Pipedreamテキスト分類：Hugging Faceアクション vs HTTP → Jev（型付きラベル）

Pipedreamでは分類はトリガー（HTTP webhook、メール、Slack、チケット）後のルーティング工程です。テキストを正規化し、モデルにラベルやスコアベクトルを求め、CRM／キュー／通知への書き込み前に分岐します。主な経路は(1)Hubからモデルを選ぶHugging Face Text Classification、(2)JevModelなどへPOSTするHTTP／Node。どれも自前holdoutの代わりにはなりません。Microsoft中心ならpower-automate-text-classification、Zapier/Make/n8nは各ガイドを参照。

Pipedreamのアプリドキュメントでは、hugging_face-text-classificationはmodelId、text、任意のadditionalFields（例：ゼロショット系のparameters.candidate_labels）を取ります。出力はモデル依存で、多くのHubテキスト分類は感情やクラス尤度を返し、業務タクソノミーとは限りません。強みはHubモデルへの速さ、任意の候補ラベル、アクションが合うならHTTP設計が不要なこと。限界はラベル集合がHFモデルに従うこと、信頼度がChoice/Score/Noul契約ではないこと、品質とレート制限がHub側、モデル入替でラベル名が変わること。特定チェックポイントに寄せられるならHF向きです。

PipedreamのHTTPドキュメントはワークフローでのHTTPとNodeステップからの送信を扱います。重要な点：$.send.httpは非同期で、ワークフロー内でレスポンスを使えません。次ステップがJevのエンベロープ（code、message、dataのrequest_id、answers、usage、quota）を読む必要があるならaxios等をawaitしてください。answersをFilter／ifへマップし、高信頼のみ副作用。鍵は接続アカウントまたは環境シークレットへ。

下表はワークフロー形と意思決定契約の対比であり、宣伝精度ではありません。信頼度は自前のラベル付きサンプルで校正してください。

特定Hubモデルを信頼でき、ラベルが少なくルートにきれいにマップでき、誤振り分けが安く、自動化がPipedream内で完結するならhugging_face-text-classificationで十分。対応モデルならcandidate_labelsを渡し、Other/曖昧分岐を残し、modelIdをログ。複数システムが同一ラベル契約を共有する、またはPipedream外でScore/Noul棄権が必要ならHTTP→Jevを優先。

典型パターン：トリガー→コードで本文をstateへ→Nodeでaxios POSTをawaitしhttps://jevmodel.app/api/v1/systemoneへChoice（2–12）と任意Score/Noul→answersでif/Filter→高信頼のみ副作用→それ以外は人手。検証後state約8000文字、1–8問、無料検証枠はUTC日あたり成功 5 回。JevModelはOpenRouter経由でtypesafe/jev-1.13をホストし、TypeSafe AIとは独立。マルチモーダルでも重み配布でもありません。鍵はConsole→API keys。Power AutomateのHTTPパターンはpower-automate-text-classificationを参照。

// Illustrative only — put the API key in Pipedream secrets / connected accounts.
import axios from "axios";

const res = await axios.post(
  "https://jevmodel.app/api/v1/systemone",
  {
    state: "Customer asks for a refund on order #1842 after late delivery.",
    questions: [
      {
        id: "route",
        type: "choice",
        prompt: "Support route",
        labels: ["billing", "shipping", "product", "other"],
      },
    ],
  },
  {
    headers: {
      Authorization: `Bearer ${process.env.JEVMODEL_API_KEY}`,
      "Content-Type": "application/json",
    },
  }
);

// Prefer awaiting axios when you need res.data to branch.
// Do not use $.send.http if the next step must read the response.
return res.data;

HFアクションのHubクラススコアでもJevのScore/Noulでも、自動適用前にラベル付きサンプルで校正します。高帯は安全ラベル自動、中帯は人手キュー、下限未満は強制レビュー。書き込み前に中・低分岐を配線。TypeSafeのChoice信頼度は(p−1/n)/(1−1/n)で、校正済み精度ではありません。confidence-and-abstention、support-triage、バッチはbatch-text-classification-apiを参照。

1）境界例付きラベル辞書を固定。2）不一致はOtherか破棄か。3）再利用・Hub方針・棄権要件でHFアクション／共有Jev APIを選ぶ。4）鍵はsecrets／接続アカウントのみ。5）HTTPなら後続がレスポンスを読むときawait axios（分岐に$.send.httpを使わない）。6）modelIdや分類変更後はholdoutで精度・再現率。7）破壊的操作はしきい値＋人手分岐の後ろ。8）未測定の順位や精度向上を謳わない。