---
title: LiteTMS-də Jev AI: onu harada tətbiq etdik
description: TypeSafe-in Jev AI modelinin LiteTMS-ə sürücü mesajlarını, məkanları və idxalları qiymətləndirməyə necə kömək etdiyini JSON və Java nümunələri ilə öyrənin.
slug: where-jev-helps-in-litetms
locale: az
date: 2026-09-24
updated: 2026-09-25
category: technology
tags: jev, ai, transport, driver-chat, data-import
author: LiteTMS Team
draft: false
---

[TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu) tərəfindən hazırlanmış süni intellekt modeli olan Jev-i bir neçə LiteTMS iş prosesinə inteqrasiya etdik. O, diqqət tələb edən sürücü mesajlarını müəyyən etməyə, iki yer adının eyni şəhərə aid olub-olmadığını yoxlamağa, idxal faylının necə oxunacağını təklif etməyə və artıq oxucunun dilində olan mesajın tərcümə edilməsinin qarşısını almağa kömək edə bilər. Bunlar ofis üçün yeni bir çat köməkçisi deyil, nəqliyyat idarəetmə sisteminin daxilindəki kiçik qiymətləndirmələrdir.

Əgər bu ad sizə tanış deyilsə, [Jev haqqında ilk məqaləmiz](/en/blog/jev-ai-decisions-transport) bu ideyanı izah edir. Mətn quran süni intellekt daxil edilən sorğuya cavab yazır. Jev isə “Bu mesaja cavab vermək lazımdırmı?” kimi daha konkret suallara cavab vermək üçün nəzərdə tutulub. Sonra LiteTMS həmin qiymətləndirmədən müvafiq iş prosesində istifadə edir.

## Diqqət tələb edən sürücü mesajları

Sürücü adi vəziyyət yeniləməsi göndərə, sual verə və ya problem barədə məlumat verə bilər. Ofis hər bir mesaja eyni dərəcədə təcili yanaşmaq məcburiyyətində qalmamalıdır. Sürücü çatına daxil olan mesajları mövzuya görə çeşidləyən və dispetçerin hərəkətə keçməsinin tələb olunub-olunmadığını qiymətləndirən Jev yoxlaması əlavə etdik. Bu yoxlama yazılı mesajlarla, eləcə də səsi mətnə çevrilmiş səsli qeydlərlə işləyə bilir.

Məsələn, “Təkər partlayıb” mesajı “Çatdım” mesajından fərqlənir. Hərəkət tələb edən kimi qiymətləndirilən mesaj xüsusi diqqət bölməsində görünə bilər; nəqliyyat vasitəsi ilə bağlı problem isə təcili bildiriş göndərə bilər. Ofis yenə də yazışmanı oxuya, cavab verə və məsələni həll edilmiş kimi qeyd edə bilər. Jev sürücüyə cavab göndərmir və ya nasazlığın necə aradan qaldırılacağına qərar vermir.

Təkər partlaması mesajı üçün süni intellekt qiymətləndirməsi JSON formatında bu şəkildə göstərilə bilər:

```json
{
  "input": { "driver_message": "I have a flat tyre and cannot continue." },
  "jev_assessment": {
    "category": "vehicle_problem",
    "needs_action_probability": 0.94
  }
}
```

LiteTMS kateqoriyanı və hərəkət balını oxuyur. Bu qədər yüksək bala malik nəqliyyat vasitəsi problemi təcili kimi görünə bilər, beləliklə ofis cavab vermək lazım olduğunu dərhal bilir.

## Sifarişlərdə və nəqliyyat sənədlərində yer adları

Sənəddə “Köln”, sifarişdə isə “Cologne” yazıla bilər. Hərfi mətn müqayisəsi hər iki sözün eyni şəhəri bildirməsinə baxmayaraq, onları iki fərqli söz kimi qəbul edir. Süni intellekt dəstəkli sifariş qəbulunda və CMR sənədlərində yer adlarının yoxlanmasında məhz bu məsələ üçün Jev yoxlaması əlavə etdik.

Sifarişin qəbulu zamanı o, təklif olunan yerlər arasında seçim etməyə və ya dəqiq olmayan uyğunluğu yoxlama üçün saxlamağa kömək edə bilər. CMR yoxlanarkən eyni şəhər olduğuna dair əmin cavab, əks halda xəbərdarlıq kimi qeyd olunacaq *yer adı uyğunsuzluğunu* aradan qaldıra bilər. Ayrı bir süni intellekt mərhələsi sənədi oxuyur; Jev isə yer adlarının uyğun gəlib-gəlmədiyini qiymətləndirir.

İki şəhər adı üçün qiymətləndirmə belə görünə bilər:

```json
{
  "input": { "document_place": "Köln", "order_city": "Cologne" },
  "jev_assessment": { "same_city_probability": 0.92 }
}
```

Eyni şəhər üzrə yüksək bal yer adı uyğunsuzluğunu aradan qaldıra bilər. CMR yoxlanışının digər hissələri isə ayrılıqda qalır.

