把AI判断做成「智能if语句」！Jev实测：一次调用3个判断，置信度直接路由

TypeSafe 的 Jev 瞄准的正是这个缺口。它不以生成长文本为目标，而是让你提交一段 state 和一组定义明确的问题，返回带概率分布的结构化答案。本文从实际接入开始，讲清它适合解决什么问题、怎样调用，以及如何把不确定性真正写进业务流程。

先说结论：Jev 适合什么，不适合什么

Jev 是 TypeSafe 的 System One 模型。它适合在已有输入上做快速、边界清晰的判断，例如：

• 这张工单该分给哪个团队？
• 这条消息是否表达了紧急性？
• 风险落在哪个已定义的等级？

它不替代需要长篇推理、开放式创作或对话回复的生成式模型。一个实用的判断标准是：一位熟悉业务的人拿到同样的上下文后，能否在几秒内对一个单一问题作出判断？能，就很适合拆成 Jev 问题。

System One：把“快思考”变成智能 if 语句

丹尼尔·卡尼曼在《思考，快与慢》中用“系统 1”描述快速、自动、凭直觉完成的判断；“系统 2”则更缓慢、费力，需要有意识推演。TypeSafe 所说的 System One 借用了这一区分，来界定 Jev 的工作边界：给定明确的 state 和一个原子问题，快速返回可由程序消费的结构化判断。

所以 Jev 的价值不是代替所有思考，而是把高频、边界明确的判断做成可靠的“智能 if 语句”。它不适合作为长篇对话、复杂数学推理、棋类规划或跨多步论证的替代品。

这里的 System One 是产品与任务定位的类比，不等同于对人类认知机制的技术复现，也不构成心理学或神经科学主张。

训练路线：RLHF、RLVR、RLCD 分别在优化什么

理解缩写的重点不在于判断谁“更先进”，而是分辨它们面向哪种输出与任务目标。

对开发者而言，更实用的选择原则是：如果代码需要可执行的分类、分数、概率和置信度，优先考虑 Jev；如果需要开放式解释、创作或逐步推理，再考虑生成式或推理模型，并在系统中组合两者。

接入前准备：账号、API Key 与 Agent Skill

先在 TypeSafe 官网点击 Join Waitlist 申请访问。收到邀请邮件后创建账号，再进入 Console → API Keys 创建 API Key。

API Key 应只放在服务端环境变量或密钥管理服务中，不能提交到 Git 仓库、出现在前端代码或日志里。怀疑泄露时，应在 Console 中停用并重新创建。

如果希望让 Coding Agent 帮忙接入，可安装 TypeSafe 的官方 Skill：

npx skills add typesafe-ai/skills --skill typesafe-ai

然后在任务中明确要求 Agent 使用它：

Use the TypeSafe skill to integrate Jev into this project.

先在 Playground 验证问题设计

在写业务代码之前，先打开 TypeSafe Playground，用真实但不包含敏感信息的样本验证问题边界、选项描述和评分等级。

先从一个简单的 Noul 问题开始：

<span>{</span>
  <span>"urgency"</span><span>:</span> <span>{</span>
    <span>"type"</span><span>:</span> <span>"noul"</span><span>,</span>
    <span>"instructions"</span><span>:</span> <span>"这条消息是否表达了紧急性？"</span>
  <span>}</span>
<span>}</span>

