если клиент написал просто спасибо, то в этом случае Джеф вообще не переводит его на модель, тем самым экономит токены, а на все остальные запросы он уже может перевести на реальную модель. Более того, ещё и мы помним предыдущий концепт про маршрутизацию, он может выбрать необходимую модель под ответ этого самого клиента. И когда мы говорим про большие объёмы обработки данных либо про большой поток клиентов, то этот момент он становится критичным, потому что экономит огромное количество денег в данной ситуации. И то же самое у нас может работать на выходе. Когда рассуждающая модель отвечает, наш Джеф может проверять ответ, действительно ли он совпадает с тем, что нам написал клиент. Если нет, то он возвращает обратно этой модели. Если совпадает, то пропускает ответ до нашего клиента. Кстати говоря, роутер, выбор скила и непосредственно работа с Джеф я упаковал в отдельный скилл, который пользуюсь я сам. Он так и называется Jeff. Он включает в себя роутер. То есть, по сути, мы можем просто интегрировать в наш-код этот скел, включить его и дальше любая задача, которая будет пропускаться через clД-код, она вначале будет идти через ДВ. и он будет определять, какую конкретно модель выбрать под эту конкретную задачу. И таким образом он будет переключать между Sonet Opus либо Fable. Второй момент - это когда у вас может быть большое количество скилов, они не будут загружаться в контекст вашего клод-кода автоматически. А эти скилы будет выбирать конкретно Джеф и предлагать те скилы, которые наибольшим образом подойдут под эту задачу. Причём это будет делать максимально оперативно. Ну и непосредственно сам скил Джеф, он позволяет настроить интеграцию между клодкодом и Джеф практически бесшовно, буквально за одну команду. Я в конце покажу, как это делается. Поэтому этот скилл уже лежит у меня в Telegram. Ссылка будет в описании в первом закреплённом комментарии, поэтому, если ты не хочешь ждать до конца, то забирай и устанавливай себе. За 8 недель ты освоишь вайп-кодинг и построение агентных систем на продвинутом уровне. Мою программу прошли уже больше 200 человек. Это предприниматели, руководители и фрилансеры. Они собирали контентзаводы, RP для морских перевозок, сервисы HR-профайлинга, видеопродакшн на десяти агентах платформу для проектного бюро и почти никто из них не программист. И за 8 недель ты соберёшь свой сервис сам, с понятным интерфейсом и рабочими агентами внутри. Девять блоков обучения от фундаментальной базы до деплоя своего сервиса на сервер. Кураторы и трекер, которые не дадут слиться. Куча практики, 12 еженедельных эфиров, групповые разборы ваших проектов, база знаний с MCP, CLI, скилами, плагинами и так далее, а также доступ к закрытым сервисам и самое главное - это коммьюнити. Ссылка будет в описании в первом закреплённом комментарии. Увидимся с тобой на программе. Следующий концепт номер семь - это сортировка потока. Дело в том, что когда нам необходимо выполнить огромную задачу из большого количества файлов, например, отсортировать письма по определённым категориям, отфильтровать заметки по их содержанию или отфильтровать новости, подходят они нам или нет, или же, например, юридические документы в том числе. И когда мы загружаем вот этот большой объём в clд-код, то клодкод, как правило, с таким огромным объёмом справиться не может. Если мы говорим там про тысячи строк или десятки тысяч строк. И вот здесь как раз Джеф очень хорошо нам может помочь, потому что мы можем этот документ или эти документы загрузить в Jeff, как раз с помощью нашего скила под названием ДВ, просто описать словами, текстом, что конкретно мы хотим сделать. Например, у нас есть большое количество бухгалтерских документов, и нам нужно их рассортировать по определённым месяцам или по папка. И этих документов у нас, допустим, 10.000.