## Naməlum başlıqlı idxal faylları

Məlumatların yeni sistemə köçürülməsi çox vaxt elektron cədvəllə başlayır. Bir faylda “qeydiyyat nömrəsi”, digərində “nömrə nişanı” yazılır, üçüncüsündə isə tanımaq çətin olan başlıqlar olur. LiteTMS əvvəlcə adi uyğunlaşdırma qaydalarından istifadə edir. Həmin qaydaların boşluq buraxdığı yerlərdə Jev faylın hansı növ qeydləri ehtiva etdiyini və hansı sütunların hansı sahələrə aid olduğunu təklif edə bilər.

Təkliflər süni intellekt dəstəkli kimi işarələnir və faylı idxal edən şəxs qeydləri yaratmazdan əvvəl sütun uyğunlaşdırmasını nəzərdən keçirə bilər. Biz bu yanaşmanı ümumi idxal köməkçisinə, həmçinin CRM sövdələşməsi və yük idxalına inteqrasiya etmişik. Əlaqədar bir yoxlama, fərqli orfoqrafiyaya baxmayaraq kontragentlər siyahısında artıq mövcud olan şirkəti tanıya bilər və uyğunluq kifayət qədər əmin olduqda təkrarlanan qeydlərin yaranmasının qarşısını almağa kömək edər.

Tutaq ki, idxal edilən nəqliyyat parkı cədvəlində dövlət qeydiyyat nişanları üçün “Unit ref.”, şirkətin daxili nəqliyyat kodları üçün isə “Internal ID” istifadə olunur. Nümunə dəyərlər Jev-ə bu ikisini bir-birindən fərqləndirməyə kömək edir. Başlıqlar üzrə adi qaydalar qeydiyyat nömrəsi sahəsini boş qoyduqda qiymətləndirmə belə görünə bilər:

```json
{
  "input": {
    "columns": {
      "col_0": { "header": "Unit ref.", "examples": ["WX 4821A", "PO 7619K"] },
      "col_1": { "header": "Internal ID", "examples": ["FLEET-17", "FLEET-42"] }
    },
    "field_to_match": "registration_number"
  },
  "jev_assessment": { "column": "col_0", "probability": 0.93 }
}
```

Bundan sonra LiteTMS qeydiyyat nömrələri üçün birinci sütunu təklif edə bilər. Ofis qeydləri idxal etməzdən əvvəl bu uyğunlaşdırmanı nəzərdən keçirir. Heç bir sütun uyğun gəlmirsə, Jev uyğunlaşdırmanı məcbur etmək əvəzinə sahəni istifadəçinin özü seçməsi üçün “none” seçimini edə bilər.

## Çat tərcüməsindən əvvəl kiçik bir yoxlama

Bəzən mesaj artıq onu oxuyan şəxsin dilində yazılmış olur. Çatın tam tərcüməsini başlatmazdan əvvəl LiteTMS bunu yoxlamağı Jev-dən xahiş edə bilər. Dəqiq uyğunluq sistemə orijinal mesajı göstərməyə imkan verir, qeyri-müəyyən cavab isə onu adi tərcümə marşrutuna yönəldir. Bu, qərarın əhatə dairəsini dar saxlayır: sistem tərcüməni əminliklə ötürə bilmədikdə, oxucu yenə də tərcüməni əldə edir.

Məsələn, sürücü “Jestem na miejscu, czekam na załadunek”, yəni “Gəlmişəm, yüklənməni gözləyirəm” yazır. Polyak dilindən istifadə edən oxucu üçün yoxlama belə bir qiymətləndirmə verə bilər:

```json
{
  "input": {
    "message": "Jestem na miejscu, czekam na załadunek.",
    "reader_language": "pl"
  },
  "jev_assessment": { "language": "pl", "probability": 0.96 }
}
```

Müəyyən edilən dil oxucunun dilinə uyğun gəlir, ona görə də LiteTMS orijinalı göstərə bilər. İngilis dilindən istifadə edən oxucu üçün isə həmin polyak dilindəki mesajın hələ də tərcüməyə ehtiyacı var. “OK” kimi qısa cavab daha az məlumat verir: dil əminliklə müəyyən edilə bilmədikdə, adi tərcümə marşrutu qüvvədə qalır.

## Jev qiymətləndirməsi LiteTMS sisteminə necə inteqrasiya olunur

Jev LiteTMS-ə faydalı siqnal ötürür, ofis isə iş üzərində nəzarəti saxlayır. İnteqrasiyalar daxili şəkildə quraşdırılıb və şirkət parametrlərindən asılı olaraq platformanın qərar qəbuletmə səviyyəsi aktivləşdirildikdə işə düşür. Jev əlçatan olmadıqda, adi çat, sənəd və idxal iş axınları fəaliyyətini davam etdirir.

