用 Jev 搭建事实抽取流水线:长文自动变高密度信息图卡片
Honest_Medium_2872 · reddit · 2026-10-14
一位 Substack 作者分享了为读者自动生成信息图卡片的流水线。
思路:先做了一个从 Markdown/JSON/YAML/Jsonnet 生成干净高密度信息卡的工具,再用 Jev(tev1)分类器从长篇散文中抽取事实并按重要性排序,填入卡片。设计目标是确定性、可复现、可审计。两个组件均开源:docker-chromium-screenshot(信息图编译器)和 tev1-datapoint-extractor(分类器),部分用 Claude vibe coding 快速实现。
后续计划:把这套流程接进散文转有声书流水线,并为该分类任务微调专属 Jev 模型。配图展示分类器输出的分段打分表(数据点概率、重要性、置信度等多维分数)。
「编程与Agent」频道最新
- 「睡不着，我的 agents 还等着 prompt」成 AI 从业者日常 — mallow610 · 2026-10-14
- Gemini 4 刚发布就翻车:op7418 实测思考卡 2821 秒、审批形同虚设 — op7418 · 2026-10-14
- Claude Code 新版：闲置 54 分钟自动压缩 20 万 token 上下文 — ashwin-ant · 2026-10-14
- 当程序员不再逐行审读代码,AI 默默记住了谁还在认真看 — TinfoilTricorn · 2026-10-14
- Sentry CTO 谈 token 成本:真烧钱的是极端低 ROI 用法 — zeeg · 2026-10-14
- 把约定变成确定性约束:高手谈 AI 编码省 token 的核心思路 — poteto · 2026-10-14