
GitHub-радар
Jeeves: точный классификатор текста для да/нет, выбора и оценки
Это модель, которая отвечает на вопросы о любом тексте — да/нет, выбор варианта или оценка по шкале — и ошибается реже простых классификаторов, но для неё нужна мощная видеокарта или Mac с большим объёмом памяти.
Это модель-классификатор: ты даёшь ей текст и вопросы (да/нет, выбор из вариантов, оценка по шкале), она сначала «обдумывает» ответ, а потом выдаёт вероятности.
Когда пригодится
Пригодится, если нужна высокая точность на сложных пограничных случаях — например, разбор обращений клиентов. Не нужен, если хватает простого быстрого классификатора или нужна модель общего назначения для текста и кода.
Плюсы
- Точнее простых классификаторов на новых, незнакомых данных
- Отвечает сразу на несколько вопросов разных типов за один запрос
- Можно отключить «обдумывание» — ответ придёт за 0,3 секунды
- Совместима с API Jev — можно подключить как замену
Минусы
- Нужна видеокарта с CUDA или Mac с 48+ ГБ памяти — на обычном ноутбуке не запустить
- С «обдумыванием» сложный ответ может занимать до 17 секунд
- Отвечает только на заданные вопросы о тексте, код не пишет и общих задач не решает
Как поставить — по шагам
- 1Открой терминал на сервере с видеокартой CUDA или на Mac с 48+ ГБ памяти.
- 2Открой ИИ-агента (Claude Code или Codex) в папке своего проекта.
- 3Отправь агенту текст из блока ниже — он развернёт модель и подключит её вместо классификатора.
- 4Проверь ответ на тестовом обращении — модель вернёт вероятности и, по запросу, ход рассуждений.
- 5Если важна скорость, попроси агента отключить «обдумывание» для мгновенных ответов.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Разверни модель из этого репозитория: https://github.com/PostHog/jeeves — у меня на сервере с видеокартой (или на Mac с 48+ ГБ памяти, если такой есть), подключи её вместо обычного классификатора заявок и покажи ответ на тестовый текст.
Нужна видеокарта с CUDA или Mac с 48 и более гигабайтами памяти — одни веса в bf16 весят 21 гигабайт, на обычном ноутбуке не запустить.
Открыть на GitHub▌ Ещё находки