JEV نموذج ذكاء اصطناعي مصمم ليعمل كمحرك للنظام الأول للبرامج، ويوفر قرارات سريعة بخطوة واحدة بدلاً من المخرجات الحوارية البطيئة. يحول LLM مفتوح المصدر صغير الحجم Qwen إلى مصنف نصوص سريع عن طريق استبدال رأس نموذج اللغة برأس قرار منظم. على عكس النماذج اللغوية الكبيرة التقليدية التي تولد استدلالًا طويلاً (تفكير النظام الثاني)، ينتج JEV أوامر نصية نظيفة وقابلة للقراءة من قبل الآلة مثل [CATEGORY: LETTER, CONFIDENCE: 98%] فورًا. وهذا يbridges الفجوة بين البرمجة القائمة على قواعد صارمة والفهم الدقيق للذكاء الاصطناعي. ملهم من أنظمة التفكير لدانيال كانيمان من كتاب "التفكير السريع والبطيء" (2011)، يسمح JEV للمطورين بإنشاء "بيانات إذا ذكية" لتطبيقات في الوقت الحقيقي، حيث السرعة والموثوقية حاسمة. من خلال التخلص من الحشو الحواري، يستفيد JEV من ذكاء LLM لاتخاذ قرارات سريعة ومتوقعة دون انتظار توليد نص كامل. النهج مثالي للمهام عالية الحجم ومنخفضة الكمون التي تتطلب تصنيف بيانات العالم الحقيقي الفوضوية. يحافظ JEV على فهم النموذج بينما eliminates عدم اليقين من التغيرات في الصياغة. إنه يمثل تحولًا نحو ذكاء اصطناعي يفكر بديهية ويعمل فورًا، مما يجعله مناسبًا لأنظمة الإنتاج حيث التأخير غير مقبول. ظهرت المنشورة الأصلية على Towards Data Science، تفصيل كيفية تنفيذ JEV باستخدام LLMs مفتوحة المصدر لأدماج الذكاء الاصطناعي العملي.