## Texniki baxış: TypeSafe Jev, JSON və Java

Pərdəarxasında nələrin baş verdiyini görmək istəyən oxucular üçün ən faydalı başlanğıc nöqtəsi göndərdiyimiz sorğudur. [TypeSafe-in təlimatında](https://docs.typesafe.ai/introduction/quickstart?utm_source=litetms.eu) göstərildiyi kimi, sorğu qiymətləndiriləcək məlumatı ehtiva edən `state` və aparılacaq qiymətləndirmələri göstərən `questions` bölmələrindən ibarətdir. `noul` tipli sual ifadənin doğruluq ehtimalını əks etdirən 0 ilə 1 arasında bir ədəd qaytarır. `choice` tipli sual isə adlandırılmış variantlar arasından seçim edir; mesajın kateqoriyasını məhz bu üsulla soruşuruq.

Budur, OpenRouter inteqrasiyamızda konfiqurasiya edilmiş model identifikatorundan istifadə edən fəaliyyət sualının özü:

```json
{
  "model": "typesafe/jev-1.13",
  "state": {
    "driver_message": "I have a flat tyre and cannot continue."
  },
  "questions": {
    "needs_action": {
      "type": "noul",
      "instructions": "The dispatcher must act on driver_message today: reply, give instructions, inform the customer or arrange help. Routine updates and thanks need no action."
    }
  }
}
```

Cavabın müvafiq hissəsi belə görünə bilər:

```json
{
  "answers": {
    "needs_action": {
      "type": "noul",
      "noul": 0.94
    }
  }
}
```

Tətbiq `answers.needs_action.noul` dəyərini oxuyur və qaydanı tətbiq edir. LiteTMS sürücü mesajına diqqət yetirilməsi üçün `0.55` fəaliyyət həddindən istifadə edir. JSON dekodlaşdırıldıqdan sonra eyni yoxlama Java dilində belə yazıla bilər:

```java
Double probability = 0.94; // Value from answers.needs_action.noul
boolean needsAttention = probability != null
    && Double.isFinite(probability)
    && probability >= 0.55
    && probability <= 1.0;

if (needsAttention) {
    System.out.println("Flag the message for dispatcher review");
}
```

Kod hədlə müqayisə etməzdən əvvəl dəyərin yararlı olub-olmadığını yoxlayır. LiteTMS-də kateqoriya qiymətləndirməsi qaydanın digər hissəsini təmin edir: diqqət tələb edən nəqliyyat vasitəsi problemi həm də təcili bildiriş meyarına uyğun gəlir. Model mesajı qiymətləndirir; tətbiq isə görüləcək tədbiri müəyyən edir. Cavab olmadıqda, normal çat iş axını davam edir.

Hədd növbəti addımın nə olacağından asılıdır. İdxal sütunu təklifi üçün LiteTMS ən azı `0.60` ehtimala malik seçilmiş sütunu qəbul edir; tərcümənin ötürülməsi üçün isə oxucunun dilinin ən azı `0.90` ehtimalla seçilməsi tələb olunur. Buna görə də `0.85` balı bir şəxsin nəzərdən keçirdiyi sütun təklifini dəstəkləyə bilər, lakin çat tərcüməsini ötürmək üçün kifayət deyil. Hər bir qayda həmin konkret qərarın nəticəsini əks etdirir.

## Tez-tez verilən suallar

### Jev AI modelini kim hazırlayıb?

TypeSafe AI Jev modelini strukturlaşdırılmış qərarlar üçün "System One" modeli kimi hazırlayıb. LiteTMS onu sürücü mesajlarının qiymətləndirilməsi və yer adlarının uyğunlaşdırılması kimi konkret iş axınlarına inteqrasiya edir.

### LiteTMS-də Jev AI nədən ötrü istifadə olunur?

Jev sürücü mesajlarının çeşidlənməsinə, sifarişlərin qəbulu zamanı eyni şəhər yoxlamalarına və CMR yer yoxlamalarına, idxal təkliflərinə və çat tərcüməsindən əvvəl eyni dil yoxlamasına qoşulub. Platforma və şirkət parametrləri iş mühitində hər bir fərdi funksiyanın aktiv olub-olmadığını müəyyənləşdirir.

### Jev sürücülərə cavab verirmi və ya CMR sənədlərini təsdiqləyirmi?

Xeyr. O, sürücü mesajını diqqət üçün işarələyə və iki yer adının eyni şəhərə aid olub-olmadığını qiymətləndirə bilər. Mesajı insan idarə edir və eyni şəhər nəticəsi bütün CMR sənədini təsdiqləmir.

### Jev qeyri-müəyyən cavab verdikdə və ya əlçatan olmadıqda nə baş verir?

LiteTMS mövcud iş axınını qoruyub saxlayır. Məsələn, qeyri-müəyyən dil yoxlaması adi çat tərcüməsi marşrutundan istifadə edir, qeyri-müəyyən idxal təklifi isə uyğunlaşdırmanı insanın nəzərdən keçirməsi üçün saxlayır.