这一步不是反复调“提示词文案”，而是确认问题的边界足够清楚：哪些输入该命中、哪些相邻情况不该命中、置信度低时系统要怎样处理。

第一次 API 调用：一次做三个判断

Jev 的接口是 POST https://api.typesafe.ai/v1/systemone。请求顶层只有三个核心字段：

下面的例子对同一条客服消息同时做路由、情绪分级和紧急性判断：

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H <span>"Authorization: Bearer <span>$TYPESAFE_API_KEY</span>"</span> \
  -H <span>"Content-Type: application/json"</span> \
  -d @- <<<span>'EOF'</span>
{
  <span>"state"</span>: <span>"Stripe 账户连续 3 天无法连接，我正在损失订单，请尽快帮忙。"</span>,
  <span>"model"</span>: <span>"jev-latest"</span>,
  <span>"questions"</span>: {
    <span>"department"</span>: {
      <span>"type"</span>: <span>"choice"</span>,
      <span>"instructions"</span>: <span>"哪支团队应处理此消息？"</span>,
      <span>"criteria"</span>: {
        <span>"billing"</span>: <span>"支付、订阅或账单问题"</span>,
        <span>"technical"</span>: <span>"产品故障、集成或技术问题"</span>,
        <span>"sales"</span>: <span>"价格、方案或账户咨询"</span>
      }
    },
    <span>"frustration"</span>: {
      <span>"type"</span>: <span>"score"</span>,
      <span>"instructions"</span>: <span>"客户表现出多强的挫败感？"</span>,
      <span>"criteria"</span>: [
        <span>"平静陈述事实"</span>,
        <span>"感到挫败但保持礼貌"</span>,
        <span>"非常愤怒或使用强烈措辞"</span>
      ]
    },
    <span>"is_urgent"</span>: {
      <span>"type"</span>: <span>"noul"</span>,
      <span>"instructions"</span>: <span>"该消息表达了紧急性或时间敏感性。"</span>
    }
  }
}
EOF

同一请求中的问题会针对同一份 state 并行、彼此独立地评估。优先把当前流程可能需要的问题一起发出，再由代码决定哪些答案应被采用；相较为每个问题单独请求，这种方式通常更快，但额外问题仍会增加 token 成本。

Choice、Score、Noul：三种问题怎么选

Choice：固定分类

用 Choice 处理“属于哪一类”。criteria 是“选项名 → 描述”的映射；选项名和描述都会给模型，因此描述必须明确区分相邻类别。类别可能覆盖不全时，加入 other 或 none_of_the_above。

Score：可解释的连续分级

用 Score 处理“处于什么程度”。criteria 是从低到高的有序数组，至少 2 档、最多 10 档。返回的 score 是等级位置的概率加权平均，因此可以是小数。不要只读一个分数，要连同概率分布和置信度一起解释。

每个等级应描述具体情境，例如“功能受损，但存在可用替代方案”，而不是“中等严重”。不要让一个 Score 同时衡量“准时、聪明、有经验”这类多个维度；拆开后再在代码中加权组合。

Noul：明确的二元判断

用 Noul 处理“是否”。noul = 0.999 表示“是”的概率很高，0.001 表示“否”的概率很高，接近 0.5 则说明正反证据接近。尽量把 instructions 写成“高值就是是”的句子；边界微妙时可增加 true 与 false 的 criteria 说明。

实测：返回结构和计算方式都可直接验证

对上述客服消息的实际调用，jev-latest 返回了具体版本 jev-1.13.0，并给出了以下结果：

<span>{</span>
  <span>"model"</span><span>:</span> <span>"jev-1.13.0"</span><span>,</span>
  <span>"answers"</span><span>:</span> <span>{</span>
    <span>"department"</span><span>:</span> <span>{</span>
      <span>"type"</span><span>:</span> <span>"choice"</span><span>,</span>
      <span>"choice"</span><span>:</span> <span>"technical"</span><span>,</span>
      <span>"confidence"</span><span>:</span> <span>0.66</span><span>,</span>
      <span>"probabilities"</span><span>:</span> <span>{</span>
        <span>"billing"</span><span>:</span> <span>0.23</span><span>,</span>
        <span>"technical"</span><span>:</span> <span>0.77</span><span>,</span>
        <span>"sales"</span><span>:</span> <span>0</span>
      <span>}</span>
    <span>}</span><span>,</span>
    <span>"frustration"</span><span>:</span> <span>{</span>
      <span>"type"</span><span>:</span> <span>"score"</span><span>,</span>
      <span>"score"</span><span>:</span> <span>0.98</span><span>,</span>
      <span>"confidence"</span><span>:</span> <span>0.96</span><span>,</span>
      <span>"legend"</span><span>:</span> <span>{</span>
        <span>"0"</span><span>:</span> <span>"平静陈述事实"</span><span>,</span>
        <span>"1"</span><span>:</span> <span>"感到挫败但保持礼貌"</span><span>,</span>
        <span>"2"</span><span>:</span> <span>"非常愤怒或使用强烈措辞"</span>
      <span>}</span><span>,</span>
      <span>"probabilities"</span><span>:</span> <span>{</span>
        <span>"0"</span><span>:</span> <span>0.03</span><span>,</span>
        <span>"1"</span><span>:</span> <span>0.97</span><span>,</span>
        <span>"2"</span><span>:</span> <span>0</span>
      <span>}</span>
    <span>}</span><span>,</span>
    <span>"is_urgent"</span><span>:</span> <span>{</span>
      <span>"type"</span><span>:</span> <span>"noul"</span><span>,</span>
      <span>"noul"</span><span>:</span> <span>0.98</span>
    <span>}</span>
  <span>}</span>
<span>}</span>