CLД-код нам съест огромное количество лимитов и будет это делать просто суткой. Поэтому как раз вот в таких задачах Джеф очень классно подходит под решение вопроса. Поэтому мы просто берём Skill Jeff, прописываем задачу, что нам необходимо сделать. Допустим, мы говорим ему, что у нас есть бухгалтерские документы, которых большое количество. Там находится вот такая-то такая-то информация. Эти бухгалтерские документы, нам нужно определить дату, которая там находится, и отсортировать их по паткам. Соответственно, туда мы загружаем этот архив с этими бухгалтерскими документами либо Excel-таблицу. Клод-код формирует этот запрос для Джева, отправляет это в Джеф, и буквально меньше, чем за минуту мы уже получаем от него ответ с полностью отсортированными документами. Это очень крутой gameчедр для обработки огромного массива информации. Точно также здесь очень хорошо работает, например, для заметок больших таблиц, например, заказов, товаров или всего остального. Для таких автоматических пайплайнов Джеф подходит отлично. И что самое главное, это происходит в десятки раз быстрее и в десятки раз дешевле, чем это делает клод-код. И здесь просто достаточно установить наш скилл, прописать прямо в клодкод задачу, маршрутизировать её Джеву, и дальше клодко сам всё сделает за нас. Следующий восьмой концепт - это порок уверенности. Дело в том, что Джеф, как правило, нам не говорит да либо нет. Он нам выстраивает определённые вероятности от нуля до единицы. Чем ближе к единице, тем, соответственно, вероятнее то самое событие. Допустим, если у нас это критичные операции, то мы можем сказать нашему клод-коду, чтобы он поставил порог повыше, например, ближе к 0,95. Если там есть операция, где у нас допустима погрешность, то мы можем спуститься до 0,8. А если же операция, где нам, в принципе, нужен получить ответ, то всё, что выше 0,5, уже нас будет устраивать. И поэтому мы можем выставить определённые правило, допустим, по сортировке заявок, что если у Джева уверенность ниже 0,8, то заявку будет перечитывать код-код. То есть получается, что наш код-код будет перечитывать только самые спорные моменты, а всё остальное Джеф сделает самостоятельно. Это и есть та самая связка между колод-кодом и Джевом, который решает большое количество вопросов. Следующий концепт номер девять, который мы можем использовать - это оценка по частям. Например, если у нас стоит вопрос оценить качество лида, допустим, это горячий лид или не очень, то нам очень сложно ответить на этот вопрос, и, скорее всего, вероятность будет очень плавающие, и мы не получим никакую конкретику. И вроде, казалось бы, Джефф с этой задачей может справиться, но при этом качество и точность результата будет очень плохой. Именно поэтому такие задачи мы обычно разделяем на несколько разных этапов оценки. То есть, допустим, мы не задаём вопрос ему: "Какое качество этого лида?" А мы задаём отдельные три вопроса. То есть, есть ли у клиента бюджет, назвал ли он нам проблему, с которой он пришёл, и принимает ли человек решение или он жёстко уходит в отказ. И когда мы выставляем оценку по каждому из этих трёх элементов вместо одного, то мы можем сделать оценку этого лида в совокупности по этим трём фищам и дальше уже регулировать эти самые параметры внутри нашего промта, которым мы пишем наш клад-код. И мы прогоняли этот workкфлоу на реальных лидах. Он отработал буквально за 5 секунд и потратил всего лишь 1 цент. Концепт номер 10 - это то, как именно понять вообще, где нам этот G в принципе нужен. Потому что иногда бывает так, что ты вроде как модель поставил, но как её применять, непонятно. И это вот большая проблема, с которой многие сталкиваются, особенно сейчас. Но когда ты переходишь к реальной практике, то сталкиваешься с тем, что ты не можешь никуда, в принципе, его внедрить. И вот здесь есть несколько основных принципов для того, чтобы понять, как именно им пользоваться. Первое действие, что нам необходимо сделать - это выписать список задач, что конкретно нам нужно сейчас решать, что у нас болит больше всего. То есть, допустим, у нас есть большая таблица, нам нужно ответить либо положить задачи, либо отдать человеку