Google Sheets 文本分类：=AI() 函数 vs Apps Script 调用 Jev API

大多数表格分类任务形状相同：一列自由文本（问卷回答、表单提交、客服消息、商品评价），一小组类别，再加一列新列，每行只放其中一个类别。有用的附加列是置信度列、“需复核”标记，以及在抽样行上的人工标注列，用来检验结果。在 Google Sheets 里，填这列标签有三条现实路径：内置 AI 函数；用 Apps Script 调用 JevModel 这类外部分类 API；或导出 CSV、在别处分类后把结果贴回来。

Google 帮助页给出的语法是 AI("prompt", [可选区域])；=Gemini() 是等价写法。选中单元格后点 Generate and Insert，想重新生成时点 Refresh and Insert。Google 自己的例子包括把客户咨询分为表扬、换货请求或退货请求，以及把邮件正文分为正面、负面或中性。对分类来说，这些文档限制很关键：只返回文本；函数只能看到你传入的区域，看不到整张表；不能嵌入其他公式（Google 举的不支持写法就是把 AI() 包在 IF 里）；一次只生成所选的前 350 个 AI 单元格；有短期和长期生成上限；能否使用取决于方案、管理员设置和语言。优势：符合条件的账号零配置，非开发者也能改自然语言提示词。边界：输出是自由文本，除非提示词和清洗步骤强制精确取值，否则标签会漂移（“Return”“return request”“Returns”），也没有可用于复核阈值的逐标签概率列。

Apps Script 可以用 UrlFetchApp 调用任何 HTTPS API，Google 的自定义函数指南也确认 URL Fetch 是自定义函数允许使用的服务之一。但它仍不适合放按量计费的分类调用。自定义函数必须在 30 秒内返回，否则单元格显示 #ERROR!；每次使用都是一次独立的 Apps Script 服务器调用；而且只要引用的单元格变化就会重算，一次编辑就可能把同一行悄悄再分类一次（并再付一次费）。自定义菜单项可以避开这些：点一次脚本跑一次，读取选中行、调用 JevModel，把标签和概率作为普通值写回，之后不会重算。按 Google 公布的限制做规划：每次脚本执行最多 6 分钟；URL Fetch 配额个人账号 20,000 次/天，Google Workspace 账号 100,000 次/天（Google 说明这些数值可能变化）。每次选择的行数要能在一次执行内跑完。JevModel 密钥放在 Project Settings → Script properties，不要写进单元格；并记住，能编辑这张表的人也能编辑它绑定的脚本，所以编辑者名单要尽量短。

下表对比的是工作流形态与输出契约，不是准确率。表中没有任何一行是基准测试结果；请在自己的标注样本上测量。

打开 Extensions → Apps Script，粘贴代码，新增名为 JEVMODEL_API_KEY 的脚本属性（密钥在 JevModel Console → API keys 创建），然后刷新表格。选中同一列的文本单元格，点 Jev → Classify selected rows，标签和概率会写到右边两列。请求遵循文档化的契约：state（单元格文本）加具名问题，这里是一个 Choice，criteria 把标签 ID 映射到简短定义。清晰的定义（包括明确的 “other”）比花哨措辞更重要。本站通过 OpenRouter 固定调用 typesafe/jev-1.13，所以没有 model 字段。JevModel 与开发 Jev 的 TypeSafe AI 相互独立。返回非零 code（例如 INSUFFICIENT_TOKENS）时写成 ERROR，方便只重跑这些行；API 不支持幂等键，已有标签的行不要重跑。

// Illustrative only. Save the key as the script property JEVMODEL_API_KEY.
// Run from the menu, not as a custom function, so edits never re-bill rows.
const LABELS = {
  billing: "Charges, refunds, invoices or payment methods.",
  shipping: "Delivery status, delays or address changes.",
  product: "How the product works, or a defect report.",
  other: "Anything that fits none of the labels above.",
};

function onOpen() {
  SpreadsheetApp.getUi()
    .createMenu("Jev")
    .addItem("Classify selected rows", "classifySelection")
    .addToUi();
}

function classifySelection() {
  const key = PropertiesService.getScriptProperties().getProperty("JEVMODEL_API_KEY");
  const sheet = SpreadsheetApp.getActiveSheet();
  const range = sheet.getActiveRange(); // one column of text cells
  const rows = range.getValues().map(([text]) => {
    if (!text) return ["", ""];
    const res = UrlFetchApp.fetch("https://jevmodel.app/api/v1/systemone", {
      method: "post",
      contentType: "application/json",
      headers: { Authorization: "Bearer " + key },
      muteHttpExceptions: true,
      payload: JSON.stringify({
        state: String(text),
        questions: {
          route: {
            type: "choice",
            instructions: "Which support queue should handle this message?",
            criteria: LABELS,
          },
        },
      }),
    });
    const body = JSON.parse(res.getContentText());
    if (body.code !== 0) return ["ERROR", body.message];
    const answer = body.data.answers.route;
    const p = answer.probabilities ? answer.probabilities[answer.choice] : "";
    return [answer.choice, p];
  });
  // Plain values in the next two columns: label, probability.
  sheet.getRange(range.getRow(), range.getColumn() + 1, rows.length, 2).setValues(rows);
}

电子表格让评估很容易，那就做。分类整张表之前，先在单独一列里人工标注随机抽样的若干行，对它们跑同一个问题，用 COUNTIFS 或数据透视表对比：每个标签的一致率，以及哪些标签容易混淆。然后基于样本定复核规则，例如“概率低于大多数分歧出现的水平就送复核”，再加一列公式，如 =IF(C2<0.7,"review","ok")；0.7 只是占位，不是推荐值。保留 “other” 标签，“other” 占比高说明标签表需要调整，而不是模型失败。TypeSafe 描述的 Choice 置信度 (p − 1/n)/(1 − 1/n) 会按标签数校正，但同样不是校准后的准确率。改动标签或定义后，要重新检查样本。

已有符合条件的方案、这张表只是一次性探索、反正会有人逐条看结果时，选 =AI()。同一套标签会反复使用、需要概率列决定哪些送复核，或标签必须与其他地方的自动化（Zapier、Make、n8n、Power Automate、Pipedream 或你自己的应用）通过同一 API 使用的标签一致时，选 Apps Script → Jev 菜单。不想写代码、或想先用小文件试一个问题时，选 CSV → Console → Batch。无论哪条路的检查清单：1）写带明确 “other” 的标签定义；2）人工标注一份样本；3）结果被接受后以值保存，而不是保留实时公式；4）API 密钥不进单元格；5）没在样本上测过的准确率不要宣称。如果一行可能同时属于多个标签，请看 multi-label-text-classification，不要硬塞进一个 Choice。