Compare / jev-vs-rules
Jev vs motores de regras
Regras e listas de keywords são transparentes e baratas até a linguagem derivar. Jev lida com linguagem natural difusa com saídas tipadas e confiança, mas você ainda define o espaço de rótulos e fallbacks humanos.
Where Jev is stronger
- Lida melhor com paráfrase e texto livre bagunçado do que keywords frágeis
- Confiança calibrada para limiares suaves
- Mesmo schema Choice / Score / Noul em muitas cenas
Where the other side wins
- Transparência total e matches exatos unit-testáveis
- Custo de modelo zero em vocabulários fechados
- Regulação que proíbe ML em um caminho
Use Jev when
- Tickets de suporte, UGC e leads com variação de linguagem natural
- Você já ultrapassou listas de keywords
- Rotas de escalate conscientes de confiança
Prefer the other when
- Matches exatos de SKU / ID / regex
- Deny-lists de compliance duro que nunca soft-allow
- Espaços mínimos de rótulos sem ambiguidade
Which should you use?
Mantenha regras duras para denies e IDs imutáveis. Use Jev para classificação de linguagem difusa — fail closed para regras ou humanos se a confiança for baixa.
Developer deep dive
Motores de regras ganham em explicabilidade e perdem com paráfrase, typos e intents misturados. Em geral é camadas, não rip-and-replace. Deixe denies imutáveis em código determinístico; linguagem difusa para o Jev. Sempre defina o que acontece com baixa confiança.
Cost and latency
Regras custam $0 de modelo e são de microssegundos. Jev adiciona latência e tokens pré-pagos, ainda tipicamente bem abaixo do chat generativo para a mesma classificação. Regras primeiro para matches exatos.
Hybrid pattern
Pipeline: regras exatas → Jev fuzzy → humano se baixa confiança ou alto impacto. Espelhe tickets dourados no CI. Prove a camada fuzzy em /tools/, depois /api/v1/decide.