и так далее. Либо же, если у нас есть какие-то продакшн-агенты или боты, которые работают уже в живой среде, то мы можем тоже посмотреть, какие там процессы происходят. Второй момент. Нам нужно определить для каждого действия определённый триггер. Допустим, передать человеку. И если на этот триггер ответ мы можем дать только дабо нет, либо же определённую шкалу от нуля до единицы, то есть определит вероятность, то это с очень высокой вероятностью можно передать непосредственно G. Третий пункт - это что человек бы посмотрел перед выполнением этих действий. Это и будут как раз те данные на вход, которые мы будем загружать в нашу модель. И четвёртый момент - это то, сколько у нас стоит ошибка. Если стоимость ошибки высокая, то мы поднимаем порог срабатывания. Если ошибка дешёвая, то мы порог снижаем и передаём данные с низким порогом, например, уже более умной модели, допустим, к лод-коду. Концепт номер 11 - это где Jeff не нужен. Дело в том, что нам не нужно вот на этом хайпе пихать эту модель везде. И поэтому, если ваша задача будет совпадать с этим списком, который я сейчас озвучу, то Jef тогда вам не нужно внедрять. Итак, первое - это маленькая задача. Дело в том, что ДВ он очень хорошо работает на больших объёмах. То есть, когда у нас есть очень простая задача, то есть нам нужно сделать очень маленькие операции, но в большом количестве. Дело в том, что клод-код он с большими объёмами данных работает достаточно плохо, и ему необходимо писать дополнительные скрипты, чтобы эти большие объёмы данных, в принципе, можно было обработать. Так вот, Джеф как раз очень эффективен тогда, когда у нас есть реально вот этот большой объём данных. Второе - это то, что Джеф не пишет вообще ничего. То есть он не сделает выжимку, он не сформулирует идею, он не найдёт общую тему в тысяче постов, он всего лишь занимается определением вероятностей. И там, где есть вероятность, там мы можем джефы применить. То есть, например, сортировка, маршрутизация, определение категории, фильтрации данных и так далее. То есть здесь Джеф реально силён. Третье - это русский язык. Джеф, к сожалению, работает хуже с русским языком, но при этом мы его гоняем на наших задачах. И в целом я не заметил проблем, если задача сформулирована очень хорошо, а её формулирует clд-код, при этом cд-код же может переводить эту задачу на английский язык. То есть мы можем это всё дополнительно прописать ему в инструкции. И это, кстати говоря, одно из очень крутых решений этого вопроса, потому что Джеф всё-таки обучался на английском языке, и это маленькая модель. Именно поэтому мы можем дать нашему код-коду инструкцию, чтобы он перевёл нашу инструкцию на английский язык. И те категории, которые у нас есть, также перевёл на английский язык. А потом, когда Джеф уже отработает, он поменяет это всё обратно за счёт скриптов. Но это нужно только тогда, когда задача уже у нас сложная. С простыми задачами, даже с русским языком Джеф справляется отлично. Четвёртое - это контекст. Дело в том, что у Тайpeйфа там всего лишь 64.000 токенов, урутера и Versel там 32.000. 1.000 токен. Именно поэтому большую задачу в Джефме вписать не сможем. Поэтому мы должны её формулировать кратко, либо же говорить нашему клод-коду, чтобы он переформулировал нашу большую задачу в краткую выжимку для того, чтобы мы могли это всё загрузить в наш джеф. Но это всё относится только к нашей инструкции, то есть к нашему промту, потому что в этот контекст не входит объём данных, которые мы туда загружаем, потому что на каждую строчку данных, по которой Джеф работает, Джеф запускается заново, и контекст учитывается на каждую строчку отдельности. Поэтому не бойтесь туда загружать большие документы, потому что этот большой документ разделяется по строкам. И пятое - это выбор, потому что Джеф может работать до 255 вариантов. Поэтому, если у вас вариантов будет больше, то здесь Джеф будет работать не очень хорошо, и шкала будет всего лишь до 10 ступень. Если нам необходимо