Was ist Jev?

Was ändert sich, wenn ein Modell den Austausch liest?

Betrachten Sie eine Entschuldigung, gefolgt von „gut.“ Diese Antwort könnte die Entschuldigung zur Kenntnis nehmen, sie annehmen oder das Gespräch beenden, ohne etwas zu klären. Das Zählen des Wortes „sorry“ kann diese Lesarten nicht unterscheiden.

Das Episodenmerkmal stellt separate Fragen: Gab es einen Reparaturversuch, hat die andere Person ihn zur Kenntnis genommen, hat sie ihn angenommen, und blieb das Gespräch für die nächsten paar Beiträge ruhiger? Die Trennung dieser Schritte macht den Befund leichter überprüfbar und weniger anfällig dafür, das Geschehene zu überzeichnen.

Vier Ansichten werden bewertet

Diese Ansichten verwenden ausgewählte, begrenzte Auszüge aus der bestehenden Analyse. Sie erheben nicht den Anspruch, jeden Austausch zu messen. Jede Ansicht berichtet ihre Abdeckung und behält einen Weg zurück zu den ursprünglichen Nachrichten. Sie bleiben für Kunden nicht verfügbar, solange die Bewertung läuft.

• Interaktions-DNA: Sehen Sie, welche Gesprächszustände aufeinander folgen, etwa eine Offenbarung gefolgt von Ablenkung. Eine Verbindung zeigt Reihenfolge, nicht Ursache.
• Reparatur-Funnel: Vergleichen Sie die Versuche jeder Person, wieder Kontakt aufzunehmen, mit Anerkennung, Annahme und einem ruhigeren Fortgang. Ein paar ruhigere Beiträge belegen keine dauerhafte Veränderung.
• Karte der Reaktion auf Verletzlichkeit: Untersuchen Sie, wie die andere Person reagiert, wenn jemand Schmerz, Angst oder ein Bedürfnis äußert. Eine fehlende Antwort bleibt eine fehlende Antwort, kein Beweis für Absicht.
• Frage-Antwort-Treue: Vergleichen Sie Antworten auf emotionale Fragen mit Antworten auf praktische Fragen. Keine sichtbare Antwort bedeutet keine Bewertung.

Was mit einem Befund zu tun ist

Beginnen Sie mit dem Austausch dahinter. Lesen Sie die Nachrichten vor und nach dem zitierten Beitrag. Fragen Sie, ob der Befund noch passt, wenn Sie einbeziehen, was offline geschah oder was im Export fehlt.

Nutzen Sie eine konkrete Beobachtung, um ein Gespräch zu beginnen: „Als ich fragte, wie du dich fühlst, sind wir direkt zur Wochenendplanung übergegangen. Können wir auf diese Frage zurückkommen?“ Ein Bericht kann helfen, den Moment zu finden; er kann nicht entscheiden, was eine der beiden Personen gemeint hat.

Bei wichtigen Aussagen stellt die neue Episodenprüfung drei separate Fragen: Stützen die Belege die Lesart, ist eine andere Lesart plausibel, und sind die Belege ausreichend? Die Regeln erlauben die Lesart, markieren sie als vorläufig oder lassen sie weg. Sie ändern nicht die ursprünglichen Nachrichten.

Wo Jev hineinpasst

TypeSafe AI entwickelt Jev. Grey Mirror greift über Vercel AI Gateway darauf zu. Die bestehenden Analyzer von Grey Mirror messen das Gespräch, Pattern Memory organisiert Episoden, und Retrieval verbindet Befunde mit Belegen. Jev prüft begrenzte Fragen zu diesem Material. Das Berichtsschreibsystem bleibt getrennt.

Aktuelle Integrationen unterstützen die Teilnehmerzuordnung und Prüfungen ausgewählter generierter Aussagen. Das bedeutet nicht, dass jeder Satz unabhängig überprüft wurde. Die Verfügbarkeit hängt auch von der Funktionskonfiguration und davon ab, ob die Prüfung erfolgreich ist.

Was diese Prüfungen nicht belegen können

Nachrichten offenbaren keine privaten Gedanken. Ein Modell kann keine Person diagnostizieren, keine Motive einer Person feststellen oder beweisen, dass eine Nachricht ein späteres Ereignis verursacht hat. Eine Wahrscheinlichkeit drückt das Urteil des Modells unter dem gelieferten Kontext aus, nicht die Chance, dass eine Interpretation objektiv wahr ist.

Ein fehlender Exportabschnitt, Sarkasmus, ein persönlich fortgesetztes Gespräch oder eine falsche Teilnehmerzuordnung können die Lesart verändern. Die neuen Ansichten halten unbekannte Ergebnisse aus den Raten heraus und legen offen, wie viel Material geprüft wurde.

Was für eine Prüfung gesendet wird

Jev erhält für eine Episodenprüfung nicht den vollständigen Verlauf. Es erhält einen kompakten Auszug mit stabilen Teilnehmerkennzeichnungen und Quellenverweisen. Bekannte Teilnehmernamen und übliche Kontaktdaten werden maskiert, bevor dieser Auszug den Server verlässt. Der Kontext kann Personen dennoch identifizieren; Redaktion ist keine Garantie für Anonymität.

Ausgewählte Prüfungen von Berichtsaussagen verwenden abgeleitete Berichtsfakten und maskierte Aussagen. Die Datenschutzrichtlinie erläutert die Verarbeiter und die Datenhandhabung. Die ursprünglichen Belege bleiben nur über die Zugriffskontrollen des privaten Berichts zugänglich.