@BohuTANG: 我也在做类似的事情。Jev 在这种场景下仍然太慢了。
摘要
关于使用 Jev 进行查询优化的讨论,一位用户分享了在 Postgres 查询中实现 12% 速度提升的经验,另一位用户则评论了 Jev 的性能问题。
我也在做类似的事情。Jev 在这种场景下仍然太慢了。
查看缓存全文
缓存时间: 2026/09/19 11:01
我也在做一些类似的事情。Jev 在这种场景下速度还是太慢了。
迈克尔·马利斯(@mmalisper): 我用 Jev 构建了一个查询规划器!通过一些调优,我在连接顺序基准测试中将 Postgres 查询的速度提升了 12%。以下是我的做法。
相似文章
Jev vs. Kev:开源Jev替代方案并排测试
本文比较了TypeSafe的Jev模型与开源Kev替代方案,在一个新的数据集上测试了它们的准确性、令牌使用量和速度,以避免数据泄漏,发现性能相似,但实现上有差异。
体验Jev——一种有趣的AI代理方法
作者讨论了尝试使用Jev,这是一种专注于决策的AI代理工具,与使用大型语言模型处理所有任务相比,它声称在速度和成本上有显著优势。
Elixir 应用优化之旅
一位开发者分享了优化 Elixir 应用的经验与教训,重点介绍了针对 Postgres 连接池工具 Ultravisor 的性能改进。文章涵盖了使用火焰图、调用追踪等性能分析技术,以及 eFlambè 和 tprof 等工具。
@NFT_Chen: 太棒了!让 Jev 自主优化和解决复杂问题——不再需要手动编写指令、标准或……
JevHarness 是一款开源工具,它允许 LLM 自动为 Jev 生成和优化特定任务的决策流程,实现自我优化并提升性能。如图所示,在宝可梦 AI 对战中,胜率从 25% 提升至 75%。
@taroleo: 当从美国西海岸调用 Jev 时,单个请求编译 6 个问题大约需要 130 毫秒,或每个判断 20-25 毫秒。
该推文突出了从美国西海岸调用 Jev 的低延迟和可扩展性,每个请求处理 6 个问题需要 130 毫秒,并且在高并行性下延迟几乎恒定,表明设计良好,并且随着专业模型的增加,未来潜力更大。