больше, то мы всё-таки должны делить на несколько запросов. И ещё один момент, что Джеф не умеет определять ни один из вариантов. То есть, если какой-то элемент не подходит ни под один из вариантов, то Джеф всё равно какой-то вариант ему присвоит. Это тоже нужно иметь в виду. И концепт номер двенадцатый - это проверка на своих данных. Когда вы начинаете работать с ДФ, то я рекомендую вначале проверить правильность работы и правильность формулировки ваших промтов на реальных данных и сверить их вживую. То есть, допустим, если вам необходимо обработать 300 документов, то обработайте вначале через всего лишь пять или 10 штук. Проверьте их, посмотрите, насколько он нормально работает, насколько это совпадает с вашими ожиданиями и точностью. И только после этого запускаете Джеф на весь оставшийся объём. Потому что есть вероятность того, что вы можете сформулировать инструкцию не совсем корректно, либо же CLД-код сделает это не совсем правильно, и в итоге вы получите не очень точный вариант. Поэтому вначале перед запуском обязательно мы проверяем на маленьких данных и потом только масштабируем на всё остальное. Но хорошая новость здесь заключается в том, что JВ стоит нам копейки. Именно поэтому цена ошибки у нас невысокая. Поэтому если вдруг вы прогоните Джеф на 300 вариантах, то переделать всю эту сортировку будет не проблема. Итак, для того, чтобы нам установить, по сути, наш скилл Джеф и настроить его работу, нам необходимо сделать несколько вещей. Во-первых, в CloudД desktop. Мы нажимаем customize, переходим во вкладку Plugins и вот здесь нажимаем AD. Потом нажимаем Upload Plugin и сюда перетаскиваем тот самый zip архив с тем самым плагином, который у нас называется Jeff, который вы можете скачать у меня в Telegram-канале. Итак, вот я выбираю ZП-archрхив, нажимаю открыть, он сюда подтягивается, нажимаем Upload. И всё, в принципе, мы установили наш плагин JF. Теперь нам необходимо подключить наш Openouter. Делается это следующим образом. Смотрите, я нажимаю новый диалог, выбираю проект, внутри которого я буду работать. То есть, буквально создаю новую папку, внутри которой у меня всё это будет происходить. Если у вас ещё этого нет, то вы можете папку создать и сюда подключить. И после этого у вас появляются несколько команд под названием Jeff. Когда вы вводите Jeff, у вас есть несколько команд вот здесь. Первая команда, которую нам необходимо запустить - это Jeff Setup. Мы выбираем её и нажимаем Enter. В целом, всё. Сейчас наш скил, он нам создаст отдельный файл, откроет этот файл в нашем редакторе, и нам необходимо будет туда вставить апи ключ от нашего Openouter либо от Typeesave. Вот он сам только что открыл этот самый файл, и нам необходимо вот сюда вставить этот самый а ключ. Давайте сейчас мы его получим. Для того, чтобы нам получить AP ключ, мы переходим на openrouter.ai, регистрируемся, пополняем. Здесь баланс буквально 5 долларов будет достаточно. Здесь, если что, можно пополнить как и с зарубежной картой, так и скриптой без проблем. После этого мы заходим на workspaces. Вот здесь у нас есть AP ключи в менюшке слева. И наша задача - создать новый AP ключ. Нажимаем New K. Вводим здесь, например, тест. В моём случае здесь вы можете поставить лимиты. Я сейчас поставлю no expiration и, соответственно, здесь no limit, но вы можете поставить лимиты. Я рекомендую вам это сделать, чтобы у вас на всякий случай не было безлимитных ключей. Нажимаем create и в итоге у нас появляется appic. Мы его копируем, переходим обратно в этот самый файл, вставляем вот сюда. И после этого сохраняем этот файл. Нажимаем файл, сохранить. Всё, в этом случае у нас файл jev. Сохранён. Апи ключ мы сюда подключили. И сейчас с помощью таких простых действий у нас Jeff подключён к нашему код-коду, и мы можем им пользоваться. Теперь у нас есть несколько команд. Во-первых, у нас есть Jeffon и JF OF - это команды для переключения моделей. Когда мы пишем новую задачу, например, в наш чат внутри этого проекта, то