这个结果有几个值得注意的地方：

• department 按请求中的同名问题 ID 返回，choice、probabilities 和 confidence 都齐全；三项概率之和为 1。
• frustration.score 是等级位置的概率加权平均。响应中展示的概率可能经过四舍五入，因此排查时应以当次完整响应为准，而不是用展示后的有限小数重新计算。
• Score 的 legend 将等级编号映射回描述；Noul 则只有 noul 字段，不单独提供 confidence。
• 模型别名 jev-latest 会在响应中落到实际版本。因此业务系统应使用别名保持升级弹性，同时记录返回的具体版本，方便排查差异。

置信度不是装饰字段，而是路由信号

Choice 和 Score 会返回 confidence，其值来自概率分布的集中程度：结果集中在一个选项或等级，置信度更高；分散在多个结果，置信度更低。它不是“结果绝对正确”的保证，而是模型在表达“这道题是否存在清晰答案”。

阈值必须随风险变化：读操作可以较宽松；删除、付款、权限变更等高后果动作，应采用更严格的阈值，并保留人工确认。

answer = response.answers[<span>"department"</span>]

<span>if</span> answer.confidence >= <span>0.85</span>:
    route_to(answer.choice)          <span># 自动分派</span>
<span>elif</span> answer.confidence >= <span>0.50</span>:
    flag_for_review(answer.choice)   <span># 建议分派，等待确认</span>
<span>else</span>:
    ask_for_clarification()          <span># 不做自动决定</span>

从 Demo 到可靠系统：四个原则

1. 一个问题只问一个原子判断。 “给这个创业项目打分”混合了市场、技术、差异化等多个维度。应拆成多个 Score，再由代码明确权重。
2. 把组合逻辑留在代码里。 模型负责单项判断；优先级、阈值、权限和业务规则由普通条件分支或公式控制，便于审计与调整。
3. 允许推测性并行提问。 例如先问工单归属，同时询问“退货原因”和“物流问题”；最终只消费与路由结果相关的答案。这是 Speculative Fan-Out 模式。
4. 用自己的历史样本验证。 为每个问题准备已知期望结果的样本，检查描述改动是否提升实际效果。更高的 confidence 不自动等于更正确。

常见误区

• 把开放式生成需求硬塞进 Jev。 需要写邮件、总结报告或多步推理时，优先考虑生成式模型，或只将其中可判定的部分交给 Jev。
• Choice 选项描述互相重叠。 把每个选项“包括什么、不包括什么”写清；必要时提供少量贴近真实输入的示例。
• 只使用 Score 的整数档位。 小数分数承载了多个等级之间的概率权重；应连同 probabilities 与 confidence 解读。
• 低置信度仍自动执行高风险操作。 不确定性本身就是系统输入，不是可以忽略的异常。
• 把问题 ID 当成模型指令。 模型不会看到问题 ID；关键边界必须写在 instructions 和 criteria 中。

下一步

1. 用 Playground 为一个真实但低风险的业务场景写出 3 个原子问题。
2. 用 cURL 或 SDK 接入服务端，并记录输入、答案、概率和最终人工或程序决策，注意对生产数据脱敏。
3. 为每个业务动作定义风险等级与置信度策略。
4. 阅读官方 Patterns，按需要采用 Confidence-Gated Routing、Composite Scoring、Intent Routing 或 Speculative Fan-Out。

参考

• Introduction：Jev 与 TypeSafe primitives
• Quick Start：Playground、HTTP API、Python SDK
• Primitives：Choice、Score、Noul 的选择与组合
• Confidence：不确定性与风险分级
• Patterns：常见系统架构模式
• API Reference：字段与接口的最终定义