开发者实测:embeddings 替代 Jev 做语义搜索更快更省,成本几乎为零
maxleiter · x · 2026-09-27
Max Leiter 针对 Linear 将 Jev 集成进 emoji picker 的热帖提出不同看法:多数 Jev 分类场景用 embeddings 就能更快、更便宜地达到相近质量。
- 他两年前就做过无 LLM 的语义 emoji 搜索，用 bge-small-en-v1.5 在浏览器本地运行（约 37 MB，一次下载后离线可用），单次搜索成本 $0
- 对比方案：text-embedding-3-large + Postgres pgvector 的 API 方案，以及经 Vercel AI Gateway 调用 Jev 的方案，demo 中实时显示三者的耗时与成本差异
- 核心观点：Jev 适合需要 LLM 推理的决策；纯语义匹配/检索类任务先考虑 embeddings，别把所有分类任务都当 Jev 的钉子
- 他也承认 embeddings 方案搭建成本更高（要配数据库和 embedding 模型），Jev 胜在省事
所属事件:开发者实测 embeddings 语义搜索可零成本替代 LLM(2 条相关)→
「编程与Agent」频道最新
- LLM 并不更擅长写代码，只是加速了查找与集成第三方库的「胶水工作」 — markjeffrey · 2026-09-27
- 开源 AI Agent 互打配合：GrokBot 可让 Muse 代打电话 — Saboo_Shubham_ · 2026-09-27
- Agentic AI 已取代 DevOps？开发者嘲讽引争论 — emeka_boris · 2026-09-27
- Showrunner 发布:用真实产品自动生成演示视频与教程 — jasonkneen · 2026-09-27
- 沙箱管住了进程，谁来管 agent 留下的持久化痕迹？ — Portotify · 2026-09-27
- 餐饮版 WhatsApp AI 接待员：小团队求垂直场景踩坑经验 — vxdant23 · 2026-09-27