Джеф будет сам решать, какой конкретно модели эту задачу делегировать. То есть, если задача сложная, то он будет включать опус. Если задача средняя, будет включать setet. Если задача маленькая, он будет включать хайку. Если задача архитектурная и прямо совсем большая, то в этом случае он будет включать Fable. Дальше, самая частая команда, которой нам необходимо пользоваться - это JF Run. Мы её вписываем и после неё диктуем ту задачу, которую нам необходимо сделать. Допустим, обработать большой объём документов или, например, подключиться к нашему почтовому ящику для того, чтобы он отсортировал письма. Любые сортировочные задачи либо маршрутизируемые задачи, например, на большом объёме данных мы можем работать через Jeff Run. Далее у нас есть технические команды Jeff Opus Haiku и Sonet. Они включаются автоматически, когда вы вызываете непосредственно Jeff On, то есть они работают по умолчанию. Если вам маршрутизатор модели не нужен, то вы включаете JF off и в этом случае маршрутизатор моделей работать не будет. Ну и также у нас есть последняя команда под названием Jeff Check. Он, по сути, проверяет правильность работы вашего Джева в сравнении с человеческими решениями, процент насколько JF успешно сделал результат. Поэтому наша задача всё-таки включить команду JF Run. И при этом нам необходимо сейчас описать ту задачу, которую мы хотим сейчас решить. И вот как пример, у меня есть вот такая таблица, где у нас есть сервис, описание и ссылка на этот конкретный сервис. Здесь порядка пару сотен строк, и нам необходимо сделать сортировку, то есть, по сути, отсортировать вот эти вот все сервисы по определённым категориям. Эти категории у меня уже заранее здесь прописаны. То есть, соответственно, вот этот список категории. Мы сейчас загрузим этот CSV файл, то есть либо Excel-таблицу прямо сюда в чат и непосредственно попросим Джеф, чтобы он сделал эту сортировку. Посмотрим, насколько быстро он это сделает. Нам необходимо сделать сортировку вот этой конкретной таблицы по текущим категориям и добавить эти категории в отдельный столбец. При прогоне также напиши, сколько времени займёт у Джеф обработка этого документа и сколько денег мы потратим в токенах. Всё, давайте запустим, посмотрим, насколько быстро он справится с этой задачей. Итак, буквально спустя полторы минуты мы закончили прогон. Джефф у нас занял 57 секунд на весь объём. В итоге Джеф у нас с уверенностью отсортировал 137 записей из 155. И 14 записей он отметил уже к лод-коду, который уже эти 14 записей подключил модель повыше и, соответственно, от себя сделал сортировку. В итоге мы получили вот такой результат. Вот у нас эта же самая таблица. У нас есть категория Jeff. Она отсортировала те самые 155 строк, да? И в итоге у нас есть ещё и уверенность, то есть это процент совпадения, насколько он уверен в том, что категория действительно правильна. Поэтому, возвращаясь к тому, с чего начали, то, что клодкод за сессию делает десятки мелких выборов, и за каждый мы платим как за работу большой модели, а Джеф забирает их по 4 цента за миллион токенов, а клодкод остаётся то, что умеет только он, это думать и писать. Поэтому skill Jeff, который мы с командой создали, уже лежит у меня в Telegram. Поэтому, кроме рутера и выбора скила, он делает главное. любые твои решения по данным. То есть ты можешь описать словами, что конкретно решить по каждой записи, заявке, письму, комментарию, договору и так далее. Подключить его к своим источникам, своей почте, заметкам, своему ноушену или задачам. И скил сам разбирает задачу по чек-листу из пяти шагов, составляет вопросы и сразу прогоняет весь файл через джеф, а спорный перечитывает клод-код и сверяет с твоей разметкой, прежде чем ты доверишь этот джеф. ставится буквально установкой плагина внутрь твоего клод-кода и работает с ключом, то есть это официальный iPлюч, так и от Openроутера, поэтому ссылка будет в описании в первом закреплённом комментарии, поэтому забирай и поставь на свои данные. Пока.